市場調(diào)研如何整合來自客戶體驗(yàn)管理平臺(tái)的大數(shù)據(jù)
時(shí)間:2018-10-15 17:18:00 閱讀:3907 整理:廣州市場調(diào)查公司
盡管存在質(zhì)疑,許多公司仍然在通過傳統(tǒng)的市場調(diào)查來獲取洞察,而一些技術(shù)公司則聲稱能從龐大的原始信息中獲取比傳統(tǒng)市場研究更好的洞察。Rick Kieser指出,兩者必須被整合在一起,否則市場研究將會(huì)被邊緣化。 Rick Kieser進(jìn)一步說明要如何將非結(jié)構(gòu)化文本處理的最新進(jìn)展納入到市場研究人員的能力范圍內(nèi)。
駕馭新的數(shù)據(jù)流
由于數(shù)字通信帶來越來越多的選擇,現(xiàn)在, 客戶有無數(shù)的方式來分享他們對企業(yè)的反饋,包括正面和負(fù)面的信息。許多以客戶為導(dǎo)向的企業(yè)現(xiàn)在都擁有客戶體驗(yàn)管理(customer experience management,CEM)或客戶之聲(voice-of-the-customer,VOC)平臺(tái)來管理海量的信息流。
與此同時(shí),盡管存在質(zhì)疑,許多公司繼續(xù)通過傳統(tǒng)的市場調(diào)查來獲取洞察。而一些在數(shù)字通訊領(lǐng)域有優(yōu)勢的供應(yīng)商,則聲稱能從龐大的原始信息中獲取比傳統(tǒng)市場研究更好的洞察。
這些不同的領(lǐng)域很少被整合在一起,而市場研究人員也很少使用運(yùn)營平臺(tái)上的客戶反饋?zhàn)鳛槎床飚a(chǎn)生的主要數(shù)據(jù)源。在這篇文章中,我會(huì)闡釋,為什么整合的方法是必須的。如果不這樣做,就像我們所擔(dān)心的那樣,市場研究將會(huì)被邊緣化。我還會(huì)進(jìn)一步說明,如何將非結(jié)構(gòu)化文本處理的最新進(jìn)展納入市場研究人員的能力范圍內(nèi)。
客戶體驗(yàn)管理(CEM)和客戶之聲(VOC)
對消費(fèi)者來說,客戶體驗(yàn)正日益成為唯一有意義的差異化因素。今天,企業(yè)對產(chǎn)品設(shè)計(jì)和質(zhì)量控制極為重視,這意味著在絕大多數(shù)品類上,不同品牌在質(zhì)量和效用上幾乎沒有差異。線上市場的速度和透明度,使得消費(fèi)者在價(jià)格、使用體驗(yàn)和聲譽(yù)等方面的決策上,更多依賴他人的體驗(yàn),即使線下發(fā)生的購買行為也是如此。
我們能否更重視品牌信譽(yù)的價(jià)值?根據(jù)一項(xiàng)調(diào)查,由于客戶體驗(yàn)不佳,每年有超過830億美元的商業(yè)損失1。在這個(gè)充滿活力和瞬息萬變的環(huán)境中,營銷人員必須不斷重新審視如何了解和吸引客戶,重新確定渠道優(yōu)先級(jí),并在所有渠道中保持一致的客戶體驗(yàn),同時(shí)優(yōu)化營銷支出。
每項(xiàng)舉措都必須依賴可靠的數(shù)據(jù)產(chǎn)生高質(zhì)量的洞察,從而驅(qū)動(dòng)決策。過去,市場研究往往是收集和處理相關(guān)信息的唯一可行手段,如今,客戶體驗(yàn)的每個(gè)不同方面通常都有充足的數(shù)據(jù),并且能夠很容易地整合在一起?,F(xiàn)在,市場研究數(shù)據(jù)反而與業(yè)務(wù)有些脫節(jié)。
客戶體驗(yàn)管理(CEM)和客戶之聲(VOC)2行業(yè)大約誕生于20年前,兩者最初并不相同,但現(xiàn)在兩個(gè)術(shù)語基本上是同義的。兩者都專注于在客戶的整個(gè)生命周期中,通過自動(dòng)化的流程,追蹤、監(jiān)控和管理客戶與企業(yè)之間的每個(gè)交互。
