体验测量:从数据洞察到行动指南电子书

前言

第一部分 体验测量体系的总体架构

第1章 体验测量的概念与框架

本章概要

1.1 为什么要测量客户体验

1. 通过量化体验确定体验质量的目标值

2. 为企业的客户体验改进工作提供指引

3. 将体验与商业关联起来为转型提供依据

1.2 为什么测量客户体验还不够

1. 出色的员工体验能推动收入增长

2. 优化员工体验能提升客户体验并推动收入增长

3. 企业必须同时加强员工体验和客户体验

1.3 体验测量的整体框架：CX+EX

第二部分 客户体验测量体系

第2章 客户体验测量的整体框架

本章概要

2.1 客户体验测量体系的组成

2.2 客户体验测量对象

1. 关系层面的整体体验可以预测行为

2. 旅程体验可以揭示如何对触点进行整合

3. 重要触点的体验可以揭示具体的机会

2.3 客户体验测量指标

1. 交互指标

2. 感知指标

3. 结果指标

第3章 客户体验测量体系的构建与应用

本章概要

3.1 客户体验测量体系建设的基本阶段

3.2 构建客户体验测量体系的7个步骤

1. 选择客户体验测量的切入点

2. 评估现状和水平

3. 建立团队并设定测量目标

4. 为每种客户体验设计测量指标

5. 采集和分析数据并设定优化目标

6. 创建流程驱动行动闭环

7. 共享并分发结果和洞察

3.3 构建客户体验测量体系的常见误区

1. 误解——客户体验测量=客户体验测试

2. 贪婪——试图一次性测量所有

3. 压力——测量就是为了考核

4. 狭隘——只关注一种指标

5. 迟缓——不注重实时性

6. 粗略——一对一地测量不够

7. 简化——忽视可视化与分发

第4章 客户体验测量指标

本章概要

4.1 从数据驱动（Data-Driven）到指标驱动（Metric-Driven）

1. 数据驱动概念

2. 指标驱动概念

3. 转变的必要性

4. 案例讲解

4.2 什么是客户体验测量指标

4.3 客户体验测量单指标的常见类型

1. 净推荐值（NPS）

2. 客户满意度（CSAT）

3. 客户费力度（CES）

4. 继续使用（合作）意愿（Continuation Intent）

5. 客户流失率（Churn Rate）

6. 首解率（FCR）

4.4 客户体验测量单指标的信噪比

4.5 客户体验测量单指标选择的难点

1. 单一指标维度偏差

2. 缺失多元视角表达

3. 缺少多源渠道数据

4.6 客户体验测量单指标增长实验

1. 产生实验想法

2. 实验设计

3. 开发与上线

4. 数据分析

5. 应用结果

4.7 客户体验测量聚合多指标类型

1. 海盗模型聚合多指标

2. 全链路漏斗模型聚合多指标

3. 因子分解模型聚合多指标

4. 客户旅程路径聚合多指标

4.8 客户体验测量指标体系搭建框架

1. OSM模型

2. 2OSM模型

第5章 净推荐值（NPS）

本章概要

5.1 NPS的来源

1. 客户忠诚度与增长

2. 传统错误的忠诚度测量方式

3. NPS：询问正确而简单的问题

4. NPS与企业增长的相关性

5. NPS的行业适用度

5.2 NPS的计算方式与类型

1. NPS的计算方式

2. NPS划分客户的类型

3. NPS的3种类型

5.3 NPS的作用

1. 帮助企业细分客户

2. 帮助找到改进的空间

3. 个性化与客户的关系

4. 预测未来的增长

5. 获得更好的投资

5.4 NPS的调查与分析

1. 开展NPS调查的基本工作事项

2. NPS调查数据的分析

5.5 NPS的不足和缺陷

1. NPS可能无法对客户进行准确分类

2. NPS的优越性在后续研究中无法持续重复

3. NPS的差异（净）得分是不必要的

4. NPS仅代表客户忠诚度的一个维度

5. NPS的计分方式不能反映积极的变化

5.6 NPS：从分值到体系

1. 以完整和新的眼光重新认识NPS

2. 客户体验和客户忠诚度不应该被压缩为一个数字

3. NPS不应该是一个数字，更应该是一个行动体系

第6章 客户体验分析

本章概要

6.1 什么是客户体验分析

1. 客户体验分析的定义

2. 客户体验分析的数据准备

6.2 客户体验分析的信号捕获、业务理解和问题定义

1. 信号捕获

2. 业务理解

3. 问题定义

6.3 客户体验分析的分析洞察

1. 假设问题的再处理

2. 证据的收集

3. 得出结论

第7章 客户体验预测

本章概要

7.1 客户体验预测是什么

7.2 基于客户生命周期价值的预测框架

7.3 客户体验预测的技术路线图

7.4 客户体验问题的分析定义与数据预处理

1. 收集体验数据和运营数据

2. 定义预测问题

3. 考虑各种因素

4. 选择数据源

5. 对数据进行基础的处理和加工

6. 数据异常处理和数据业务处理

7.5 客户体验预测的算法模型构建

1. 提取通用特征（特征工程）

2. 构建算法模型

7.6 客户体验预测的结果评估与修正

1. 修正预测结果

2. 融合算法模型

3. 预测结果算法处理和预测结果业务处理

7.7 如何通过预测结果提升客户体验

1. 效果评价与分析

2. 制定策略和行动方案

第8章 客户体验行动

本章概要

8.1 PDCA循环管理方法与客户体验行动的结合

8.2 基于客户体验测量的行动类型

1. 建立预警跟踪系统

2. 建立内部的即时响应策略

3. 建立短期性应急策略库

4. 建立长期性解决方案体系

5. 塑造系统性解决方案的组织能力

8.3 客户体验行动的策略

1. 客户体验行动的“想做”

2. 客户体验行动的“可做”

3. 客户体验行动的“能做”

