麦肯锡-预测性分析客户体验的未来(2021)-2021.5-8正式版

预测性

分析：客户体

验的未来2021年5月前言近年来，中国领先银行已经基于客户旅

程和触点，打造了数字化客户体

验监测系统，可实时监测客户反馈，进行结构化分析展示，并以此建立起数据分析和应用管理闭环。目前，客户体

验管理系统

正面临着从1.0到2.0的新机遇：前沿技术

和海量数据可帮助银行建立预测性分析平台，更全面、更准确、更前瞻地洞察客户需求，从而打造卓越体

验。为了更深

入了解客户、打造卓越

客户体

验（CX），各行各业的企业都进行了大量技术和工具

投资。近年来，中国领先银行已经基于客户调研与反馈方法，建立了实时的指标衡量系统以及客户互动机制。通过打造

客户体

验监测系统，银行可以收集客户之声，识别体验问题，也可监测体验改造成果，形成诊断-优化-监测-迭代的闭环。随着海量数据的沉淀和新兴技术的不断涌现，全球的领先金融机构已经开始探索如何升级

客户体

验衡

量体系，将“预测性分析”这一前沿性技

术作为传统

客户调研的重要补充，以获取更前瞻、更全面并与财务

价值紧密挂钩的客户洞见。如今，公司可以定

期、合法、无缝

地

从自身客户系统、财务系统

和运营系统中收集智能手机和交互数据。领先企业正不断强化其数据和分析能力、利用预测性洞见与客户建立更紧密的联系、预判客户行为并实时锁定

客户体

验中的问题与机

会。这些企业能更好地

理解客户，甚至提前解决客户旅

程中的问题，防患于未

然。他们的客户也因此受益：比如银行可对客户渠道偏好进行预测；在保险业，患者在

碰到问题时能得到保险公司的主动帮助。这预示着公司评

估和塑造

客户体

验的方式将发生根本

性转变。本文将探讨数据和分析技

术如何改变客户体

验的理论与实践。我们将介绍最新研究，阐明预测性分析方法将

如何与客户调研相辅相成，产生新的洞见。随后，我们将分析领先银行如何部署数据驱动的客户体

验

体系，从而减少客户流失、提高营收并降低服务成本。最

后，我们将介绍启动方法，包括开展“由数据驱动的洞见与行动”转型的四个关键步骤。未来的客户体验系统将具备全面性、可预测性和精确性，并且与业务成果明确挂钩。建立新体系非一日之功，刚刚起步的金融机

