數(shù)據(jù)驅(qū)動(dòng)服務(wù)運(yùn)營的理論與實(shí)務(wù)

2 評(píng)論 11459 瀏覽 56 收藏 17 分鐘

提到數(shù)據(jù)驅(qū)動(dòng)運(yùn)營,說的比較多的是產(chǎn)品運(yùn)營、用戶運(yùn)營、內(nèi)容運(yùn)營和活動(dòng)運(yùn)營,而對(duì)服務(wù)運(yùn)營卻鮮有提及。但事實(shí)上,用數(shù)據(jù)化的方法和手段在服務(wù)運(yùn)營中也是大有可為的。那如何用數(shù)據(jù)來驅(qū)動(dòng)服務(wù)運(yùn)營呢?本文講述了用數(shù)據(jù)驅(qū)動(dòng)服務(wù)運(yùn)營的原因和方法,與大家分享!

提到數(shù)據(jù)驅(qū)動(dòng)運(yùn)營,說的比較多的是產(chǎn)品運(yùn)營、用戶運(yùn)營、內(nèi)容運(yùn)營和活動(dòng)運(yùn)營,而對(duì)服務(wù)運(yùn)營卻鮮有提及。

并非大數(shù)據(jù)在服務(wù)運(yùn)營中就無能為力了。事實(shí)上,用數(shù)據(jù)化的方法和手段在服務(wù)運(yùn)營中也是大有可為的。今天我們要討論的話題是如何用數(shù)據(jù)來驅(qū)動(dòng)服務(wù)運(yùn)營。

在商業(yè)領(lǐng)域,服務(wù)指為用戶做工作,滿足用戶需求或解決用戶遇到的問題,并使用戶從中受益的一種有償或無償?shù)幕顒?dòng)。

服務(wù)運(yùn)營則是指為解決服務(wù)過程中存在的問題而開展的一系列的運(yùn)營工作,這些工作包括:服務(wù)內(nèi)容設(shè)計(jì)、標(biāo)準(zhǔn)制定、資源協(xié)調(diào)、服務(wù)執(zhí)行與交付、服務(wù)監(jiān)測(cè)和評(píng)估等。

服務(wù)運(yùn)營雖然是產(chǎn)品價(jià)值鏈的后端延伸部分,但卻是產(chǎn)品最終實(shí)現(xiàn)價(jià)值的、不可或缺的組成部分。

一、為什么需要用數(shù)據(jù)驅(qū)動(dòng)服務(wù)運(yùn)營?

傳統(tǒng)的服務(wù)運(yùn)營通常存在四個(gè)方面的問題:

1. 需求洞察:主要依靠實(shí)證調(diào)查,數(shù)據(jù)獲取成本高

為了解用戶的服務(wù)期望與需求,企業(yè)通常的做法是采取用戶調(diào)研,通過電話訪問、問卷調(diào)查等實(shí)證手段來收集用戶反饋和評(píng)價(jià)。

采取這些用戶調(diào)查的手段收集用戶需求,往往需要借助外部市場(chǎng)調(diào)研公司的力量來完成。市場(chǎng)調(diào)研的執(zhí)行周期長、費(fèi)用高,還對(duì)用戶有一定的騷擾。

但用戶調(diào)研回收的數(shù)據(jù)量有限,不一定能找到用戶的真實(shí)訴求。如果服務(wù)運(yùn)營人員親自去業(yè)務(wù)場(chǎng)景中挖掘用戶需求的話,一方面耗費(fèi)時(shí)間長,另一方面可能會(huì)加入個(gè)人主觀因素,看到的不一定很全面。

所以,需要在實(shí)證調(diào)查之外,開發(fā)更多的用戶需求挖掘和分析的手段。

2. 質(zhì)量監(jiān)測(cè):以結(jié)果性指標(biāo)為主,缺乏過程性指標(biāo)

