增长黑客3.0：AI数字化客户体验营销驱动下一代企业增长
增长黑客这个词相信大家都不陌生，用一句话概括：通过科技、数据手段与策略让企业的用户、营收实现增长。
增长黑客最核心的2点：
1、用技术手段进行大量假设实验，从中获取客观反馈数据；
2、秉承「一切都用数据说话」的原则，在反馈数据中找到增长逻辑并验证。
使用「非结构化的文本数据」，通过AI自然语言处理NLP、深度学习等技术将其「数字化」管理，从中挖掘企业增长线索。
增长黑客3.0是在原有数据基础上，拓展了新的数据源——「文本数据」。
一、「客户体验评价」对企业增长的重要性
客户体验管理CEM（Customer Experience Management），一句话概括：通过全渠道、全触点对客户反馈数据进行收集、分析， 优化产品、服务等环节客户体验，提升客户满意度和忠诚度，实现品牌持续增长。
世界500强企业中大多以打造「极致客户体验管理」著称。
苹果和星巴克的客户体验管理向来是全球企业的争先学习的对象，华为小米则以极致的客户口碑得以开辟市场，日前火爆入驻中国的COSTO好市多也以绝佳的客户购物体验在全球拥有一帮铁杆忠实顾客。
而「客户体验评价」是评估企业客户体验管理水平最直观的「文本数据」。
二、基于「文本数据」处理的AI技术日趋成熟
得益于基于人工智能「自然语言处理NLP」、「深度学习DL」等技术的发展，我们终于实现了对「非结构化类的文本数据」进行量化统计和建模分析的可能，从而人们能从海量「客户体验评价」中提取有价值的、直观可视化的数字信息，成为辅助企业商业决策重要依据。
制图：云听CEM
三、如何「量化」企业的「客户体验管理」水平？
过去，客户体验作为一种主观抽象的评价，很难用数字等直观的方法衡量。
大家都知道苹果手机客户体验做得好，但具体好到什么程度？达到多少分？比其他竞争对高出多少分？无人给出答案。
现代管理学大师彼得·德鲁克说过：“If you can't measure it, you can't manage it”。——「如果你不能衡量它,就不能管理它。 」
「数字化」是企业打造极致客户体验管理的第一步。
目前大部分企业在客户体验管理方面，仍停留在「问卷调研、客户访谈、聘请第三方机构」的传统阶段。
传统客户体验调研存在以下弊端：
1、由于时间与人力成本限制，只能选取少量样本数据，无法全量覆盖
2、人工慢、时效性差，无法满足市场快速变化节奏
3、容易受调研人主观影响，参考价值有待商榷
4、统计口径粗、只能得出概括性结论、问题容易失焦
5、调研结果无法回溯来源
6、调研成本高企
7、仍然难以量化
「客户体验评价」一般存在于以下2类平台：
1、大电商平台（淘宝、天猫、京东、苏宁等）
2、大社交媒体平台（微博、知乎、贴吧、豆瓣等）
我们将「客户体验评价」进行汇总量化处理，以此评估该企业的客户体验管理水平并从中挖掘企业新的增长点。
这对评估企业的「数据采集、数据挖掘、数据建模」能力提出极高的要求，鉴于我们在爬虫领域6年的技术钻研与商业实践，我们搭建了一支实力雄厚的数据爬虫团队，覆盖了「淘宝、天猫、京东、苏宁、国美、1号店等」等主流电商，以及「百度贴吧、微博、知乎、豆瓣等」主流社交平台，并实现了对新产生的「客户体验评价」数据实时同步。
二、如何完成「文本数据」到「信息提炼」的转化？
在汇聚了海量「客户体验评价」后，人是无法用肉眼对其进行逐条分析以及提炼信息的，这将极其损耗人力和时间成本。
我们依据客户需求及商品特性，为企业量身打造一套涵盖「产品、服务、市场、物流」的「NLP细粒度客户体验指标体系」（如下图）。
云听CEM搭建智能手机客户体验评估指标体系
以智能手机举例，可以梳理出共计170+项评估指标，细粒程度可覆盖至手机各项细微体验，如「防抖体验」等等。
依据这套指标体系，机器能根据客户语义和情绪，将每一句「客户体验评价」分别归类至不同的「客户体验指标」分类之下，并判断客户对这项指标表达情绪的正负面，如下图。
客户体验评价的「指标分类」与「情感判断」
依托于「NLP指标体系」，我们打造了基于智能手机「客户体验量化统计与深度学习模型」，通过海量文本数据训练后，不断提高模型的精准度，最终完成对客户体验评价数据的智能精准分析。
三、场景对比「传统客户体验管理CEM vs AI数字化客户体验管理CEM」
以某品牌智能手机体验评价数据（真实评价）举例。
场景1：3条客户购机体验评价
A客户：手机太厚了。
B客户：刚买一个月不到降价200多服了！手机很厚，很重，系统也很奇怪反正很坑不喜欢！
