体验的商业逻辑

①两个趋势

我很欣赏一句话，我们要和顾客一起去设计产品或者去设计这个服务流程。

我们体验家是用咨询服务加it服务的方式，帮助企业去做顾客体验方面的数据收集，分析预警，还有反馈的整套SAAS平台。下面，我将分享在过往的两年当中，探索市场的一些感悟以及服务客户的一些体会和经验。 

我们不断的在强调体验经济或者消费升级这个过程，那么就我把它总结为两个方面的趋势。

首先第一个趋势就是我们整个消费的基本面的逻辑变了，相信很多90后成为消费的主力时，不再对价格或者是脑白金式的疯狂营销甚至是一些精准营销，所带来的这种敏感度正在降低。 

所以我们可以看到，很多企业虽然在降低自己的毛利或者是说增加自己的营销预算，但是带来的新增客户，或者客户的留存，都多多少少遇到了一些瓶颈。这个其实是获客成本不断拉高的一种表现，这说明我们的消费者，他们的消费逻辑变了得更难伺候。 

但另外一个趋势又有一个利好，我们的消费者现在越来越愿意花更多的钱去买更好的体验，也就是说我们愿意去支付消费的溢价。可以想象一下这个市场有多大，在中国有14亿人口，其中有5亿人口已经进入了经济学人杂志所说的这种享乐型消费，这样的人群其实比其他世界发达经济体的高消费人群的总量都要多。所以这是个亟待我们去开发的市场，如果我们能够提供更好的体验，就会有有一个非常庞大的高消费人群，能够迅速带动企业的增长。

②简易数学题引发的思考

我们大家以前小学的时候可能都做过一道非常不环保的数学题：有一个蓄水池，一个口在入水，一个口在出水，到底什么时候能把蓄水池蓄满？

那么如果我们在一个增量经济的过程，也就是经济发展高速增长不断带来很多的新富人群的过程当中，我们其实是不需要去在乎存量的，不需要在乎现有的客户；但是由于我们经济增长的放缓，和我们这种新富阶层的增长，人口红利的遇到一些瓶颈和缓慢的增长的时候，我们其实是要在乎存量客户的。这个过程当中我们其实，不光要在乎新客的数量；其实当一个客户开始买你的第一件产品的时候，就是你对他服务整个历程的开始。我们更多的是需要能够拉高，好不容易获得的这些客户的客单价和复购率以及新品的购买率，降低它的流失率，用这样的方式，来增加我们的营收；而不简简单单的是去一味的去拉新。

调查引发的思考

①美国公司的调查

那么如果我们在一个增量经济的过程，也就是经济发展高速增长不断带来很多的新富人群的过程当中，我们其实是不需要去在乎存量的，不需要在乎现有的客户；但是由于我们经济增长的放缓，和我们这种新富阶层的增长，人口红利的遇到一些瓶颈和缓慢的增长的时候，我们其实是要在乎存量客户的。这个过程当中我们其实，不光要在乎新客的数量；其实当一个客户开始买你的第一件产品的时候，就是你对他服务整个历程的开始。我们更多的是需要能够拉高，好不容易获得的这些客户的客单价和复购率以及新品的购买率，降低它的流失率，用这样的方式，来增加我们的营收；而不简简单单的是去一味的去拉新。

②贝恩公司的调查

贝恩公司在之前有做过，大概在10年前做过一次调查；很多公司自我感觉良好，觉得自己提供了非常良好的顾客体验，但其实这个调查，是对个公司以及他们几千个顾客进行的并行的调查。

这些公司认为，他们提供了很好的体验，但是使用这些公司产品和服务的客户当中，只有8%是这样认为的；这是一个非常巨大的体验鸿沟。

③X Data

其实在人工智能界有一句话，就是数据决定智能的上限。你的算法只能不断地帮你去逼近上限，同理设计也是。我觉得需要了解消费者，而且数据测量一定要准，并且数据量要足够的大，才能给以足够的洞见，去改善产品和服务的体验。

很遗憾，在过往我们企业使用的数据，都是把消费者当做抽象的消费机器，

因为最早的CRM带来的一些，或者其他的会员数据，或者一些POS机带来的是，一个消费者购买了什么，他的消费流程是怎么样的，什么时候付款，然后是信息消费记录。

后来像一些测数据的公司带来的DATA，更多的是看客户去在你网站点击的一些痕迹和行为的动线，或者是通过一些其他数据的碰撞带来的用户标签。

但既然我们发现顾客越来越注重体验，我们就需要收集顾客另外一层数据，叫做体验数据，后面会简称为X DATA。这个数据代表了顾客购买一个产品的动机，原因，使用产品和服务的感受，体验和消费过程当中的情绪，还有对于复购的一些态度意愿，以及对于品牌的认可和信任等等。

