ZD至顶网CIO与应用频道 10月14日 评论消息: 在设立客户群优先级、选择被评估体验、确认监控指标以及设计数据收集策略后,客户体验人士需要继续通过以下三个步骤完成成功的评估项目:
第五步:为每个客户体验指标设定目标
客户体验人士需要为利益相关者所提出的不可避免的问题做准备:“好”意味着什么,而又是什么情境会触发警报?为了回答这些问题,客户体验人士必须为预期结果设定目标。这些目标对于最终负责执行的相关人士及合作伙伴至关重要。
·首先应确定结果及认知指标绩效的最低要求。在目标建立前的几个评估期间内收集客户体验监控指标有助于客户体验人士基于目前绩效和自然波动范围设定目标。
·决定结果和认知指标正确的提高等级。客户体验人士应该努力优化及最大化客户体验分数。
·根据结果和认知指标的目标设定描述性指标的目标。描述性指标的目标主要根据这些指标如何影响客户认知建立。
第六步:确定并执行客户体验议题
监控指标必须能够驱动公司内一部分人的行为,否则就起不到作用。因此客户体验人士需要设计如何完全了解针对客户的问题以及如何确认和解决系统问题。解决这些问题,他们需要:
·选择会引发预定义行为的客户问题。当客户在客户体验问卷中给出负面的评分,经理很经常会联系客户并试图修复关系。为随访进行及使用支持技术帮助员工与客户消除误解,客户体验人士应该定义业务准则。
·为个性化活动制定解决办法。当重要客户的评估分数在客户体验指标中呈下滑趋势时,客户体验人士应该促进针个性化方案制定。
·分析负面客户体验评分以明确系统问题。许多客户针对某项客户体验特性的差评都与系统问题相关,而这些问题需要通过更大规模的改进解决。客户体验人士应该使用调查数据确认这些问题在哪里。
·选择优先处理低分客户体验属性的解决办法。决定修复客户体验属性的先后顺序应从了解某项属性负面评分对结果造成的影响开始。规划出属性及目前绩效等级关系的矩阵图会对客户体验人士有很大帮助。
·竞争对比因素。公司应该了解他们与竞争对手的区别,才能真正构建有差别的体验。先进的优先级矩阵可以帮助工资在竞争中加速解·决系统问题。
·了解客户体验得到低分的原因。要解决最严峻的系统问题,客户体验人士需要了解客户给出低分的原因及他们原本期待的体验。所有被调查的公司都会仔细阅读问卷中开放式问题的回答,以及收集的描述性指标。
第七步:分享客户体验评估中收集的见解
如果公司想要通过客户反馈改善体验,客户体验人士应该在第一时间与全公司分享反馈结果。为了提高员工对评估及管理客户体验的重视度,他们还需要汇报客户体验衡量指标。为保证充分沟通,他们应该:
·根据角色确定仪表板和报告。从管理层角度看,客户体验人士需要能够展示全局以及关键观点。在业务部门和运营层面上,客户体验人士应该分享互动与旅程方面的监控指标,从而帮助业务部门交付更好的客户体验体验。
·整合不同来源的信息。为了提供综合不同数据类型的整体视野,JetBlue航空公司将交易问卷调查、飞行体验数据、“联系我们”网上评论表格的评论整合,提供显示全部信息的仪表盘。
·计划如何围绕客户体验指标联合利益相关者。为了促使利益相关者关注客户体验监控指标,客户体验人士必须将指标与相关部门的成功关联起来,将指标具体化并容易访问,引导相关部门使用这些指标。
只要按照以上七个步骤逐步调整客户体验项目并定期审核,客户体验人士便可建立并发展成功的评估项目。
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。