而企業(yè)反饋管理系統(tǒng)(enterprise feedback management,EFM)是研究技術(shù)提供商創(chuàng)造的一個(gè)術(shù)語,用來描述基于調(diào)查的反饋征集。 EFM交互通常由客戶接觸點(diǎn)觸發(fā),這使得它成為許多VOC解決方案的便捷數(shù)據(jù)源。但是,一些VOC計(jì)劃并不依賴于調(diào)查,而是通過其他方式獲得數(shù)據(jù)。
2012年至2017年,客戶體驗(yàn)管理(CEM)行業(yè)每年增長近20%,市場規(guī)模預(yù)計(jì)增長近三倍,超過68億美元( Figure 1)??梢詫Ρ纫幌拢袌鲅芯啃袠I(yè)在2012年的全球收入為390億美元,排除通貨膨脹因素后的增長率只有0.7%4。
我發(fā)現(xiàn),CEM行業(yè)增長背后有三個(gè)主要驅(qū)動(dòng)因素:
1、企業(yè)越來越以客戶為中心。企業(yè)意識(shí)到,越是能滿足客戶的期望,越有可能成功。
2、企業(yè)已經(jīng)認(rèn)識(shí)到,獲得新客戶比保留現(xiàn)有客戶成本更高(一項(xiàng)研究說, 獲得新客戶的成本最高多達(dá)五倍以上5)。
3、目前,技術(shù)能夠方便地跟蹤廣泛的客戶觸點(diǎn)上的客戶交互,并形成洞察。
這些趨勢導(dǎo)致客戶反饋如海嘯般迸發(fā)。如果公司打算利用這些客戶反饋,必須將其轉(zhuǎn)化為洞察。對每個(gè)行業(yè)來說,它是新的原材料,如果以正確的方式加以處理和應(yīng)用,數(shù)據(jù)會(huì)產(chǎn)生巨大的價(jià)值。但是,如果不努力從中獲取洞察,數(shù)據(jù)就只是簡單的累積,不會(huì)對公司的發(fā)展有任何幫助。
市場研究面臨的挑戰(zhàn)和新來者的困境
在市場研究和企業(yè)反饋管理系統(tǒng)(EFM)中,客戶反饋的傳統(tǒng)范式依賴于以調(diào)查為基礎(chǔ)的介入,這種介入是企業(yè)指導(dǎo)和管理的。最初,隨著在線調(diào)查和社區(qū)(MROCs)的出現(xiàn),數(shù)字通信的興起只是增加了獲取客戶反饋的渠道。但是現(xiàn)在,隨著社交媒體的興起,消費(fèi)者在各種渠道上變得越來越健談,而這些渠道是市場營銷人員無法控制的。例如, 即使沒有要求,客戶也會(huì)通過Facebook、Twitter、TripAdvisor等評論網(wǎng)站和個(gè)人博客,和外界分享他們的各種體驗(yàn)。
這種大量的自發(fā)反饋,挑戰(zhàn)了傳統(tǒng)市場研究的方法。在傳統(tǒng)市場研究中,樣本是受控制的,問題也是精心構(gòu)造的。這就形成了一個(gè)以高級(jí)分析技術(shù)為基礎(chǔ)的新的競爭環(huán)境——分析大量的非結(jié)構(gòu)化的數(shù)值和文本數(shù)據(jù)。在新的競爭環(huán)境下,新來者扮演著數(shù)據(jù)提供商和知識(shí)管理公司的角色,其方法和傳統(tǒng)研究公司截然不同。
由于處理海量數(shù)據(jù)以及高度的非結(jié)構(gòu)化特性是大數(shù)據(jù)最大挑戰(zhàn)之一,因此,在形成洞察上,新來者想逆轉(zhuǎn)卻是很困難的。雖然技術(shù)能夠管理巨大的數(shù)據(jù)流,但大量的內(nèi)容都是和數(shù)值數(shù)據(jù)連在一起的原始文本,因此,我們必須使用一些工具,這些工具要能夠同時(shí)理解主觀變量和客觀變量,也就是文本和“硬數(shù)據(jù)”。
不同文本洞察技術(shù)的優(yōu)劣勢