现在，这些数据变得越来越重要，因为他可能是比产品的价格和营销，或者是一些更多的东西，还要更底层的逻辑。消费是理性的，也不是理性的，在这个过程当中，需要知道更多的消费者，他在整个消费过程当中的一些感受，这个数据就变得尤为重要。

④五步模型

我们怎么去测量？我们提出用迭代的方式去测量。先去搭建顾客体验业务流程相关的一些体验指标里，能测出的一些关键的体验点；同时进行一个互动的分析，能够看到你的数据，也就是现在的服务是不是有问题；然后做一些相应的改善和调整，从这些变化当中找准方向，去做一些创新的突破。

测量

在创新突破的这个过程当中，第一个点就是去测量。

假设有一家电商平台，他们发现顾客的复购率和客单价正在下降，他们可以通过一些买点发现，其实顾客在前面的流程都没有问题，选购，放进购物车，但是它最后放弃支付的放弃率比较高，同时从选购到最终下单的平均时长也在不断的增加——这是一个很明显的消费体验变差的过程。

要得到人的消费的因果推论其实是非常难的，在这个过程当中，尤其是对于一些自助服务来讲，有一个非常经典的指数叫做顾客费力指数，它其实是一个反逻辑的测量，费力数越大，其实越不好的。

我们可以通过，我们的平台SPK的方式，去设计一个跟你的平台相关的弹出框，当他点击之后，可能会有一些下钻，如果你的费力指数比较高，我可能会根据我的业务流程，去询问一些比较重要的原因。在你选择一个原因之后，我们可能还会下钻一道开放式的问题。 

有人觉得这不就是问卷吗？其实这与问卷有一个有很大的不同点，我们的问卷是场景式的问卷，如果你要去走入顾客的内心，就没有办法用行为数据或运营数据，这样抽象的数据去反推顾客心里怎么想的，我们必须得打扰到他，只不过我们能用技术的方式，不断地去降低打扰的过程，这样也许我们会通过体验数据来发现大家找不到的客户不购买的原因。 

可能我们的顾客在遇到一些问题的时候，没有办法及时的和客户进行沟通，或者是顾客的支付流程让他的客户可能觉得过于繁复，整个的费力程度比较高。这种问题只有通过场景化的问卷，才能更好地收集到。

以买车来举个例子。现在很多朋友在朋友圈可能都会看到一些电动车的，预约试驾的一些小广告，你点进去之后就会留你的电话号码，以方便后续的进行预约试驾。那么我们假设，在预约试驾结束之后，就像图片左边的一样，我们预留的电话号码会收到一条短信，里面会询问我们在整个预约试驾过程当中的体验。

因为我们是刚刚结束，回忆成本比较低；不会说到了年底，车商再给我们发送一个问卷，让我们回忆你的买车提车的整个过程。而且这个问卷只有大概5~6个问题，只有体验不好，才会出现下钻问题。所以问卷填答者的时间成本相对低，而商家又愿意在这些过程提供一些激励，让问卷顺利去转化。 

所以在这个过程当中，它的数据收集量会比原先结尾的抽样调查要好得多，而且有的时候你在抽样调查当中只能触达你的忠实客户；那些曾经在某个环节，流失的顾客由于你没有这些跟场景相关实时推送的询问和沟通，这些人已经消失在了你的品牌当中。所以他们的意见，比那些忠诚客户和留存客户更加重要。这是我们觉得在测量上需要做到的第一点。

第二点其实就是相关的指标，我们觉得在一些电子化的服务的平台当中，仍然需要去实时跟顾客沟通一些问题，例如他的来访动机，以及他的一些任务的完成度，还有一些经典的指数，

一些跟比较注重的设计的元素，比如说导航内容有效性，速度，视觉呈现方面的一些相关指标。这些是能够帮助你去收集，顾客的感性体验最重要的一个点，并且他一定要实时。 

可以通过数据买点的方式，也就是说当他的行为达到一定的阈值的时候，我们就弹出一个弹框，或者是在他消费结束之后进行一个拦截式的访谈。

在这个过程当中大因为中国人比较内敛，假设我们一个企业的顾客满意度，是一个正态分布的话，如果我们只放一个投诉或者是说帮助文件摆在那里的话，其实你只能收获到那些在尾端非常不好的顾客体验；那些人会主动去抱怨或者是去泄愤，这样我们的数据其实是有偏的。而我们通过实时的推送，可以去获得一个更完整的数据，这让每个客户都有同等的机会获得这样的一个方式，所以我们收集到的数据是随机的，也不会因为造成少数的抱怨导致我们对整个设计产生一个否定。