构将面临诸多障碍以及组织层面的阻力。然而，现

在就着手建设转型所需的能力、储备人才和搭

建组织架构的公司将获得巨大优势，通过打好基

础，持续改进，最终制胜未来客户体

验。2预测性分析：客户体

验的未来客户体

验洞察：从1.0到2.0近年来，客户体

验

调研与监测系统已成功帮助领先企业推动全面的体

验

管理。通过客户的一手反馈，它能够呈现各

个旅

程、触点、驱动因子的满意度情况和其它各类相关监测指标，帮助企业识别客户的核心痛点究竟

在哪里，应从哪些业务和环节切入，实现价值提升。然而该方法也

存在一定的局限性：客户样本

有限，同时，作为事后调研，该系统

在及时干预方面的作用也有待提升。如何进一步升级其客户体

验监测体系已成为领先企业进行体验管理的重要议题。与此同时，随着数据生成、聚合与分析能力显著进步，洞见挖掘领域正发生巨大变革

。如今，公司可以获取

各种各

样的数据集：客户交互的内部数据、交易和个人资料；广泛可用的第三方数据集，涵盖

客户态度、客户购买行为与偏好以及数字行为，包括社交媒体活动；以及各个行业的特定数据，如通过物联网（IoT）产生的有关客户健

康状况、态度和位置的新数据集（例如网点数据）。上述海量数据的聚合与分析已经为各

个业务

领域（包括市场营销和收

入管理）带来了重要机会：在客户体

验方面，该类互动数据能够有效预测客户满意度以及

客户留存、流失或增加业务

使

用的概率，成为传统调

研方式的有力补充。具

体而言，预测性分析可以直接在三方面升级监测体系：1.更精确的体验洞见：典型的客户体验调查抽取约7%~10%的客户样本，在

客户代表性方面可能出现偏差。预测性分析方法所采集的数据则可覆

盖全量客户，在保证全面性的同时，甚至可提供1对1的个性化分析。2.前瞻性干预：客户希望快速

解决问题，而调研作为事后工具，其局限性

在所难免。预测性分析可通过整合大量行为数据，预判客户可能出现的情绪和行为，从而更及时地推

送线索，避免价值损失。3.与业绩紧密挂钩：某家大型金融服务公司的高管表示：“基于调查获得的客户体验得

分与业务成果之间的相关性非常重要，我们通过将其与运营数据进行比较分析，判断业务成效，但缺乏更直接的证据”。对此，基于数据的分析方法可通过大数据引擎，更

直接地将客户态度与购买行为进行连接，从而生成业务结果导向的客户洞见。打造预测性

客户体

验平台针对上述机

遇，全球

领先银行及其它异业企业正快速创新，利用可得数据获取

有价值的洞见，借助这些洞见触发客户体

验

预警并指导改善客户体

验。虽然成功的原因是多方面的，且具

体情况因各

个公司和行业而异，但预测性客户体

验平台是此类方法的核心。该平台由三大要素组成：1.ꢀ

客ꢀ

户级数据湖首先，公司收集客户数据、财务和运营数据，包括聚合数据和单个客户数据。随后，公司对数据进行处理并将其存

储在云平台。综合、互联以及动态的客户级数据集让公司可以在交互、交易和运营等各

个维度梳理并跟

踪客户行为。传统调预测性分析：客户体

验的未来3查仅能反映过去某个时点部分客户的观

点，而这些丰富的数据集则包含全

部客群并覆盖完整的客户旅

程，从而能有效揭示出引起

客户体

验

绩效变化的根因。数据湖是充分了解客户体

验的基

础。该平台面向全组织开放，且所有数据源的映

射关系应清

晰一致，客户、产品线和其他关键业务

输入信息有各自的特定标识。2.ꢀ

预ꢀ测性客户评分公司通常会

使

用一些机器学习算法进行数据分析，以便了解和跟

踪影响客户满意度和业务绩效的因素，并检测客户旅

程中的特定事件。.这些算法根

据旅

程特征为每个客户进行预测性评分。公司能基于评分

预测每个客户的满意度和相应的价值，例如收入、忠诚度和服务成本。更大范围来看，客户体

验负责人可以评

估某项客户体

验投资的ROI，并将客户体

验

计划直接与业务结果挂钩。3.ꢀ

行ꢀ动与洞见引擎通过应用程序接口（API）层，企业能在更大范围内与员工（包括一线客户经理等）共享信息、洞见和建议，并能够把信息输送到其他管理工具（例如CRM平台），一线人员将收到提示和通知，从而采取

措施提供个性化客户体验或者改善客户体

验。API层将

作为统一事实来源，为基于数据湖和客户评

分的推

荐引擎提供动力。与基于调查的体系不同，借助员工和数字

化界面，预测性平台可及时提供洞见并促进企业快速行动。通过预测性客户体

验平台，公司能更好地衡量和管理客户体

验绩效，做出新的战略举

措或改善现有决策。借助该系统，客户体

验负责人能准确、量化地了解影响客户体

验

和业务绩效的因素，通过将客户体

验与业务

价值相挂钩，建立改进客户体验的明确业务逻辑。通过该系统，公司能获得

每名客户满意度和价值潜力的全面视图，近乎实时地采取

行动。已经建立起这套系统的领先公司，通过绩效管理、策略规划和实时客户互动等一系列应用程序不断创造可观的价值。一家领先的信用卡公司希望优化全渠道战略，并提高数字化渠道绩效。该公司将项目重点放在构建客户体验数据和分析栈方面，旨在系统性识别、改善和跟踪13个重点

