基于需求结构挖掘的客户服务策略

客户世界 | 2015年7月13日 | 2011年 | 评论已关闭 | 1366

客户世界|林晓钢|2011-08-09

客户服务不应该只是简单地满足客户的第一需求，而是要用“侦探断案”的心理维度去挖掘客户的延伸需求，利用客户致电中的“只言片语”和“过往痕迹”，动态地为客户提供服务决策。那么，如何做到侦探级别的客户需求分析呢？笔者认为，基于需求结构挖掘的客户服务策略可以有效地让服务从问题解决变成价值创造。

洞察客户需求的结构“真相”

通常情况下，客户电话的需求咨询具有三个特征，表浅性、紧急性和可接受性。表浅性是指客户的需求结构单一，方向明确，例如客户直呼上来就会说我现在哪里，想去哪里，请你帮我查询下交通线路。紧急性是指客户的目标需求保障性，在得不到满足时，客户不接受其他的服务，如客户拨打上来问交通，而客服代表回应的是查号服务，客户的服务满意度会受较大影响。可接受性是指客户潜藏的隐性需求，一旦触发条件成熟，便可以刺激客户消费新的服务，例如客户说想去北京路，而北京路是娱乐商圈，前台在解决客户的交通问题后，推荐订餐、电影订座等娱乐服务的成功率会相对增加。客户需求的三个属性并不属于并列关系，其中可接受性的催发必须建立在表浅性和紧急性问题得以解决的基础上。

从客服行业的运营宗旨来讲，解决客户需求的表浅性和紧急性只是功能的展示，挖掘客户的潜在需求并配套合适的服务方案才是价值的体现。当然，如果潜在需求挖掘的匹配程度不高，受紧急性的影响，延伸的拓展服务会使客户的满意度大打折扣。因此探索客户的需求结果及其规律，利用有效的决策工具提供合适的服务方案，是价值延伸拓展的关键。

构建基于需求结构挖掘的服务决策

常规的服务决策可以用以下流程图表示，服务的流程结果是确定客户的表浅需求内容，并试图从产品业务数据库里试图找到合适的条件去匹配客户的需求，最后完成服务，服务过程呈简单的单向单线条形状。

在基于需求结果的服务决策中，上述的简单流程将被延伸和扩展，服务的过程将呈现双向（或多向）多叉型结构，其最终的结果将不仅解决客户的表浅需求，而且催发客户消费的潜藏需求。

在这个服务决策开始的时候，我们除了界定客户的需求内容之外，必须关注客户提供的时间（或此刻服务的时间），地点（或此刻定位到的位置坐标），天气等客观条件，由这些参数延伸的客户信息，更能挖掘出深层次的需求。例如客户经常咨询交通查询业务，通过服务历史数据筛选发现客户出现在维多利广场这个地方的频次最多，于是我们可初步定论客户的活动区域为维多利广场一带的商圈，因此延伸的服务可以这个商圈为中心开展，而如果客户致电上来的时间是在11-12点或者5-6点左右，我们可以从客户的咨询历史分析发现客户经常在该时段有饮食的需求，于是在开展延伸服务时可就商圈内的餐饮优惠做文章。

在上述的需求剖析过程中，客户的信息参数会被送去三个系统做服务需求的二次处理，分别是产品业务数据库、客户关系管理系统以及业务关联管理系统。其中产品业务数据库负责表浅需求的服务满足和潜藏需求的决策匹配；客户关系管理系统则是匹配客户传递的参数，更新客户的服务信息，进而为潜在需求服务的开发提供业务参数；业务关联数据库则是以标准的属性结构分解现有的所有产品业务，匹配传递的业务参数，进而计算出合适的业务集合，为关联业务推荐提供服务策略。整个的服务流程如下图所示：

基于客户需求结构挖掘的服务策略除了双向多叉汇聚的特征之外，还有三点因素影响着其服务延伸的准确性：

1、客户的关系价值：即客户过往服务记录信息的完整程度，其衡量的标准不仅取决于客户的服务量，而且还取决于分解服务信息的维度数量和彻底性，例如可以将服务的信息分解为：客户业务偏好、消费水平，活动范围、时间倾向等维度。客户的关系价值保存在客户关系管理系统。一般来说，客户的成熟度越高其关系价值就越明显，服务延伸就越精准。

2、业务的关联结构：业务之间的关联程度可以由业务内容的相关性、服务时间相关性、商圈地点临近程度、服务对象重合程度等来判断，这需要在开发业务产品之前制定一套业务规范标准，划分标准的维度越明细，对业务之间的关联匹配就越有参考意义。业务的关联结构信息保存在业务关联管理系统上。

3、延伸服务的综合系统：由于服务时间的紧迫性，顺利开展延伸服务的前提是建立一套迅速定位客户服务参数的综合系统，该系统在接受客户的服务参数之后，可以通过基于多叉结构决策树的算法或者神经网络算法快速定位客户的相关维度属性，并迅速地匹配出关联的推荐业务。系统的数据匹配原理类似搜索引擎的云计算，其精确度的高低决定于客户关系数据系统、业务关联管理系统的数据质量。

建立客户关系的逻辑匹配和业务关联的运算模型

对于客户关系价值的匹配运算，可从以下几个维度（实际可能更多）挖掘客户的潜藏需求：活动范围（商圈、社区等）、服务时间（活动时间段）、客户服务偏好（客户常用的业务产品，其接触成功率较高的营销优惠方案等）、成熟程度（使用业务的频次）、消费水位（业务消费的均值，累计消费总额等）、服务历史（购买业务的数量和内容，客户服务反馈情况等），其模型结构大体如下图：

客户关系管理系统要求每次服务都要按信息划分标准录入客户的服务记录，以便更精准地展示客户目前的服务趋势。

对于业务关联集合的推荐运算，可从以下4个（实际可能更多）去挖掘业务之前的关联：服务时间关联（如订餐业务的服务时间和电子优惠券的服务时间大体相近）、位置范围关联（如业务的有效范围在同一个商圈或者社区）、服务内容关联（业务提供的服务、优惠等内容有耦合）、服务对象的关联（即业务的受众群类似），其模型结构大体如下图：

业务关联管理系统要求对每个业务内容开展实时性的更新维护，因此需要建立一个业务信息维护团队。

上述的两个系统除了能精准快速地定位客户的潜藏需求，还可以为客户的共性化需求和业务组合营销提供有效的参考决策：

1、通过客户关系管理系统，可以挖掘、沉淀满足某一业务属性的客户群集合，为大型营销提供精准的目标群众。例如某订餐优惠业务目标客户群定位为在天河区维多利广场商圈活动，有过餐饮消费历史，且使用过银联支付的人群，我们可以利用这三个参数从历史数据库迅速跳出目标集合。

2、通过业务关联管理系统，可以将属性相同或相关的业务融合成一个新的业务，继而扩大客户的群体规模，同时让客户享受更多的服务内容，有效提高客户粘性。

展望未来的服务蓝图

未来的服务策略更加注重客户互动的意义，服务链中的客户将不单指前端提出需求的客户，也包含提供延伸服务的合作商家，并且服务链的开端也可不再由客户发起。掌握充足的客户关系需求，利用LBS、Foursquare等移动互联技术概念融合基于客户需求结构挖掘的服务策略，组成主动推荐的信息互动神经元，继而形成覆盖各行各业、各地各点的服务网络，更能为客户带来服务上的惊叹。

本文刊登于《客户世界》2011年07月刊,作者工作单位为中国移动客户服务（广州）中心。

责编：maqianshuang