分析

在创新突破的过程中，第二点就是分析。

以刚才那个数据作为一个例子，刚才我们用了三道题，就是费力指数，你的原因，以及为什么，在这个过程当中把结果推导到了三个人的身上因为传统的市场调查，可能会得到常用的用户访谈，但是这个信息量非常大，几十页的报告都有可能。其实在这个过程当中，很多人不一定是关键参与人，所以我们把一些少量的信息推送给跟顾客体验相关的负责人，这样他们的阅读效率也会更高，使用效率也会更高。

对于费力指数，我们推送给产品经理就好了；对于我们发现了不同的原因，比如说支付流程的话，就直接推送给算法工程师；如果它的帮助件过于隐蔽，这个其实是设计师的问题。

我们希望一个好的顾客体验管理的软件，是公司内部的所有岗位都有属于自己的指标的一个展现，比如说管理层能看到宏观的一些指标，而一些业务部门的人可以看到跟自己的岗位相关的一些指标，能够知道自己的工作是如何，影响到顾客体验的。

这样的一个过程，并不是说从决策者，到产品设计者，到生产，到物流，到最后的投放这样一个线性的过程，而是我们所有的人都能够第一时间的收到以顾客为中心的这样一种辐射式的数据结构。无论是什么行业，我觉得都是应该出现这样的一个方式。

我觉得顾客体验的数据有两大类的思路。 

一类是我们可以通过结构化的数据，也就是选择题，量表题，包括一些其他的结构化问题，我们得到了一些有多100多年历史的统计建模分析，这样可以去做很好的因果推论。比如说一家地产项目，我们可以看到最后大家对于他们的满意度原因有什么，这一些统计上的方式，是我认为比较稳健的分析。

另外一类的抽象程度比较低，大家现在用的比较多，那就是自然语言处理。在某种程度上讲，

自然语言处理可以作为一个辅助，但不能作为完整的依据。在七八年前，你给一个顾客开放式的问题或者是给他一个评论，顾客的有效应答率大概是30%，也就是他会写一些真正有意义的内容占比。近年来，这个数据比例虽然在上升，其实真正愿意去写的这些人在一些开放平台，或者第三方向点评平台的评论，有很多数据是有偏移的，而这些数据，在目前中国的自然语言处理方面，还没有达到极高的精确度。

有的时候可能不好和难吃，这两个的比例是不一样；但这个时候，有一个量表题去做参照，比如说这个人他的满意度是8分，但他打了一个差评，内容写得很差，这个情况其实是不用在意的，因为他心里告诉你量化的结果是很高的，只是说这个人可能比较挑剔。但如果一个人打了很低的分，但他说没什么，这种人却往往是需要去在意的。只有这样的结构化数据和非结构化数据，放在一起才能展示出一个全貌。

行动

在创新突破的过程中，第三点就是行动。

我们认为所如果你是用迭代的思维，去做你的产品和服务的体验的话，你就必须得去对哪怕是一小部分顾客进行验证，通过统计模型验证一个能够代表大多数用户的需求的真实原因后，你就应该去实时地，及时地做出改变。

在这个过程当中，我认为再好的设计和再好的服务总是可能会产生问题的。因为一个设计是由人来执行的，只要服务链条够长，比如教育，酒店，零售，汽车，保险这些过程当中，都有很多人在执行业务流程或者去卖产品，可能由于设计或服务的问题在这个过程当中产生出了噪音，如果我们能够，对提出不良体验反应的顾客进行实时的反馈，很大程度上讲他们会降低对产品的负面传播，甚至能够黑转粉。

想想如果你有不良的体验，但这个商家在一个小时之内，给你一些致歉，安抚询问，甚至给你一些赔偿例如奖券之类的，你可能会觉得这家公司真的有聆听你的感受，或者是愿意有长期服务你的决心，无论之前的体验有何种不好，你也会稍稍平静下来。

如何去对不良的体验进行及时的反馈和行动，我们建议的是设置一个预警的预值。比如说我们的用户从下单到购买的过程，或者说反复下单删除的次数时，就可以在买点或者一个固定的时间点向用户发送一个问卷，然后去设置一个阈值，这时一直可以去进行推送的。

紧接着，这个问卷的结果必须得推送到相关的责任人的手机或者是PC端上，让他能第一时间知道哪里有问题后及时地去分析，甚至可以去团队协作去处理这个问题。

接下来我们可以和call center，一些比较有资源的高层决策者联系到，让他能够知道有什么样的问题要去及时的处理。

在这些过程当中我们需要去思考的是有哪些顾客应该收到我们的反馈，然后组织内的谁应该去负责跟进，到底是设计师还是我们的服务设计者，还是我们的一些其他的客服。然后我们思考什么时候是一个最佳的时间点进行跟进，如何去处理，采用不同的处理方法之后会产生什么样的问题。