為診斷服務(wù)問題、發(fā)現(xiàn)服務(wù)短板,企業(yè)經(jīng)常會(huì)開展服務(wù)質(zhì)量監(jiān)測(cè)與評(píng)估工作,通常的做法就是進(jìn)行用戶滿意度調(diào)研。

類似于滿意度等感知類指標(biāo)往往都是結(jié)果性指標(biāo),是用戶在事后才反饋出來的數(shù)據(jù),這種數(shù)據(jù)的時(shí)效性較差,不一定能真實(shí)反映當(dāng)時(shí)的情況。因此,為真實(shí)測(cè)評(píng)每次服務(wù)的真實(shí)感知,需要讓用戶很方便的對(duì)每次服務(wù)做出及時(shí)的評(píng)價(jià)。

同時(shí),服務(wù)質(zhì)量監(jiān)測(cè)應(yīng)增設(shè)更多的過程性指標(biāo),特別是涉及服務(wù)動(dòng)作分解的行為類指標(biāo)。因?yàn)椋袝r(shí)候用戶服務(wù)感知的評(píng)價(jià)指標(biāo)不一定準(zhǔn)確可靠,需要結(jié)合每次服務(wù)交付過程中的具體動(dòng)作做聯(lián)合分析,才能給出較全面的服務(wù)質(zhì)量監(jiān)測(cè)結(jié)果。

3. 服務(wù)交付:以被動(dòng)服務(wù)為主,服務(wù)重標(biāo)準(zhǔn)化、輕個(gè)性化

在服務(wù)交付過程中,企業(yè)通常的情況是被動(dòng)救火式的處理各種問題,見招拆招、疲于應(yīng)付。

如果能在問題出現(xiàn)之前,提前做好預(yù)判,并將相關(guān)服務(wù)前置的話,就可能會(huì)減少很多投訴問題的發(fā)生。這對(duì)于提高用戶感知是大有益處的。

另外,一線服務(wù)人員在服務(wù)交付時(shí)是按照服務(wù)標(biāo)準(zhǔn)來執(zhí)行,往往能按部就班的去做到。但是缺乏在標(biāo)準(zhǔn)之下的靈活性,用戶的個(gè)性化需求難以得到滿足。這樣即使企業(yè)提供了很符合標(biāo)準(zhǔn)要求的服務(wù),但還是不一定能用戶有好的服務(wù)體驗(yàn)。

4. 服務(wù)效率:服務(wù)主要依賴人工,效率低、成本高

在勞動(dòng)力密集型的服務(wù)行業(yè),服務(wù)的交付往往靠人工面對(duì)面來完成。服務(wù)作業(yè)的在線化程度低,人工服務(wù)成本高,人均效率還不一定高。

特別是對(duì)于一些簡單的、重復(fù)性較高的標(biāo)準(zhǔn)化服務(wù)環(huán)節(jié),可以逐步的分流給機(jī)器和自助設(shè)備來操作。

這樣就能減少對(duì)人工服務(wù)的依賴,解放部分人工和物力,將這些資源投入到更有價(jià)值的服務(wù)場(chǎng)景中。

以上這四個(gè)方面的服務(wù)運(yùn)營問題,在充分融合數(shù)據(jù)技術(shù)后,能在一定程度上得到緩解。

在用戶需求分析時(shí),利用自然語言處理、音視頻處理技術(shù),可以采集到更多的用戶數(shù)據(jù),細(xì)致全面的偵測(cè)到用戶的需求;在服務(wù)質(zhì)量監(jiān)測(cè)時(shí),引入更多過程性指標(biāo)數(shù)據(jù),結(jié)合前后臺(tái)相關(guān)數(shù)據(jù),可以形成更及時(shí)、更客觀的分析;

在服務(wù)交付時(shí),利用數(shù)據(jù)可以偵測(cè)到問題征兆,可以提前做好服務(wù)準(zhǔn)備。還可以基于用戶分類分級(jí),為用戶提供更貼心的個(gè)性化服務(wù);在服務(wù)效率提升方面,可以基于知識(shí)圖譜技術(shù)等手段建立機(jī)器人服務(wù)機(jī)制,提高服務(wù)效率。

總之,數(shù)據(jù)驅(qū)動(dòng)的服務(wù)運(yùn)營將更高效、更智能。

二、如何用數(shù)據(jù)驅(qū)動(dòng)服務(wù)運(yùn)營?

