多年來，企業(yè)一直在努力探尋可以量化“客戶忠誠度”的簡便方式，其中凈推薦值(NPS)當屬經典，但在過去十年中，互聯網與移動互聯網技術快速發(fā)展，客戶與企業(yè)的互動方式不斷被創(chuàng)新乃至顛覆，越來越多的企業(yè)需要在社交網絡、電子商務平臺以及移動端直面客戶。隨著客戶數據的爆炸式增長，NPS等傳統“客戶忠誠度”評估模式的局限性也變得愈加明顯，但是另一方面，不斷發(fā)展和成熟的大數據分析技術卻讓企業(yè)真正得以全面洞察客戶體驗，以更加智慧的方式評估和提高“客戶忠誠度”。

NPS評估模式的局限性

NPS曾經是最流行、也最經典的“客戶忠誠度”評估方式，最早由貝恩咨詢企業(yè)客戶忠誠度業(yè)務的創(chuàng)始人佛瑞德•賴克霍徳(Fred Reichheld)在2003年《哈佛商業(yè)評論》發(fā)表的《你需要致力增長的一個數字》(One Number You Need to Grow)一文中提到。在NPS評估模式中，企業(yè)只需通過調查問卷的形式，詢問客戶“您向朋友推薦我公司產品和服務的可能性有多大?”這類簡單的問題，就能從客戶中鑒別推薦者(Promoter)、被動者(Passive)與貶低者(Detractor)。在一定程度上，通過NPS指標可以看到企業(yè)當前及未來一段時間內的發(fā)展趨勢及盈利能力。

雖然NPS簡單易行，但也存在很大缺陷。不僅難以收集全面的客戶反饋信息，也無法深入挖掘客戶給出負面評論的根本原因。NPS的操作方法是根據受訪者打分的情況將客戶分為三類，而在此過程中企業(yè)會遺漏掉大量寶貴的客戶信息。同時，問卷調查這種形式本身就存在可靠性和真實性問題，因為受訪者在被詢問的過程中很可能會隱藏自己的真實想法。所以，要想真正了解一個客戶的忠誠度情況，單純詢問一個問題而沒有其它的補充信息或跟進措施是遠遠不夠的，而且只知道結果而不知道背后原因是不能幫助企業(yè)采取有效措施，提高“客戶忠誠度”的。

大數據時代，全面洞察客戶體驗

在大數據時代到來前，NPS雖然存在一定缺陷，但確實是一種比較有效的“客戶忠誠度”評估方法，被企業(yè)廣泛采用。但是，隨著互聯網、社交網絡、電子商務以及移動互聯網的興起和不斷發(fā)展，企業(yè)與客戶之間的接觸變得無處不在，客戶反饋信息形成了海量、多樣化、跨渠道以及碎片化的大數據。企業(yè)僅使用NPS這種只覆蓋某個客戶接觸領域的“客戶忠誠度”評估方式已不能全面洞察客戶體驗。

為了收集與挖掘所有客戶接觸領域，企業(yè)需要制定能夠全方位挖掘零散評論的解決方案，包括獲得語音記錄評論的語音分析以及挖掘文本評論的文本分析。然而，無論是語音分析還是文本分析，企業(yè)首先面臨的問題就是如何把非結構化數據轉化為結構化數據�；垆J的客戶數據分析解決方案可以將錄音信息變成為企業(yè)所用的數據倉庫，然后再通過索引等一系列技術對數據進行建模和分析。同樣，針對文本信息，慧銳可以通過NLP自然語言處理技術，將無序的文字、語言變成可以使用的數據倉庫，再通過交叉分析、趨勢分析、排序分析以及最核心的“Tell me why”根源原因分析技術，幫助企業(yè)深入洞察客戶體驗以及導致客戶積極或消極反饋的真實動因。

事實上，目前語音分析與文本分析等客戶數據分析技術在國內各行業(yè)都有成功應用，尤其是在金融、銀行、保險、電信、電子商務、互聯網等數據量大、重視客戶體驗的行業(yè)。今年4月份，上海聯通就采用了慧銳的Impact 360® 先進語音分析解決方案，通過分析客戶撥打熱線電話的根本原因及訴求，獲知市場活動的一線信息反饋，不僅提高了整體的運營水平與業(yè)務能力，也進一步提高了用戶體驗和忠誠度。

在大數據時代，客戶數據以語音、文本、圖片、視頻等各種形式分散在電話、郵件、網絡、客戶端以及社交媒體等眾多客戶接觸領域中。所有這些互動方式都會留下數字跟蹤信息，為企業(yè)提供導致客戶忠誠、憤怒或消極應對現象的原因。企業(yè)需要借助先進的大數據分析技術深入挖掘客戶體驗的全過程。通過分析所有客戶接觸領域，了解并影響客戶體驗是企業(yè)提高“客戶忠誠度”并實現長期增長的關鍵。