记事
净发起人得分℠ 《财富1000强》中有三分之二的公司采用了一种行之有效的衡量客户宣传和忠诚度的方法。该方法在全球的应用取决于许多因素,其中包括一个简单的问题:“您向朋友或同事推荐[公司/品牌]的可能性有多大?”这个简短的问题是NPS的核心®也是大多数客户调查不可或缺的一部分。领先的组织从这些研究中获得有价值的见解,并利用这些见解创造卓越的客户体验。
然而,近年来,调查的回复率一直在下降。随着公司争相关注,客户收到了大量的反馈请求。现在任何给定的调查的回复率都可能只有很低的个位数。这意味着一家公司只能从其客户群的一小部分样本中收集到明确的反馈,从而使其成为虚拟的但是,我们知道,除了明确的反馈之外,许多公司拥有大量的客户数据。
输入预测性NPS。想法很简单:预测性NPS推断客户的NPS状态(发起人、被动者或批评者)即使在没有调查的情况下,也可以使用先进的分析工具来处理和建模与该客户相关的所有结构化和非结构化数据。但要将所需的要素(愿景、数据、技术、人才和行动承诺)结合在一起,还需要进行细致和有组织的努力。
我们可以通过分析我们了解我们了解的一切,例如她的人口统计资料,产品所有权,交易历史,与公司的互动以及其他行为指标,以及其他行为指标的一切来推断客户对公司感到高兴或烦恼我们最近几个月建造的各种型号确认预测性NPS非常好。
举个例子,我们与一家金融服务公司合作,建立了一个模型,预测打给客户服务中心的电话的可能结果。我们收集了围绕呼叫的运营指标(如等待时间、通话时间和传输次数)、客户最近的交易以及她的数字足迹。此外,我们部署了高级自然语言处理算法来分析通话记录,以提取通话原因、意图和情绪。最后,我们使用标记的NPS数据作为目标变量,将这些结构化和非结构化数据集输入到许多机器学习算法中。
结果:预测NPS状态的总体准确率高于80%,在识别批评者方面比基线提高了四倍。我们还通过局部可解释模型不可知解释(LIME)和SHapley加法解释(SHAP)等技术确定了每个预测的关键驱动因素。这些本地模型可解释性方法为个人客户层面的定制行动提供了信息,包括一线经理的有针对性的回访。
预测NPS有几个好处,帮助建立与客户建立更好关系的过程。它为公司提供了监控大多数客户的脉冲的能力,而不是提供明确反馈的Sliver。它配备了客户体验团队的信息和工具进行干预,并在近实时改善客户结果。它允许管理人员预测,而不是反应客户行为。通过客户预期迅速改变,预测NPS可以指向优越的客户体验,降低运营成本和竞争差异化的方式。
净发起人得分℠ 是服务标志,和NPS®贝恩公司、Satmetrix系统公司和Fred ReiBOB体育appchhold的注册商标。