數(shù)據(jù)化的方法和手段可以滲透到服務(wù)運(yùn)營的諸多環(huán)節(jié),筆者選取了以下六個(gè)方面進(jìn)行闡述:

1. 利用自然語言處理和文本挖掘技術(shù)洞察用戶需求

自然語言處理研究的是能實(shí)現(xiàn)人與計(jì)算機(jī)之間用自然語言進(jìn)行有效通信的各種理論和方法,而文本挖掘是對(duì)文本進(jìn)行分析處理,將其轉(zhuǎn)化為結(jié)構(gòu)化數(shù)據(jù),并從中提取有價(jià)值信息的計(jì)算機(jī)技術(shù)。

文本挖掘,首先對(duì)文本做分詞的基礎(chǔ)上抽取特征,將文本數(shù)據(jù)轉(zhuǎn)化為可供分析的結(jié)構(gòu)化數(shù)據(jù),然后利用分類、聚類、關(guān)聯(lián)分析等技術(shù)實(shí)現(xiàn)相應(yīng)的目標(biāo)。

隨著電商購物的滲透率越來越高,用戶在購物網(wǎng)站上會(huì)留下越來越多的在線評(píng)論,這些在線評(píng)論中往往隱藏著用戶的需求,通過自然語言處理(NLP)技術(shù)和文本挖掘技術(shù)能提取評(píng)論中的有價(jià)值的信息,已經(jīng)被證實(shí)是可以高效挖掘用戶需求的新模式。

例如:某公司技術(shù)人員從某電商平臺(tái)上隨機(jī)抽取15000條護(hù)膚品類產(chǎn)品的評(píng)論,采取自然語言處理與文本挖掘技術(shù)提取了用戶需求(如下圖),并將提煉的結(jié)果與其他同事訪談法提煉的需求作對(duì)照。他們發(fā)現(xiàn),超過95%的已知用戶需求都能從在線評(píng)論中提取。

此外,還從用戶評(píng)論中發(fā)現(xiàn)了提5個(gè)新需求。

2. 構(gòu)建更全面的服務(wù)質(zhì)量監(jiān)測(cè)指標(biāo)體系

?由于服務(wù)實(shí)際上是由前后臺(tái)相關(guān)部門共同完成的,而用戶往往接觸到的只是交互界面上的部分環(huán)節(jié)。

為了全面監(jiān)測(cè)服務(wù)質(zhì)量,需要從服務(wù)的實(shí)現(xiàn)過程到交付完成、再到用戶感知層面進(jìn)行綜合評(píng)估,評(píng)估指標(biāo)既要有結(jié)果類指標(biāo),還要有過程性指標(biāo)。

例如:某運(yùn)營商在做服務(wù)質(zhì)量監(jiān)測(cè)時(shí),從支撐、交付和感知三個(gè)維度構(gòu)建了監(jiān)測(cè)指標(biāo)體系,并制定了各指標(biāo)的評(píng)分標(biāo)準(zhǔn),通過數(shù)據(jù)大屏的形式實(shí)時(shí)監(jiān)測(cè)這些指標(biāo)的變化。

3. 基于用戶畫像開展“渠道-用戶-服務(wù)”相匹配的精準(zhǔn)服務(wù)

為提升服務(wù)體驗(yàn),滿足用戶個(gè)性化需求,企業(yè)需要基于標(biāo)簽畫像對(duì)用戶進(jìn)行進(jìn)一步的分類分級(jí),開展“渠道-用戶-服務(wù)”三方面相匹配的精準(zhǔn)服務(wù)。

