ZD至顶网CIO与应用频道 07月15日 北京消息: 并不是所有企业都一定需要非常卓越的客户体验(CX)。某些情况下,良好的客户体验已经足够。但很多企业发现,即便是良好级别的客户体验也越来越难以实现。随着企业业务规模的扩张,他们需要协同不同渠道的资源来提供产品和服务。因此过去无序的客户体验管理(CXM)方式无法取得成功,但大多数CX领导者缺不知如何做出改进。Forrester的客户体验管理成熟度框架可以帮助CX领导者解决此类问题,为CX领导者指明在客户时代(AgeoftheCustomer)成熟的客户体验管理框架的必要元素。
六大客户体验管理能力助力企业成功
Forrester客户体验管理成熟度模型首次发布于2011年,该模型定义了在客户体验管理领域内企业必须掌握的实践能力。以下为模型定义的六大客户体验管理能力:
·客户认知。不断变化的市场环境要求企业能够持续不断的深入了解消费者的思想、情感与行为。USAA一方面通过客户和员工的反馈获得客户体验的一手数据。另一方面,USAA还利用一系列研究项目来帮助及时了解掌握客户的变化。在2015年Forrester美国客户体验指数(CXIndex)中,对客户的深入了解让USAA在银行、信用卡、保险和投资四个金融服务领域中均名列第一。
·优先。成熟的品牌不会试图管理与消费者产生的每一次互动体验。事实上,CX领导者应更专注于与企业业务更紧密联系的那部分客户体验。例如,Aon人力资源技术公司更关注于它的线上自助服务站点,一方面由于该站点的高频使用(90%与客户的互动发生于此站点),另一方面,该站点服务着公司的两类重要客户群体(企业的终端用户及人力资源技术买方企业)。
·设计。设计方面的实践经验可以帮助公司进行规划。在2015年Forrester美国客户体验指数第一季度和第三季度的排名中,万豪集团的ResidenceInn酒店和Courtyard酒店分别名列第一。万豪集团通过以人为本的设计宗旨(Human-centeredDesign)把抽象概念融入进员工与合作伙伴可以实施操作的客户体验蓝图中。设计师通过一手调查(例如对300名旅客日记的调研)来决定哪个“移动时刻”应该在App重新设计时被考虑采纳。
·交付。客户体验管理成熟度高的公司应该确保客户的亲身体验应与最初设计师设计时是一致的。Travelodge公司为员工提供了一页的简洁服务流程指南(类似宜家家具组装指南)来指导员工完成服务。通过这些服务指南,即便是第一天来的员工也能快速掌握相关流程。
·评价。客户体验管理成熟度高的品牌根据客户感知指标来衡量评价客户体验。蒙特利尔银行(BMO)使用净推荐值(NPS)作为客户体验的主要测评指标。此外,BMO还新增了四个CX指标以分别评测该银行CX愿景的四个核心要素。例如,BMO要求员工主动向消费者推荐相关的产品服务。随后通过调查问卷的方式了解消费者感知到的员工主动性水平,并通过周报表的形式让总部及分区、分行的各级经理跟踪“主动性指标”。
·文化。客户体验管理成熟度高的企业中,员工对客户体验的关注是自驱动的,而非出于领导的要求。以客户为中心的行为是植入企业的文化基因,由内而发的。例如,HubSpot的“企业文化准则”确保了求职者与员工均遵循公司核心的以客户为中心的理念。
客户体验管理成熟度要求企业有自律性
企业要全面定义客户体验管理实践行为并制定相应的组织规范,才能在客户体验方面获得成功。企业需要:
·责任性。客户体验应该成为所有员工的一项重要工作。
·规律性。客户体验管理成熟度高的企业有规律的开展客户体验管理实践。例如,西南航空(SouthwestAirlines)、Travelodge及蒙特利尔银行的管理者每天与其团队审视客户体验指标。
·严谨性。任何企业都能够设计出新的客户流程或研究了客户反馈,但只有客户体验管理成熟度高的企业才会在这些方面做得非常卓越。
·协调性。企业员工不会故意给客户制造出糟糕的体验感受。糟糕的客户体验通常来自于一系列不协调的流程。客户体验管理成熟度高的企业能够通过不断自查,防控于未然。
不止企业自律性,客户体验管理成熟度还需要共鸣
即便在业务流程方面,有的企业毫无瑕疵,但如果不全心全意投入其中,他们仍然无法获得真正的成功。像星巴克(Starbucks)和维珍集团(Virgin)这样的企业,把共鸣变成企业文化最核心的部分。在这样具备客户体验共鸣的企业里,员工发现、了解并真正关心包括消费者、员工、股东在内整个生态系统的需求和情感。企业需要:
·从不同角度思考企业目标(例如,卖产品还是帮助客户买产品)
·深刻理解离开客户的企业将无法生存
·力图做到员工体验和客户体验同等重要
·信任员工并准许他们做正确的事比遵循业务流程更重要
好文章,需要你的鼓励
AWS通过升级SageMaker机器学习平台来扩展市场地位,新增观测能力、连接式编码环境和GPU集群性能管理功能。面对谷歌和微软的激烈竞争,AWS专注于为企业提供AI基础设施支撑。SageMaker新功能包括深入洞察模型性能下降原因、为开发者提供更多计算资源控制权,以及支持本地IDE连接部署。这些更新主要源于客户需求,旨在解决AI模型开发中的实际问题。
南洋理工大学研究团队开发了WorldMem框架,首次让AI拥有真正的长期记忆能力,解决了虚拟世界模拟中的一致性问题。该系统通过记忆银行存储历史场景,并使用智能检索机制,让AI能准确重现之前的场景和事件,即使间隔很长时间。实验显示在Minecraft和真实场景中都表现出色,为游戏、自动驾驶、机器人等领域带来广阔应用前景。
AI虽具备变革企业洞察力的潜力,但成功依赖于数据质量。大多数AI项目失败源于数据混乱分散而非算法局限。谷歌BigQuery云数据AI平台打破数据孤岛,简化治理,加速企业AI应用。通过AI自动化数据处理,实现实时分析,并与Vertex AI深度集成,使企业能够高效处理结构化和非结构化数据,将智能商业转型从愿景变为现实。
MTS AI研究团队提出RewardRanker系统,通过重排序模型和迭代自训练显著提升AI代码生成质量。该方法让13.4B参数模型超越33B大模型,在多种编程语言上表现优异,甚至在C++上超越GPT-4。通过引入困难负样本和PPO优化,系统能从多个代码候选中选出最优方案,为AI编程助手的实用化奠定基础。