8.4 客户体验行动的评估

1. 目标和效果

2. 实时反馈

3. 关键指标

4. 投入与成本

8.5 客户体验行动的计划

1. 分析客户体验测量的结果

2. 确定问题改进的优先级

3. 制定客户体验改善的解决方案

4. 反馈和评估改善的效果

8.6 客户体验行动的方案执行与流程协同

8.7 客户体验行动过程的监管和优化

1. 设定目标和指标

2. 定期收集反馈

3. 分析和验证数据

4. 持续调整和优化

5. 建立监管机制

6. 内部培训和支持

8.8 客户体验方案的内部推进、落地执行与验证复盘

8.9 客户体验行动的复盘与跟进

1. 定期复盘

2. 制订跟进计划并落实

8.10 客户体验行动的赋能要素

1. 明确并传达企业在体验方面的目标和愿景

2. 利用并应用数据和技术

3. 建立企业的体验文化

4. 形成数字化转型的赋能优势

第9章 客户体验测量规模化

本章概要

9.1 通过规模化客户体验测量推动企业转型

1. 在更大范围内推动客户体验测量不断改进

2. 跨业务部门扩展客户体验测量计划

3. 提升客户体验测量的科学性与规范性

4. 营造注重不断完善客户体验而不是数字的文化

9.2 提升客户体验测量的科学性与规范性

1. 通过加强数据采集和分析获得更多可行的洞察

2. 明确目标和共享洞察促进员工行为

9.3 将客户体验测量扩展至客户旅程层面

1. 验证前期客户体验测量计划的假设

2. 绘制客户旅程地图查找当前客户体验测量指标与客户期望之间的差距

3. 选择要对哪些客户旅程进行测量

4. 针对客户旅程最重要的维度选择测量指标

9.4 在整个企业范围内推广客户体验测量

1. 将客户体验测量计划应用到更多业务部门和客户群

2. 通过展示专业性和前期的效果赢得内部的支持

3. 扩展客户体验测量框架以创建相互关联的整体架构

4. 确定一个“北极星”指标来统一企业整体目标

5. 将企业的整体目标与业务部门相关联

6. 优化仪表板体系以代表整体的指标架构

9.5 客户体验测量推广中的规范化与标准化工作

1. 创建规范化的客户体验测量团队

2. 规范客户体验测量的工作过程

3. 规范客户体验测量中的假设验证工作

4. 标准化客户体验测量中的问卷调查方法

9.6 建立客户体验测量所需的基础设施和文化

1. 构建客户体验测量所需的技术工具与平台

2. 创建指标演进路径为利益相关者提供目标感

3. 制定持续分享客户体验测量效果的沟通策略

4. 正确地沟通指标以避免对分数的迷恋

第10章 基于客户旅程的测量

本章概要

10.1 由内而外的测量指标浪费了提升客户体验的机会

1. 急于进行客户体验评估

2. 遗漏了重要的关键时刻

3. 客户评价和反馈并不能说明全部情况

4. 无法将交互指标与客户感知、业务结果关联起来

10.2 基于客户旅程地图来定义由外而内的体验指标

1. 选择并绘制具有体验测量指标的客户旅程

2. 根据客户旅程地图评估当前客户体验指标的使用情况

3. 使用客户旅程地图设计未来状态的客户体验指标

4. 在客户旅程地图的基础上更有效地分享客户体验测量指标

10.3 基于客户旅程的测量建议

1. 持续验证客户旅程、关键输入和指标

2. 将度量思维融入每一个客户旅程

第11章 客户体验测量工具与平台

本章概要

11.1 什么是客户体验测量工具与平台

11.2 客户体验测量工具与研究洞察工具的比较

1. 目标不同

2. 数据类型不同

3. 应用范围不同

11.3 客户体验测量工具与平台的发展历程与现状

1. 基于传统在线调查工具

2. 基于客户反馈类平台

3. 基于生产运营平台

