为什么要研究客户声音

全渠道服务的趋势。企业提供了多个渠道向客户提供服务，但是他们之间往往没有关联。现在情况变了，在几乎每一个年轻消费者都装备了智能移动设备，在这样的客户交互场景下，客户的体验已经从企业主导的多渠道服务，向客户主导的全渠道体验进行转变。

用户购买行为变化。现在当你想购买一个产品时，只需要在手机上打开应用，更方便的搜索就可以做出选择，甚至有时只需要在朋友圈里看到一个推荐就可以可直接选择。在整个购买过程中最关注的可能是朋友圈里评价，如果这些评价对你产生了正面的影响，直接就可点击下单。在这一过程中，甚至你都不需要打开企业的网页来了解信息，不需要向打电话向企业的客户联络中心来了解情况，社交媒体的声音就影响了你的选择和购买行为。

大数据应用驱动力。根据IBM的研究，世界上90%的数据产生于最近两年，这标志着大数据时代的真正到来。客户声音本身就是一种大数据，海量的客户不断产生海量的声音，能否对客户声音数据进行有效管理将会成为在大数据时代生存和参与竞争的一项基本能力。

客户声音并不一定要来自于客户

我们总是习惯性的以为客户声音的数据要来自客户，其实不然，只要能够反映客户的行为和倾向，客户声音可以有不同的来源。打开数据来源的多样性思维，有助于获取和利用更具价值和可行性的客户声音数据来源。客户声音可以来自于客户的输入和反馈，也可以来自业务运营中的交易记录，以及来自员工的记录输入。

全面理解客户声音数据的来源

理解客户声音数据的来源是有效应用的基础。客户声音的数据来源主要包括内部运营数据、质量监控数据、客户咨询投诉、联络话务数据、客户调研数据，以及来自社会化媒体上的反馈信息等。

1．内部业务运营数据。设计合理的指向性运营指标能够有效反映出公司采取的业务行动和客户响应行为之间的关系。这类代表性的业务运营数据包括：被退回的信函、被挂断的外呼电话、无效的信用卡交易行为、不同客户多次提及的问题、频繁的网页重复登陆、多次错误的信息输入等。体系化设计的内部运营指标往往能够在客户意识到问题之前就告诉你发生了什么，从而指导你及时采取最恰当的改进措施。内部业务运营数据是高层管理者最希望应用的客户声音数据来源。内部运营指标的设计需要更多体系化的专业技巧，我们另行讨论指标设计这一话题。

2．内部质量监控数据。企业内部质量管理过程中产生的监控信息能够很好的反映客户的声音。这类数据主要包括对产品质量和服务质量的内部监测信息，以及对内部服务过程和服务交付过程的测量评价信息。比如营业网点的客户服务等待时间可以用来很好的量化评估客户在服务现场的体验感知水平；对于物流配送交付过程的抽样质检数据可以用来评价一线配送人员是否遵守了规定的操作过程规范和交付体验标准；对客户经理与客户电话互动的过程抽样检查不仅可以评价客户经理的业务能力和服务规范性，而且可以据此评价客户的体验感知。

3．客户咨询投诉数据。在实际项目分析中，尽管大多数公司将客户联络类型划分为投诉或咨询，我们一直建议企业将投诉和咨询的信息放在一起来分析。进入服务成长期的企业非常重视客户投诉，往往采用独立的编码和处理机制，并且在管理上给出比咨询高得多的权重。但是事实上，投诉和咨询有着相近的内容，一般意义上的投诉只是客户在表达方式上稍微严厉一些而已。从另一个方面来讲，由于对于投诉的过度重视，客户提出的问题常常没有被当成投诉那样来重视，在管理上经常被忽略。比如一个信用卡客户提出关于逾期费率高的问题，你会把这当成咨询还是投诉？许多客户联络中心在设计不当的投诉管理指标面前，常常以将可能的投诉划归为咨询，来逃避对问题的跟进处理。

4．客户联络交互数据。企业在与客户接触的交互过程中积累了大量的联络记录，包括客户联络中心记录了来自客户的语音交互，以及以电子邮件和移动方式发起的客户交互。几乎每一位管理者都对移动交互的增长表示担忧，不知道在管理上如何有效的应对。事实上，微博、微信等都可以看成是企业客户服务号码的另一种形式。在实际应用中，这些联络交互数据在分析应用上具有相当大的难度。一方面这些数据的质量密度较低，应用大数据分析的难度也很大。另一方面原因在于，这些话务联络数据往往仅代表了一部分遇到问题的客户，有大量存在的问题并没有被提及，而且那些被提及问题常常是一些为什么没有收到赠品之类的次要性问题。

5．客户调查反馈数据。企业发起的各类调查也是客户声音的重要来源。这些调查不仅局限于客户满意度调研获得的数据，也包括市场调查数据、交易调查反馈数据、售后服务回访数据等。需在应用中需要注意调查反馈数据可能存在的偏差或局限性，调研问题设计的导向性会带来调查结果的偏差，样本选择的技术性因素使得反馈数据可能存在局限性。此外，不同调查方式的质量可信度不同，执行难度和成本差异较大，调研方式的选择也会在很大程度上影响客户声音数据的质量和可信度。比如以面对面或电话的方式发起的一对一客户调查，在精心选择目标调查对象的情况下，虽然数据质量密度较高，但是较高的实施成本限制了调查数据的范围和深度。

6．社交网络反馈数据。用户在社交网络产生了大量的信息，在线社群已经成为客户声音数据越来越重要的来源。星巴克咖啡就对社交媒体上的客户反馈信息进行收集，应用分词技术和文本分析技术，全面了解客户正面和负面的情绪，并据此采取相应的沟通策略。社交网络上的反馈信息主要是非结构化的文本和多媒体信息，数据质量密度较低，在信息采集、数据处理和应用分析上具有一定的挑战。与前面几类数据的特性不同，社交网络上的客户声音具有一定的示范引导效应和较强的链式传播性，需要采取更快速及时的处理行动和更具人性化的应对技巧。

1、问题发现：

能够在恰当的时间从适合的客户那里收集到恰当的反馈，并将这些客户声音数据与公司主数据系统进行结合应用。

2、声音分享：

在恰当的时机将客户的声音反馈提供给内部适合的人员，以便于他们可以根据客户的声音来开展适合的业务行动。

3、原因诊断：

深入理解客户声音，通过对客户声音的分析来发现产品设计、业务推广和服务运营中问题，寻找适合的改进机会。

通过上述机制建立了客户声音的统一认知，在内部形成了客户声音驱动的跨职能沟通，还需要来应用客户为中心的服务设计方法，推动内部各业务部门和服务支持部门参与到体验改进的具体行动过程中。

这需要在企业内部构建另外三项管理能力：

4、评估讨论：

从适合的部门那里找到合适人选来对客户声音进行评估，以理解我们哪些做法或因素对客户体验产生着什么影响。

5、服务设计：

遵循以客户为中心的服务设计方法，从将客户声音与客户旅程相结合，从中找到可以改进客户体验的过程改善点。

6、动员改进：

应用客户声音持续改进客户体验，让相关部门的人员参与改进行动，并且通过客户声音来监督这些改变的持续性。

上述仅是对客户声音管理进行有效管理和应用所需要的基本内容，在实际业务运作中的声音分析和体验改进实施，比如如何对获得客观的客户声音乘数的问题，如何避免在客户声音管理上过分看重投诉的问题等，还会面临许多更为具体的问题，需要更为具体的策略。受篇幅所限，对于更为深入的内容，另行讨论。