旅

程中影响客户满意度和业务绩效的因素。该公司从

旅

程分析平台收集交互、交易和客户资

料数据，以确定影响每个旅

程的因素以及改善

领域。平台涵盖了重复交互、交付周期以及客户渠道切换

频率等数据，同时还包含一些更

加细微的因素，例如公司是否有效地处理客户的负面反馈，以及

在各

个时点进行了哪些沟通。该公司基于分析法量化、系统

地了解问题、机会

领域以及数百万客户的渠道交互情况，从而进行系统化的旅

程改造。其团队也通过分析平台把投资

和运营精力集中在对客户最有意义的旅

程和特定时刻上。此外，通过客户体

验改造和数字化转型，该公司最终将交互和运营成本降低了10%到25%。数据驱动式系统另一个极具前景的用例，是通过前瞻性战略规

划对客户体

验工作进行重点排序。这

样，客户体

验负责人能够了解未来哪些运营、客户和财务因素会带来系统性问题或机会。例如，一家美国医疗保险公司建立了“旅

程湖”，以确定如何改善客户服务。旅

程湖同步了营销、运营、销售、数字和物联网等9个系统中的40亿条

记录，由此产生的整

体客户视图让组织能够确定运营断点（患者要求与主管对话或转移至其他渠道以解决问题的频率阈值），并通过网站、电子邮件和电话主动与患者联系并解决问题。该公司还利用数据

制定了更智能的数字

化迁移战略，针对数4预测性分析：客户体

验的未来字渠道参与度最低的客户，指导

他们更多使

用自助服务。该公司通过重点解决续开处方等痛点，大大提升了数字化渠道的采用率；并通过减少客户使用数字渠道后再次转换其他渠道的频率（超过1/4），降

低了成本

。最

后，由于分析性洞见近乎实时，上

述新系统为主动进行日常客户互动提供了平台。一家领先的航空公司建立了基于1,500个客户、运营和财务变量的机器学习系统，每天衡量超过1亿名客户的满意度并进行收

入预测。通过该系统，航空公司能够确定最可能因航班

延误或取消而受损的客户关系，对其进行优先

排序，以便提供个

性化补偿，从而挽

救

客户关系并减少重点航线的客户流失。由12至15名数据科学家、客户体

验

专家与外部合

作伙伴组成的团队共用了大约三个月，搭

建系统并开发出第一个应用程

序。最终，重点客户的满意度提高了800%，客户流失率降

低了60%。如何将数据转化为洞见与行动预测性洞见系统

转型不是一蹴而就

。大多数银

行甚至于零售企业仍依靠调查衡

量客户态度。如今，领先银行可以行动起来，将客户体

验系统提升到全新水平。根

据对成功转型公司的研究，我们找到了启动这一转型的四个关键步骤。1.转变观念：转型不可避免会带来挑战，包括对团队和客户体

验高管观念上的挑战。客户体

验负责人可能会

认为预测性系统不在其职权范围内，而是IT部门或数据

科学团队的职责。但时代不断变化，客户体

验负责人需要关注数据，正如他们之前关注客户体

验

评分一样。一些人可能认为公司已经对一些关键绩效指标进行了回归分析。然而，现

在他们应该把步子迈得更大，建立一套系统，而不是停留在数据层面。客户体

验负责人的角色正

在变化，他们应重塑自己在组织中的定位。当被问及当前系统面临的最大挑战时，一位首席体

验官回答：“提到客户体

验，人们往往联想到市场营销，而非技术。”但这种情况正

在改变，越来

越多的公司已经启用预测性分析，客户体

验负责人

应该带头改

变人们的固有看法。2.ꢀ

打ꢀ破孤岛，建立跨职能团队：客户体

验职能常犯的一个

错

误就

是

在公司内部自建孤岛。为成功启动转型，客户体

验负责人需要与其他部门加强合

作。数据所有方包括运营、营销、财务和技术等部门，因此高管间的沟通对于建立有效的数据访问和管理至关重要。数据

科学家负责编写算法。客户体

验团队

应负责制定战略方向和策略，确保获得利益相关方认同是扩大

成效的关键。.例如，一家旅游行业客户在部署

预测性客户体

验系统时，重点在打造实时响应的客户服务运营体系，原因是

客户体

验团队与服务

部门有合