以某公司為例,他們首先構(gòu)建以客戶基本特征、興趣愛好、社會(huì)特征及電信特征為中心的PCST客戶標(biāo)簽分類體系。

再根據(jù)數(shù)據(jù)標(biāo)簽,提煉用戶相關(guān)偏好,基于每個(gè)細(xì)分用戶群的偏好特征,不斷匹配和積累產(chǎn)品、渠道、場(chǎng)景等方面的服務(wù)規(guī)則。結(jié)合細(xì)分用戶群特征,支撐各類營銷活動(dòng)的目標(biāo)用戶識(shí)別和提取,為產(chǎn)品和服務(wù)找到目標(biāo)用戶?;谟脩舻燃?jí)提供差異化服務(wù),滿足用戶個(gè)性化服務(wù)需求。

4. 基于用戶智能識(shí)別模型提供主動(dòng)服務(wù)

?艾伯特-拉斯洛·巴拉巴西是美國東北大學(xué)教授網(wǎng)絡(luò)科學(xué)研究中心的創(chuàng)始人、主任,也是全球社會(huì)網(wǎng)絡(luò)的領(lǐng)軍人物、“無尺度網(wǎng)絡(luò)”創(chuàng)立者,他曾指出:人類行為93%是可以預(yù)測(cè)的。

無論是自然界還是人造世界,許多事情遵循冪律分布,一旦冪律出現(xiàn),爆發(fā)點(diǎn)就會(huì)出現(xiàn)。

基于此理論可以做出以下推斷:大量用戶在與企業(yè)的長期接觸和互動(dòng)過程中會(huì)留存很多痕跡,這些痕跡是能提煉出一些有規(guī)律的用戶行為模式,具有相同模式的用戶應(yīng)該存在類似的需求。

某電信運(yùn)營商客服中心基于此推斷,開展了基于用戶智能識(shí)別模型的主動(dòng)服務(wù)嘗試。

用戶智能識(shí)別模型基本原理如圖所示,其基本思想是從種子用戶群的數(shù)據(jù)中提煉出典型的行為軌跡模式,再將其他用戶的行為軌跡與這些行為軌跡模式進(jìn)行比對(duì),才從而預(yù)測(cè)目標(biāo)用戶的可能需求。

用戶智能識(shí)別模型的結(jié)果可應(yīng)用于用戶實(shí)時(shí)畫像、話務(wù)分流和精準(zhǔn)營銷場(chǎng)景下。

在話務(wù)分流場(chǎng)景下,提前識(shí)別用戶的呼入需求,并針對(duì)用戶呼入后可能產(chǎn)生人工話務(wù)的環(huán)節(jié)進(jìn)行提前干預(yù),采取主動(dòng)服務(wù)方式,可抑制用戶的人工話務(wù)量。

在實(shí)際項(xiàng)目試點(diǎn)中,篩選出可做話務(wù)分流的規(guī)則和用戶后。通過優(yōu)化短信內(nèi)容、IVR個(gè)性化設(shè)計(jì)、其它渠道推薦等方式,可減少人工呼入約13.8萬次/月,可減少人工服務(wù)時(shí)長約11.9萬分鐘/月。

5. 基于知識(shí)圖譜和智能語音技術(shù)提供機(jī)器人應(yīng)答服務(wù)

用戶聯(lián)絡(luò)中心沉淀了大量的用戶服務(wù)案例,對(duì)這些案例的海量內(nèi)容資源進(jìn)行碎片化、結(jié)構(gòu)化處理,將內(nèi)容切成不同顆粒度的知識(shí)片段,并加注語義標(biāo)簽,挖掘各類關(guān)系,組織領(lǐng)域知識(shí)圖譜,可構(gòu)建專業(yè)的知識(shí)庫。