C客户：比我三年前的手机还厚，颜色和想像的有些差距。
■ 传统客户体验管理CEM
结论：人工下定论——用户整理感觉手机很厚。颜色有点差距。抱怨买完就降价。系统有点坑。
■ AI数字化客户体验管理CEM
在经过「自然语言处理NLP」与「深度学习」系统处理后：
注：1、模块为客户体验指标分类；2、红色模块表示负面评价
数据可视化后：
结论：机身厚度有3条负面评价，价格浮动、系统操作性、机身重量、机身颜色都有1条负面评价。客户反馈最严重的问题是「机身厚度」，现在客户都偏好轻薄设计的手机，方便携带，建议下一版本可优先考虑优化「机身厚度」。
场景2：3条客户购机体验评价
D客户：手机不错，厚度适中，速度挺快，礼品是充电宝和自拍杆，都挺精致的，这款手机没有红外功能，总之挺好的，好评！
E客户：手机挺薄的手感也不错运行也流畅但是相机很烂虽然充电很快但是用了一个月之后感觉电池寿命缩短了之前能用一整天的现在不行了。
F客户：外形外观：外观不用多说了，很轻薄，镜面后盖屏幕音效：限时屏看着很舒服，手感舒适，但是音效一般拍照效果：很高清，很漂亮，夜间模式很棒运行速度：有点慢，但是还不错待机时间：电量有点小，3070毫安其他特色：日常使用没问题，还是很棒的。
■ 传统客户体验管理CEM
结论：人工下结论——有人提到电池寿命不够，音效一般，系统运行有点慢，但外观评价不错。总体来说不错。（很笼统）
■ AI数字化客户体验管理CEM
在「自然语言处理NLP」与「深度学习」系统处理后：
注：1、模块为客户体验指标分类；2、绿色模块表示正面评价
数据可视化后：
结论：好评有2条，差评有1条。机身厚度有3条正面评价，手机流畅性和手感有2条正面评价，价格浮动、系统操作性、机身重量、机身颜色都有1条正面评价。电池有1条负面评价。
场景3：手机「A系列 vs B系列」客户体验评价对比
在「自然语言处理NLP」+「深度学习DL」与数据可视化处理后：
手机「A系列 vs B系列」客户体验评价对比
指标数据量化后，A、B系列手机各项指标对比一目了然，而这些场景是传统调研难以实现的。
四、「AI数字化客户体验管理」适用企业岗位与应用场景
当「客户体验评价」数字化之后，它对于企业各岗位的日常工作有什么价值和帮助？
以产品研发部一个真实存在的工作场景举例。
背景：#A#系列手机已经卖了3个月了，出货量已接近百万。其中，#A#系列手机在天猫有86111条（近一个月），京东有32万+条（累计），如下图。产品总监需要一份详尽的客户体验报告。
产品总监：小李，我们的手机#A#系列在天猫京东等各个平台开卖3月了，你调研下客户对手机产品功能的使用反馈,周五写个总结报告给我。
小李：啊，周五？今天周三……
产品总监：对，越快越好。
小李：好……（T^T）
小李OS：几十万条评价这怎么调研？从中随机抽取一定比例做样本？会不会以偏概全？但我也不可能一条条看完分类统计？这得花多长时间才能做完啊？
碰巧，商业数据分析部门上个月刚采购了一套数字化客户体验管理系统，小李发现正好满足本次调研的需求。
#A#系列智能手机客户体验评价分类指标数据图
从图表中能看到，客户对#A#系列的整体评价正面评价偏多。吐槽和认可最多的分别是「操作系统、电池、外观、拍照」功能。
进一步数据下钻。
小李对「操作系统」指标进行「数据下钻」后，发现负面评价的用户吐槽操作系统最多的是「手机卡屏卡顿、没有呼吸灯、自带软件太多」等等。
数据下钻：操作系统-负面词频图
对操作系统负面评价进一步数据溯源时发现情况还挺严重，客户吐槽的很厉害。
原始数据源追溯：操作系统-单条负面评价
如果客户把这些“抱怨”到朋友圈、微博这将对#A#品牌是极大的破坏。小李将该问题第一时间反馈给上级，协助开发测试部门定位问题，并与客服部商量主动联系负面评价客户提供补偿措施。
「客户体验评价」是一个待挖掘的数据宝库，AI数字化客户体验管理则能最大限度的开采它的价值，驱动企业进入黑客增长3.0时代。
- END -
云听CEM（Customer Experience Management）是深圳视界信息技术有限公司基于人工智能技术研发的客户体验管理平台，云听CEM利用人工智能技术（DL、NLP）跟踪分析全渠道、全生命周期的客户反馈数据（电商评价、社交媒体、问答平台、论坛贴吧、新闻媒体、客服电话录音、调查问卷等），洞察消费者行为和喜好，帮助产品、市场、客服、电商、品牌等各部门以客户体验数据分析结果为决策依据。