和CEM軟件一樣,文本分析軟件也達(dá)到了很成熟的程度。文本分析軟件主要基于一種被稱為自然語言處理(NLP)的底層技術(shù)。由于這種方法在商業(yè)軟件中占據(jù)主導(dǎo)地位,從而掩蓋了另外兩種互補(bǔ)的文本處理方法。其實(shí)這兩種方法也很有價(jià)值,在某些情況下,它們更適合處理大量的反饋數(shù)據(jù)。
自然語言處理(NLP)
NLP或文本分析背后的技術(shù),是使用詞匯、字典以及相應(yīng)的一系列確定性規(guī)則,將相似內(nèi)容的回答集合在一起,以識(shí)別特定主題或識(shí)別情緒,如正面或負(fù)面情緒。當(dāng)用作詢問或?qū)徲嵐ぞ邥r(shí),NLP特別適用于發(fā)現(xiàn)其在大數(shù)據(jù)集中的意義或情緒。在開發(fā)分析框架(一種稱為文本挖掘的方法)時(shí)同樣適用。
為了達(dá)到可接受的精確度水平,需要受過很好訓(xùn)練的人力投入來詮釋內(nèi)容,并通過編寫附加規(guī)則來改進(jìn)主題和情緒提取。這種優(yōu)化過程費(fèi)時(shí)費(fèi)力,而且常常被人們省略掉。
機(jī)器學(xué)習(xí)(Machine learning)
NLP的一個(gè)可行的替代方案是機(jī)器學(xué)習(xí),這是一種人工智能方法,它從手動(dòng)編碼的學(xué)習(xí)樣本(training examples)中自動(dòng)學(xué)習(xí)如何對文本進(jìn)行分類和解釋。隨著越來越多的學(xué)習(xí)樣本被提供,總體的準(zhǔn)確性在不斷提高。
機(jī)器學(xué)習(xí)特別適用于大規(guī)模的重復(fù)性工作,可以自動(dòng)運(yùn)行,一旦接受訓(xùn)練,只需極少干預(yù)。因?yàn)樾枰粋€(gè)訓(xùn)練集(每個(gè)主題或類別通常需要20個(gè)樣本),初始投入更適合大規(guī)?;蜻B續(xù)性項(xiàng)目;然而,一旦運(yùn)行,與NLP不同,它不需要持續(xù)投入昂貴的人工詮釋或技術(shù)。與NLP相比,機(jī)器學(xué)習(xí)是一種較低成本的自動(dòng)化解決方案。
半自動(dòng)或計(jì)算機(jī)輔助編碼(Semi-automated or computer-assisted coding)
自動(dòng)輔助的方法可以智能化地進(jìn)行工作,它是在一個(gè)整體的組織結(jié)構(gòu)中,通過使用強(qiáng)力搜索、模糊匹配來對客戶評論進(jìn)行分類,并優(yōu)化人工決策??梢哉f,這種方法會(huì)產(chǎn)生最準(zhǔn)確的結(jié)果,但是它不能很好地?cái)U(kuò)展。投入會(huì)隨著工作量的增加而線性增加,管理負(fù)擔(dān)也呈指數(shù)級(jí)增長。這種方法與其他方法相比,除了較低的容量外,成本也很高。
如果一家公司正在從單一來源分析相同類型的客戶反饋,一種技術(shù)可能就夠了。然而,在當(dāng)今多樣化和數(shù)據(jù)豐富的環(huán)境中,這種情況很少。在處理多個(gè)渠道的反饋(包括企業(yè)發(fā)出的和自發(fā)的)時(shí),最大的挑戰(zhàn)在于其特征的多樣性??梢阅米孕熊囎黝惐龋喝绻T行的道路平坦而筆直,一輛單速自行車就可以了。然而,如果是復(fù)雜多變的地形,變速自行車將使旅程更輕松,更快捷,更有效率。