4. 客户体验测量工具与平台的总体现状

11.4 典型的客户体验测量工具与平台

第12章 客户体验测量的发展趋势

本章概要

12.1 客户体验测量的趋势与挑战

1. 客户交互的渠道和触点急剧增加

2. 新兴交互形式不断出现和普及

3. 传统的体验数据采集方式受到挑战

4. AI技术提供了更好的测量和分析方法

12.2 客户体验测量创新的方向与原则

12.3 开展基于客户旅程的客户体验测量

12.4 采用更现代化的调查方法

1. 创建可视化和个性化的调查

2. 将传统的调查转化为对话

3. 让客户在调查反馈中包含视频和图片

4. 在客户使用过程与交互流程中嵌入小调查

12.5 挖掘更多客户体验测量的数据来源

1. 将反馈请求嵌入与客户的对话

2. 用非结构化的文本数据补充结构化调查

3. 分析客户公开分享的图片和视频

12.6 通过提升客户体验测量分析能力推动行动

1. 使用AI查找导致负面情绪的问题

2. 利用数据对客户体验测量指标进行预测

3. 甄别未知的体验模式并预防问题的发生

4. 通过实时分析进行测量和干预

5. 使用客户旅程分析来测量和改善跨渠道体验

6. 使用自然语言来协助更快地分析和决策

第13章 从客户体验测量到“可观测性”

本章概要

13.1 客户体验测量的困境

13.2 从客户体验测量走向“可观测性”

1. 什么是“可观测性”

2. 为什么需要“可观测性”

3. “可观测性”能解决什么问题

4. 与客户体验测量的区别和联系

13.3 客户体验“可观测性”的基本框架

1. “可观测性”的三大要素：测量指标、交互日志、链路追踪

2. “可观测性”的核心基础：数据统一与关联

3. “可观测性”的实施步骤

第三部分 员工体验测量体系

第14章 员工体验测量的整体框架

本章概要

14.1 什么是员工体验

1. 员工体验的定义

2. 三视角：企业、员工、HR

3. 员工的一些小事，企业的大事

14.2 客户体验和员工体验的关系

1. CX+EX=竞争优势

2. 不同行业的影响程度差异

3. 当前开展实践的挑战

14.3 员工体验的组成要素

1. 组织、职场和个人的关键时刻

2. 员工体验的三要素

14.4 员工体验测量

1. 员工体验测量的定义

2. 员工体验测量的目标

3. 员工体验测量的数据采集

14.5 员工体验测量的常用指标

1. 员工净推荐值（eNPS）

2. 员工满意度（ESAT）

3. 员工费力度（EES）

4. 员工敬业度（EE）

第15章 员工体验测量的实施

本章概要

15.1 员工体验测量的应用

15.2 员工声音收集

15.3 勾勒员工画像

15.4 员工体验旅程

15.5 指标体系搭建

15.6 员工体验测量

15.7 指标检验与洞察

1. 样本员工人群画像

2. 综合员工体验指数得分

3. 各项指标描述性统计

4. 驱动因素及优先度分析

5. 指标交叉比对分析

6. 指标预测性分析

15.8 员工体验持续测量与自动化

第16章 从客户体验到员工体验

本章概要

16.1 员工体验和客户体验一致性的难点

1. 组织文化和价值观的不一致

2. 信息孤岛和沟通障碍

3. 缺乏员工培训

4. 技术和流程不兼容

16.2 客户旅程映射与服务蓝图

16.3 关键绩效值指标（CE KPI）

16.4 反馈和沟通渠道的建立

1. 建立多渠道的客户反馈机制

2. 建立快速的反馈处理机制

3. 建立畅通的内部沟通渠道

4. 建立反馈和沟通闭环机制

16.5 数据分析与归因方法

1. 员工和客户双视角比对分析

2. 客户高满意度与低满意度关联员工比对分析

16.6 激励与责任