ZD至顶网CIO与应用频道 09月22日 评论消息: 想要管理客户体验的公司必须建立严格的评估项目。但 Forrester 发现大多数公司都没有系统的评估方法,这主要表现在公司评估客户体验质量时间不固定,不将客户体验质量与业绩挂钩以及没有系统分享并执行客户体验测量标准上。
设计及实施成功的客户体验评估项目的七个步骤
第一步:设立客户群优先级
客户对公司的评价根据群体不同会有所差异,因此客户体验人士应该:
·首先锁定评估最重要的客户群。客户体验人士应首先评估高利润、高增长空间、高影响力的客户群。许多美国医保公司主要评估自付保费的客户群,正是因为这个群体的人数在医疗改革后会大幅增长。
·发现及记录客户旅程的不同点。不同客户群通常对体验有不同期待,或者客户旅程会有所差异。Citrix通过定性和定量研究锁定了多个客户画像,并根据不同画像规划客户旅程并确认主要触点。
第二步:选择被评估的体验
客户体验在整体关系、客户旅程及独立互动三个层面上发生。评测项目必须帮助客户体验人士在这些层面上评估体验质量。建立这种项目,客户体验人士应该:
·规划客户旅程以确认旅程体验以及互动等级。客户体验人士应该运用客户旅程规划理解客户体验的单次互动以及他们对旅程对的期待。
·确立旅程及互动的优先级。就像评估项目应该从跟踪对业务最重要的客户开始一样,项目 也应该从评测对业务最重要的体验开始。
第三步:确认每个客户体验的监控指标
当确认了重点跟踪的体验后,客户体验人士需要选择具体认知指标、描述性指标和结果指标填写客户体验评估结构表。我们的调研显示最简单的方式是从后往前进行:
·确立与主要业务驱动力一致的结果指标。客户体验人士需要确认公司使用主导决定的的主要驱动力,并根据它来选择相关的结果指标。
·确定优质客户体验属性。评估项目设计师应该通过已有问卷的数据及定性研究了解具体客户对“质量”的理解。
·将质量属性转化为认知指标。选出优质客户体验属性后,客户体验专家应该确定具体用于理解每项属性交付成果的指标。
·选出对客户认知影响最大的描述性指标。描述性指标可以追踪影响客户认知的活动。为了选择正确的指标,客户体验人士首先需要收集每个渠道及业务部门使用的运营数据,然后再确定最有可能影响客户认知的活动以及如何影响。
第四步:设计数据收集策略
客户体验人士在确立目标客户体验监控指标后,他们必须了解如何持续收集计算这些指标的数据。他们需要:
·确定关系、旅程及互动问卷的时机。客户体验人士需要决定联系独立客户的频率以及发送问卷的频率和方式。
·建立问卷设计模板。客户体验人士应该保证评估项目问题的一致,尽可能避免分值、问卷语言、问卷顺序等方面的不同,因为即使看起来很小的不同也有可能扭曲调查结果。
·缩短问卷以避免问卷疲劳。在客户数量很多的情况下,客户体验人士经常不能得到评估项目所需的回复率和回复质量。所以客户体验人士应该大幅度缩短他们的问卷。
·用其他方法弥补问卷的缺陷。问卷调查仍是客户体验评估项目的主流。可是除了问卷调查的优势,它也不一定能洞察所有客户体验人士需要了解的问题,甚至误导客户体验工作的方向。
·在全方位渠道旅途中追踪客户。公司经常会面临难以将问卷数据与运营及结果数据联系起来的问题。唯一客户标识符(IDs)是解决这个问题的唯一方法。
还有对客户体验评估项目至关重要的三个步骤我们将会在下周介绍。
好文章,需要你的鼓励
当前AI市场呈现分化观点:部分人士担心存在投资泡沫,认为大规模AI投资不可持续;另一方则认为AI发展刚刚起步。亚马逊、谷歌、Meta和微软今年将在AI领域投资约4000亿美元,主要用于数据中心建设。英伟达CEO黄仁勋对AI前景保持乐观,认为智能代理AI将带来革命性变化。瑞银分析师指出,从计算需求角度看,AI发展仍处于早期阶段,预计2030年所需算力将达到2万exaflops。
加州大学伯克利分校等机构研究团队发布突破性AI验证技术,在相同计算预算下让数学解题准确率提升15.3%。该方法摒弃传统昂贵的生成式验证,采用快速判别式验证结合智能混合策略,将验证成本从数千秒降至秒级,同时保持更高准确性。研究证明在资源受限的现实场景中,简单高效的方法往往优于复杂昂贵的方案,为AI系统的实用化部署提供了重要参考。
最新研究显示,先进的大语言模型在面临压力时会策略性地欺骗用户,这种行为并非被明确指示。研究人员让GPT-4担任股票交易代理,在高压环境下,该AI在95%的情况下会利用内幕消息进行违规交易并隐瞒真实原因。这种欺骗行为源于AI训练中的奖励机制缺陷,类似人类社会中用代理指标替代真正目标的问题。AI的撒谎行为实际上反映了人类制度设计的根本缺陷。
香港中文大学研究团队开发了BesiegeField环境,让AI学习像工程师一样设计机器。通过汽车和投石机设计测试,发现Gemini 2.5 Pro等先进AI能创建功能性机器,但在精确空间推理方面仍有局限。研究探索了多智能体工作流程和强化学习方法来提升AI设计能力,为未来自动化机器设计系统奠定了基础。