例如,與Facebook更新相比,轉(zhuǎn)錄電話會(huì)顯示出非常不同的語言使用,客戶調(diào)查中的評論與酒店評論網(wǎng)站上發(fā)表的評論也大不相同。由于模糊的內(nèi)容和嵌入的交叉引用,Twitter上的評論又完全不同了。每種類型的語言需要不同的解決方案。根據(jù)我的經(jīng)驗(yàn),即使大公司也難以找到有效的解決方案,因?yàn)榇嬖谄毡榈腻e(cuò)誤認(rèn)識(shí):單一技術(shù)(通常被認(rèn)為是NLP)可以適用于所有情況。
分析不同渠道的客戶反饋,面臨不同的挑戰(zhàn)
為優(yōu)化客戶洞察,在實(shí)施任何有效的VOC或CEM方案時(shí),都需要平衡五個(gè)方面的因素,即:
方案的目標(biāo)
反饋渠道類型
部署的洞察技術(shù)
成本約束
客戶反饋的數(shù)量級(jí)
詳細(xì)闡述這些考慮因素超出了本文的范圍,我會(huì)把重點(diǎn)放在主要的考慮因素上。需要結(jié)合各種技術(shù)來讓各種渠道的反饋更易于管理。要理解這一點(diǎn),你必須了解你的反饋渠道以及你的文本洞察技術(shù),然后將這些渠道與最合適的技術(shù)相匹配。
任何企業(yè)都有可能擁有廣泛的反饋渠道。每一個(gè)都具有非常不同的特征,從分析的視角看,各具挑戰(zhàn)。
社交媒體評論的數(shù)量非常之多,但很難解釋,因?yàn)樗鼈兺翘囟ㄇ榫跋潞茈[晦的表述,充斥著難懂的術(shù)語,甚至很多具有反諷含義。盡管如此,社交媒體依然是洞察的重要來源,有助于公司快速響應(yīng)事件和新情況,應(yīng)對危機(jī)和各種趨勢。
而調(diào)查數(shù)據(jù)則容易解釋得多,因?yàn)閱栴}是預(yù)先確定的,答案更加聚焦。獲取調(diào)查數(shù)據(jù)的高成本通常意味著數(shù)據(jù)量不大,因此,在收集的數(shù)據(jù)中不會(huì)存在薄弱或突發(fā)趨勢。
呼叫中心的記錄可以提供大量的反饋,而且相對容易理解,但它們是中介信息,并且可能由呼叫中心坐席員總結(jié)過。相比之下,呼叫中心的音頻可能比較難理解,通常需要先進(jìn)行文字轉(zhuǎn)錄,以便容易使用。
市場調(diào)研在線社區(qū)的數(shù)據(jù)通常都是基于文本的,但數(shù)量相對較少。從表面上看,格式很像社交媒體的格式,但它容易解釋得多,因?yàn)閮?nèi)容是被訪者仔細(xì)考慮過的,通常聚焦于特定情境。
在許多方面,入站電子郵件,就其形式和結(jié)構(gòu)而言,處于這些信息渠道的中心位置??头娮余]件可以是高度結(jié)構(gòu)化的,有一系列的問題和答案,與一項(xiàng)調(diào)查沒有什么不同。
在尋找適用于每個(gè)渠道的合適工具和方法時(shí),必須理解特定企業(yè)中可用的反饋渠道的特征。兩個(gè)最有價(jià)值的變量是數(shù)據(jù)量(volume of data)和闡釋渠道信息的難度(difficulty of interpreting the channel)。對其進(jìn)行分析,能看出在規(guī)模上,要完成的工作存在很大的差異。圖2概括了這一結(jié)果。
將技術(shù)與反饋類型相匹配
最后一步是將最佳技術(shù)與反饋類型相匹配。圖3顯示了在綜合考慮兩個(gè)相同的變量——數(shù)據(jù)量和解釋難度的情況下,在成本效益方面,三種不同技術(shù)方案的的最佳范圍。
NLP可以處理大量的數(shù)據(jù),但由于它是一種挖掘工具,而不是一種解釋工具,它更擅長提供快速的方向性洞察。 NLP不太適合對特定內(nèi)容進(jìn)行細(xì)致的分析,當(dāng)存在多種反饋渠道時(shí),效果就比較差,數(shù)據(jù)也很難解釋。
在處理大量文本時(shí),機(jī)器學(xué)習(xí)的效果最佳,增加工作量的邊際成本可以忽略不計(jì)。因?yàn)樗峭ㄟ^特定背景的樣本來訓(xùn)練的,一旦它有了一套有效的學(xué)習(xí)樣本,它就有能力解釋難以識(shí)別的概念或情緒。
