想象未来IT专业人员可以转变为客户科学家,这听上去可能有些牵强,但下一代IT的确需要走上更严格、更系统的客户分析之路,以制定客户行为的因果理论。
每个组织都声称自己是以客户为中心的,有些组织甚至坚称自己以客户为中心。事实上,对于大多数企业来说,“以客户为中心”只是一个话题和愿望,而不是一种差异化能力。
想一想,在日常生活中,有多少产品或者服务交互超出了你的预期?有多少人见过这种产品或者服务?自2010年以来,客户满意度水平一直趋于平稳。自此之后,根据美国客户满意度指数显示,有近80%的企业无法提高客户满意度评级。因此,尽管组织可能正在关注客户体验问题,但他们并没有取得太大的进展。
客户科学案例
美国亚利桑那州立大学W.P.服务领导中心凯里商学院会定期进行全国客户愤怒调查,跟踪客户满意度、投诉处理以及客户不文明行为(即愤怒)的惊人发生率。客户体验/满意度领域有一个新兴的关键绩效指标是“愤怒点击”——例如,由于网站加载缓慢或冻结,用户有时会点击按钮五六次。减少或消除客户愤怒是否应该成为一项IT指标?
很多人把科学定义为对现象的严格且系统的识别和测量。在营利性和非营利性板块中,最重要的现象就是客户行为和心态。
客户科学将客户的行为和心态置于显微镜下。你的组织擅长客户科学吗?你的组织是否衡量了客户体验?你的组织是否聘请了“科学家”根据收集的数据观察和解释客户行为?
在每个客户都有广播平台的这个世界中,未能满足或超出客户期望可能都会带来重大的影响。
2018年2月21日,凯莉·詹纳 (Kylie Jenner)在推特上表达了对Snapchat应用新布局的不满之后,Snapchat的市值在一天内损失了13亿美金。她只是说了:“还有人打不开Snapchat了吗?或者只是我……唉,这太悲伤了。”2016年,美国企业因服务质量差而导致客户流失,其损失高达1.6万亿美金。
实践中的悖论
通往客户科学的道路充满了悖论。组织型的悖论是,如果“客户为王”,为什么企业中没有人有权确保每一次交互都达到或超出预期。这就是现在非常流行的首席客户官的角色吗?还是首席体验官?
Glenn Laverty曾任理光加拿大公司总裁兼首席执行官,现在他已经退休。他巧妙地解决了这种责任/权力悖论,将每位员工的薪酬与客户体验/满意度指标联系起来。
衡量什么以及奖励什么会驱动行为。在波音公司,有迹象表明,生产吞吐量补偿指标胜过安全考虑。客户科学可以为每个人的薪酬与客户体验指标之间的校准和细致联系提供信息。
美国客户满意度指数创始人Claes Fornell、密歇根大学商学院荣誉教授Donald C. Cook描述了客户科学的数据悖论。组织收集到的客户信息比以往更多,但“矛盾的是,企业收集的客户数据越多,他们似乎就越不知道如何满足客户的需求。”这个情况这必须有所改变。
“客户科学”这个术语几乎是一个矛盾的说法。有几位诺贝尔奖获得者——例如Herb Simon(1978年)和Daniel Kahneman(2002年)——已经消除了大多数主流经济学所基于的错误假设,即顾客总是理性的。
品牌研究人员、客户体验专家和客户满意度研究人员一致认为,真正的客户忠诚度取决于企业/品牌与买家建立情感联系。虽然科学和人类情感当然不是同义词,但我们相信,科学可以影响情感,而且客户是可以理解的。
不少商学院撰写的经济史认为,在1967年左右(参见Philip Kotler的《营销管理》,现已出版第16版)组织发现,应该由客户而不是产品来推动决策。客户、客户体验和客户满意度应该是管理者努力的焦点。战略成为识别目标客户和制定指导所有战术活动(包括产品设计、定价、促销和分销)价值主张的一个过程。
管理大师Peter Drucker说过:“企业的目的是创造客户。”CIO必须确保系统到位,以确保我们了解企业正在创造的客户。
好文章,需要你的鼓励
企业AI搜索公司Glean宣布年度经常性收入(ARR)达3亿美元,较15个月前的1亿美元增长三倍。尽管谷歌、微软、OpenAI等科技巨头纷纷入局企业AI搜索市场,Glean凭借"上下文图谱"技术深度理解企业业务需求,并帮助客户显著降低AI计算成本。该公司提供按用量计费和混合定价两种模式,客户涵盖Databricks、Reddit、Pinterest及三星等企业。Glean上轮融资后估值达72亿美元。
香港中文大学与MiniMax提出ClaimDiff-RL框架,将图像描述的AI训练从整体打分升级为逐条核查,有效解决了传统方式导致AI"少说保平安"的问题,同时在多项基准测试上超越Gemini-3-Pro-Preview。
杰夫·贝索斯旗下的蓝色起源公司在佛罗里达卡纳维拉尔角进行静态点火测试时,新格伦重型火箭发生爆炸。这是美国历史上最大规模的火箭爆炸之一,也是蓝色起源公司遭遇的最严重失败。所有人员安全,但该事故可能导致新格伦火箭项目长期暂停。此前该火箭已成功完成三次发射,并实现了助推器回收和重复使用。
ParaVT是一个由南洋理工等多校联合提出的并行视频工具调用框架,通过让AI同时分析多段视频并引入PARA-GRPO算法解决训练中的格式崩溃与工具跳过问题,在六项长视频理解测试中平均提升约7.9%。