这其实是一个解决问题到问题再发生的过程。通过解决问题以及和顾客的沟通，从简简单单的交易层面变成了沟通的层面，所以顾客可能会对你的产品服务有更好的提议，这就是服务升级的一个过程。

我们以一个酒店行业设计的例子来说，这其实是一个简单的标准解决方案。顾客入住酒店可能会产生预订，入住，WIFI设施的链接，客房使用，餐饮，健身，或者其他的一些的服务，到最后离店的体验；这整个流程其实是由整个的酒店当中的七八个部门去协作完成的，任何一个环节出差错，都有可能会出现问题。

我举一个非常具体的例子。当你在入住房间之后的第一个动作是连上WIFI；一般连上WIFI的时的结束页面都是酒店的主页，我们改变了这个过程，它的结束页面是一道问题，问你的入住体验怎么样。

因为我们发现，其实大量的顾客体验不良是因为在入住的过程当中，由于高峰期造成的长时间排队，或者是你入住的时候别人没有按照特殊要求给你安排无烟房，大床房，或者是比较安静的房间等等。所以有的时候入住体验就直接导致了你对这个酒店产生了情绪，即使你看所有服务员对你笑，都会觉得他居心叵测。

所以必须再去把这个问题解决掉。如果我们能够在实时的场景收集到问卷，他如果告诉你不好，那么我们会实时地把预警发送给预警到当天的值班经理，这个时候值班经理可以送上一个果盘，或者写一张嵌入顾客的一些信息的卡片送到客人的房间里，这样的话顾客就会在整个消费没有结束的环节当中把它对你的体验提升起来，不至于导致顾客的流失。

再举一个简单的例子，Westin酒店是一个国外的酒店，属于万豪酒店旗下的品牌。他们在分析的顾客满意度上已经有很多的指标，所以就造成了非常复杂的场景化问卷。进行了很长时间的分析之后，他们其实没有必要在乎太多，因为很多顾客都属于商旅型，他们只在乎两点，第一个就是睡得好不好，第二就是澡洗得爽不爽。后来他们把体验问卷变得更加的细致，不会再问健身和会议还有一些大厅的东西，他们直接就问睡眠体验怎么样，枕头体验怎么样，被子体验怎么样，沐浴的水温水压怎么样，沐浴的用品怎么样。通过这样的方式来推动一种极致的用户体验，这是他的Key Drivers。

通过对这两个点的着力，会发现顾客的NPS上升了12%，客房的总体印象上升了大概1.11%，甚至大家会觉得清洁度都变得更好了。

所以这是顾客消费当中不理性的一个点，就是当他看你爽的时候什么都爽，当他看你不爽的时候什么都不爽。

从这个角度来讲我们所谓的顾客体验管理，其实是和传统的调查市场满意度调查是不一样的；我们用一个贴合业务流程的，7×24小时365天监控，过往由一个人答的长问卷变成现在多个人在多个时间点答的短问卷，并且把数据实时推送到，跟顾客体验相关的岗位的负责人的终端上，能够及时地预警，并去解决掉那些我们服务设计或者执行过程当中的疏漏，形成这样一个闭环，这是顾客体验管理用数据的方式去做整体的改变。

我认为任何好的服务，任何好的产品，都是保持一个持续互动的过程。比如说当我们去苹果店买东西的时候，可能都会收到一个短的邮件或者是短信的问卷。可以看到其实很多高科技公司都是用这样的方式收集用户的一些反馈数据后，再去做这样的设计；所以我觉得创新是要基于数据的。

总结

最后做一个简单的总结。

首先就是在体验经济时代，我们提升顾客的存量和它的忠诚度，降低流失率是新的增长点。这是不同于过往的，花更多的钱去拉新；某种程度上讲，如果你讲一个大白话就能省下的钱那就是赚的，如果你能在维护现有的顾客的持续增长，那么其实你就不需要花更多的钱去做割喉式的竞争营销。

第二点就是，提升顾客存量需要好的产品和服务体验，而不仅仅是营销。在这个过程当中，我们需要三个数据，行为数据，运营数据，体验数据。很多企业其实对于在新顾客体验过程当中怎么样收集顾客的行为数据并不在意，是因为市场上缺乏这样的工具。

测量，分析和行动；这三个要素能够让你去在改进迭代你的产品设计和服务体验的过程当中，同时不流失你的顾客。

我相信很多人和我一样对体验设计有同样的追求，虽然方式多样但殊途同归。我们体验家希望能够用多元的数据帮助企业去提升我们这个社会的顾客体验。

Powered by Froala Editor