當(dāng)應(yīng)用到一個(gè)新的反饋渠道上,這兩個(gè)自動(dòng)化的方法都需要付出很多投入,無論是調(diào)整NLP的規(guī)則或字典,還是機(jī)器學(xué)習(xí)的訓(xùn)練和驗(yàn)證。
半自動(dòng)化方法非常適合內(nèi)容難以解釋的渠道,因?yàn)樾枰四X參與確定內(nèi)容的意義。另外,不像自動(dòng)化方法那樣,半自動(dòng)化方法門檻不高,因此數(shù)據(jù)量不大時(shí)成本低廉。對于數(shù)據(jù)量大的渠道,半自動(dòng)化的方法需要平衡其成本和收益。
如果你只使用一個(gè)單一的渠道,就有可能找到一個(gè)最優(yōu)的解決方案。然而,有三到四個(gè)不同的渠道,你肯定不能靠一輛單速自行車來面對各種復(fù)雜地形(回到我之前的比喻)。這不是自動(dòng)文本處理的固有缺陷,相反,謹(jǐn)慎的組合方法實(shí)際上構(gòu)建了更強(qiáng)大、性價(jià)比更高的解決方案,每一項(xiàng)技術(shù)都發(fā)揮了最佳特點(diǎn)。
這意味著,你不僅可以優(yōu)化時(shí)間和質(zhì)量,而且,通過將人為干預(yù)集中在幾個(gè)能發(fā)揮最大價(jià)值的小領(lǐng)域,你還可以降低成本。例如,將目標(biāo)聚焦在質(zhì)量控制上,或者讓分析師解釋自動(dòng)文本挖掘報(bào)告。
開啟未來的洞察
由于客戶洞察實(shí)施和客戶反饋渠道目前是不一致的,而且經(jīng)常脫節(jié),在這個(gè)背景下,企業(yè)如果充分評估他們的內(nèi)部需求,并且不滿足于次優(yōu)的技術(shù)解決方案,就可以開始著手構(gòu)建高效的技術(shù)解決方案來整合各種反饋。目前的技術(shù)已經(jīng)可以讓不同的反饋渠道信息(主動(dòng)征集的和自發(fā)的)轉(zhuǎn)化為及時(shí)的、可行動(dòng)的洞察。當(dāng)然,這需要一些投資,但結(jié)果可能是非常有價(jià)值的,在一個(gè)財(cái)政周期內(nèi),可以預(yù)期會(huì)有一個(gè)很好的回報(bào)。
據(jù)哈佛商學(xué)院報(bào)道,客戶保留率提高5個(gè)百分點(diǎn),企業(yè)利潤會(huì)提高25%到95%6。而我在這里討論的技術(shù)上的投資可能只是收入的百分之一。
好消息是,最好的還未到來,技術(shù)在不斷進(jìn)步。企業(yè)現(xiàn)在可以選擇各種有效的工具,組合使用來管理他們的客戶反饋流。市場研究人員擁有更豐富的數(shù)據(jù)資源可用,來補(bǔ)充調(diào)查數(shù)據(jù)(survey data)和傳統(tǒng)的硬的大數(shù)據(jù)反饋(hard number big data feed,指銷量等傳統(tǒng)的交易數(shù)據(jù))。我相信,若干年后如果我們回顧今天,會(huì)驚訝:我們只是開啟了待發(fā)掘的潛在洞察中很小的一部分。
關(guān)注公眾號(hào):
華夏經(jīng)緯數(shù)據(jù)科技
更多調(diào)研資訊>>
本站文章內(nèi)容以及所涉數(shù)據(jù)、圖片等資料來源于網(wǎng)絡(luò),轉(zhuǎn)載目的在于傳遞更多信息。版權(quán)歸作者所有,文章僅代表作者觀點(diǎn),不代表華夏經(jīng)緯立場。 如涉及侵權(quán),請聯(lián)系管理員刪除。在法律許可的范圍內(nèi),華夏經(jīng)緯(廣州)數(shù)據(jù)科技股份有限公司享有最終解釋權(quán)。