在服務(wù)過程中,將相關(guān)知識(shí)輸入到在線服務(wù)機(jī)器人的大腦中,可以大大提升其專業(yè)度與處理效率。

例如:某移動(dòng)公司研發(fā)了智能應(yīng)答機(jī)器人,通過引入語音轉(zhuǎn)寫軟件,打造基于智能語音技術(shù)(語音合成、語音識(shí)別、自然語言理解)的交互控制系統(tǒng)。將客戶問題即時(shí)語音轉(zhuǎn)寫為文本信息,無需手動(dòng)輸入問題內(nèi)容,交互極為快捷方便。

在專業(yè)知識(shí)庫的支持下,系統(tǒng)和用戶基于智能語音技術(shù)進(jìn)行直接溝通。語音實(shí)時(shí)轉(zhuǎn)文字,關(guān)鍵語義提取,以智慧、活潑的業(yè)務(wù)助理方式幫助客戶解決問題,真正實(shí)現(xiàn)智能機(jī)器人“快捷、智能、貼心”的目標(biāo)。

?6. 基于NLP和CNN建立投訴工單智能分類模型

客服工作中會(huì)涉及大量的工單處理工作,客服需要將工單轉(zhuǎn)發(fā)到相應(yīng)的職能部門進(jìn)行處理,再向客戶返回處理結(jié)果。首要環(huán)節(jié)就是工單的有效分派,如果出現(xiàn)工單分派錯(cuò)誤的情況,就會(huì)影響工單的順利流轉(zhuǎn)。

傳統(tǒng)的工單分類依靠人工,基于對(duì)工單內(nèi)容的理解手動(dòng)分類方式,這對(duì)于短期少量投訴工單分類還是很有效的。

但是隨著投訴工單數(shù)量的不斷增長,網(wǎng)絡(luò)新用詞語的不斷增多,不同客服人員理解上的偏差,傳統(tǒng)的人工分類方式已經(jīng)不能滿足這一需求。如何快而準(zhǔn)地對(duì)投訴工單文本進(jìn)行分類亟需解決。

例如:某移動(dòng)公司按照數(shù)據(jù)采集、數(shù)據(jù)清洗、高頻次統(tǒng)計(jì)、模型訓(xùn)練四個(gè)步驟,建立了基于NLP和CNN建立投訴工單智能分類模型。不僅大大提升了投訴工單文本分類的效率,還在一定程度上避免了客服人為分類時(shí)的疏忽大意以及理解不當(dāng)造成的分類錯(cuò)誤的問題。

三、小結(jié)

服務(wù)運(yùn)營雖然處在產(chǎn)品價(jià)值鏈的末端,但對(duì)于維系用戶、提升用戶價(jià)值具有不可忽視的作用。

伴隨著大數(shù)據(jù)與人工智能技術(shù)的進(jìn)步,散落在各個(gè)服務(wù)接觸點(diǎn)的文本數(shù)據(jù)、音視頻數(shù)據(jù)都能很好的被收集和解析,自然語言處理技術(shù)、知識(shí)圖譜技術(shù)等將有廣泛的應(yīng)用空間。

再加上5G技術(shù)的成熟,將來會(huì)有云服務(wù)機(jī)器人、VR+AR服務(wù)等等新模式為用戶提供更加智能化的服務(wù),到時(shí)候數(shù)據(jù)驅(qū)動(dòng)的服務(wù)運(yùn)營將步入一個(gè)嶄新的境界。

 

作者:黃小剛,微信公眾號(hào):大數(shù)據(jù)產(chǎn)品設(shè)計(jì)與運(yùn)營

本文由 @黃小剛 原創(chuàng)發(fā)布于人人都是產(chǎn)品經(jīng)理。未經(jīng)許可,禁止轉(zhuǎn)載

題圖來自Unsplash,基于CC0協(xié)議

更多精彩內(nèi)容,請(qǐng)關(guān)注人人都是產(chǎn)品經(jīng)理微信公眾號(hào)或下載App
評(píng)論
評(píng)論請(qǐng)登錄
  1. 寫的真好 學(xué)習(xí)了

    來自浙江 回復(fù)
    1. thanks!

      來自北京 回復(fù)