作关系，可以快速证明业务

价值。最初工作涉及多方的紧密协

作：客户体

验团队担任业务负责人，数据科学团队开发

产品，而客户服务

部门则作为初代最小可行产品（MVP）的首个用户。在

核心团队之

外，由首席运营官、首席财务官和首席营销官组成的顾问委员会随时了解项目进

展，就未来用例给出指导建议。这样一来，在最初的试点工作取

得成功后，首席运营官当即同意在组织内开展下一个用例。.即便举

措规

模较小（例如公司雇用承包商，而非组建内部的数据

科学团队），在开发

层面和指导委

会层面建立起强有力的跨职能合

作，对于创建和扩展

客户体验洞见引擎至关重要。3.ꢀ

从ꢀ

核心旅

程数据集入手，边建设边提高准确性：大多数金融机构都面临数据质量低、可用数据不足的挑战，如果没有数据，上述转型就无从开始。好消息是，预测性分析：客户体

验的未来5即使数据不够完美，银行依然可以从

基本的客户数据入手。第一步是收集单个客户的运营和财务数据，再结合客户资

料以及数字和模拟交互数据进行完善，这样一来通常能实现项目启动。团队

应创建详细的旅

程分类法，涵盖影响客

群满意度的全

部因素。他们可以利用分类法生成假设，从而将

新的可衡

量属性纳入到预测模型中。这些属性（在机器学习中被称为数据特征）可以是数字性

质（例如客户的AUM），也可以是二

进制性

质（例如客户通过网点还是手机银行渠道购买产品）。团队不断了解在机器学习模型中哪些特征更为重要，并将其与团队的假设进行比较，便能识别数据可能存在的不准确或不完整之处，并相应地调整数据获取策略。如果某些特征的数据不存在，团队也可以探索获取新的数据集（例如，信用机

构数据），或

应用新的工具生成所需特征（例如，使

用物联网传感器捕捉物理环境中的客户交互数据）。随着机器学习算法不断处理更多数据并生成自己的洞见，数据集将变得更加强大

稳固，这

点已

在多个

企业应用中得到证明。.最终，公司可以将客户旅

程中不同来源的数据进行整合，包括聊天、通话、电邮、社交媒体、应用程序和IoT设备。无论来源如何，全部数据收集、存储和使用活动都应遵循隐私

保护和网络

安全的最佳实践（值得注意的是，我们的同事发现

客户数据

保护能够成为竞争优势的来源。随着消费者对数据共享变得越

发谨慎，他们会避免或停止与数据安全做法存疑的公司开展业务）。公司应遵循当地数据法

规并删除与受保护类别相关的变量，例如种族和宗教信仰。在开展分析之前，应对所有身份信息进行加密和匿名化处理。最

后，定

期进行风险审查有助于检测客户体

验系统中的算法

偏向性。客户体

验负责人需要了解其组织正

通过什么方法保护预测性系统中的客户数据、减少偏向性并促进公

平性。4.ꢀ

首ꢀ

先聚焦能够快速产生价值的用例：由数据驱动的预测性系统能让客户体验战略与实际业务

价值挂钩。在早期，企业应清楚如何应用预测性系统生成的洞见，并聚焦短期能创造回报的用例，这点非常重要。通过简单的框架，公司可以审视当前客户旅

程中的主要机

会点或痛点，并思考预测性系统如何创建新的解决方案或增强现有解决方案，以直接影响客户的忠诚度、服务成本、交叉销售和追

加销售行为。.例如，一家公司在意识到可以更有策略地

使

用应急资金后（以往

对所有客户平均分配），便将

预测性系统应用于客户问题解决旅

程。该公司开发了一种算法，可以通过衡

量客户生命周期价值和近

期体

验（例如，客户在过去一个月遭受的服务延误程度）来确定优先级较高的客户，并使用该算法为不满意的高价值客户分配应急资金。事实证明，第一个用例取

得了成功，为组织节省了逾25%的预算，并为更多未来应用奠定了基

础。高管们应思考，经过概念

证明哪些用例能显著创造价值，然后聚焦这类用例，从而实现良好的开局并获得

必要的支持。未来，卓越的客户体

验体系是由数据驱动的预测性系统，银行需尽快行动，深入洞察客户需求，优化客户体

验，从而赢得竞争优势。6预测性分析：客户体

验的未来联系信息：欲获取