卓思：客户之声（VoC）如何帮助企业提升客户体验？

乔布斯曾说：“如果当初福特去问用户要什么，那得到的答案一定是“一辆更快的马车”，但实际上用户真正需要的是一种更快捷的交通方式——汽车，更快才是需求的本质。” 仅通过传统的客户满意度、推荐度等调研手段分析这些客户之声（VoC），我们很难得到真正的答案。

一方面是太“慢”了。靠着人工进行客户之声收集、整理记录、数据分析，其效率已不足以应对客户快速变化的需求。另一方面还是太“慢”了。随着发声渠道的多元化和客户之声收集手段的智能化，可分析客户之声的增长速度也越来越快，而传统分析手段面对这样的海量数据应对乏力。

以客户体验管理（CEM）公司卓思服务某豪华品牌汽车厂商为例，每年通过厂商自有渠道收集到的客户声音总量就在200万条左右，而传统的客户满意度调研的年样本量一般只有15-25万条左右，近十倍的差距，显然不是靠增加人力投入就能弥补的。

因此，所以解决问题的核心就在一个“快”字——分析速度要快，出结果更要快。

第一步：明确目标——积累知识图谱以区分信息价值。

面对庞大的客户声音之山，首先要仔细分析这座山长什么样，有哪些特征，进而明确哪些是要搬走的金砖，哪些又是无用的沙石。

客户之声是自然语言的表达，天然具备非结构化特征，并充斥着大量无效信息，有价值的信息往往隐藏其中。比如有客户说：“这家4S店太差了，服务水平不行，肯定不会在这买车，看车一个多小时也不说给我倒杯水。”纵观这段反馈，前几句吐槽虽然是客户真实情绪的表达，却不及最后说的“没有倒水”这一点对业务提升更有价值。精准捕捉客户之声中的有效信息，可以帮助企业快速定位问题并加以改善。

此外，问题的定位也可以随着管理要求不断细化。当“给客户倒水”的问题解决后，还能通过客户之声定位出更多的细节需求，比如“客户需要什么时候倒水”、“客户是否关注怎么倒水”、“客户希望喝水还是提供其他饮品”这些问题都可以通过设定标准，在客户之声中找到答案。

第二步：设计图纸——搭建码框体系以契合业务逻辑。

仅仅把有价值的砖挑出来是不够的，还得对客户散乱的“只言片语”进行结构化整合，使之更符合业务应用的需要。如同先设计一张施工图，明确每块“砖”搬到之后应该放在哪里，金砖才能更进一步变成可以藏娇的金屋。

图纸的设计需要基于对业务逻辑的深刻认知，要遵循树形结构，层级分明，并有一定的业务导向。例如“交车时间长”、“礼品赠品质量差”、“上牌速度慢”分别为客户声音中很常见的抱怨点，而在实际业务中这三者又都同属“车辆交付流程”的一部分，那么这类反馈则可以向上归纳为对“车辆交付”的抱怨。

对于一线执行人员而言，了解客户对“交车时间”、“礼品赠品”、“上牌速度”等具体业务内容的评价更有价值，可以在实际工作中直接对症下药、改进提升；而对负责统筹全局的管理者来说，从宏观上看清当前的主要问题是属于“车辆交付流程”还是“人员资质能力”则更有意义，可以有针对性地进行顶层设计，通过制度和管理手段解决问题。树形结构分析体系的优势也正在于此，将散碎的客户声音结构化，方便不同层级的管理者从中获取需要的信息。

第三步：持续训练——进行数据标注以提升AI智能。

要想让AI蚂蚁把砖搬得又快又准，还需要通过技术手段对其进行大量、持续的训练，让它们变得更“聪明”，卓思将这个过程形象地称为“语料喂养”，需要由具备丰富经验的AI训练师来进行。

训练的原理并不复杂，AI训练师通过人工分析总结规则，将其灌输给AI蚂蚁；AI蚂蚁根据当前规则自行分析后，由人工对其结果进行校正；人工丰富完善新的规则，继续灌输AI，即人工灌输规则——AI分析——人工校正规则，并不断重复这一过程，让AI的分析结果越来越准确、越来越贴近人工水平。原理虽然简单，将之转化为现实的难度却很大，除了软件系统的架构外，还需要有具备专业分析能力的人员在后台提供持续支持。本质上在其中起到关键作用的依然还是人，而机器则是放大人员能力的工具，二者缺一不可。

只要将上述三个步骤做好，AI蚂蚁即可实现对客户声音的全面分析。虽然其准确率还无法达到人工水平，但考虑到其远超人工水平的搬砖速度，路上掉几块金砖还是可以接受的，而且这一情况也会随着持续的AI训练而不断改进。

实际上，客户之声能不能为企业带来价值，取决于能否通过科学的体系以及成熟的技术收集、分析这些声音。只有这样，才能从海量的客户之声中准确挖掘客户需求与期望，指出问题并提出解决方案，让迭代更有效、管理更精细。