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
机器人和自动化工具已成为云环境中最大的安全威胁,网络犯罪分子率先应用自动化决策来窃取凭证和执行恶意活动。自动化攻击显著缩短了攻击者驻留时间,从传统的数天减少到5分钟内即可完成数据泄露。随着大语言模型的发展,"黑客机器人"将变得更加先进。企业面临AI快速采用压力,但多数组织错误地关注模型本身而非基础设施安全。解决方案是将AI工作负载视为普通云工作负载,应用运行时安全最佳实践。
MBZUAI研究团队发布了史上最大的开源数学训练数据集MegaMath,包含3716亿个Token,是现有开源数学数据集的数十倍。该数据集通过创新的数据处理技术,从网页、代码库和AI合成等多个来源收集高质量数学内容。实验显示,使用MegaMath训练的AI模型在数学推理任务上性能显著提升,为AI数学能力发展提供了强大支撑。
面对心理健康专业人士短缺问题,谷歌、麦肯锡和加拿大重大挑战组织联合发布《心理健康与AI现场指南》,提出利用AI辅助任务分担模式。该指南构建了包含项目适应、人员选择、培训、分配、干预和完成六个阶段的任务分担模型,AI可在候选人筛选、培训定制、客户匹配、预约调度和治疗建议等环节发挥作用。该方法通过将部分治疗任务分配给经过培训的非专业人员,并运用AI进行管理支持,有望缓解治疗服务供需失衡问题。
这项由多个知名机构联合开展的研究揭示了AI系统的"隐形思维"——潜在推理。不同于传统的链式思维推理,潜在推理在AI内部连续空间中进行,不受语言表达限制,信息处理能力提升约2700倍。研究将其分为垂直递归和水平递归两类,前者通过重复处理增加思考深度,后者通过状态演化扩展记忆容量。