那么從哪里開始呢？首先，我們需要良好的參與度。當前，最常用的敬業(yè)度衡量指標是凈推薦分數（NPS），但NPS只是對客戶的即時衡量。不能全面了解他們對所購買品牌和產品的承諾。理想情況下，承諾要以他們未來可能的購買金額來衡量。

　　最新的面向對象的AI和強化學習建模為營銷人員提供了一種方法，可以建立全面的衡量品牌和產品承諾的方法，這些方法可以從供應商積累的有關客戶旅程的所有數字記錄數據中獲取，這些數據包括購買交易，營銷活動，保修，召回，服務事件，互聯(lián)網的外部事件，例如社交媒體，甚至是宏觀經濟事件。每位客戶在一次客戶旅程中匯總所有數據，并通過最新的專利AI技術進行處理。

　　魔術在于，衡量品牌承諾和參與度只是第一步。營銷人員可以將其用作客戶體驗最重要方面的關鍵變量--我們在上面概述的客戶成功--大量銷售給參與的客戶--但是銷售什么產品以及何時提供呢？他們可以做些什么來推動這一進程呢？我們可以在正確的時間提供正確的報價嗎？以及如何提供該報價？

　　智能手機和互聯(lián)網已使每個人都加快了速度。越來越多的供應商不得不以客戶和互聯(lián)網的速度工作。您的客戶剛從一家有競爭力的供應商那里購買了商品，他們在上下班途中就在手機上收到了報價并進行了調查。

　　如果我們不能以客戶的速度前進，我們將被拋在后面。不幸的是，衡量給定時間點的客戶體驗的NPS必須等待可能在數月或數年后發(fā)生的另一種交互。同時，我們不能每天或每周要求客戶填寫NPS記分卡，他們只會停止回答或不再閱讀我們的電子郵件。

　　讓我們回到以美元和美分為單位的衡量指標，動態(tài)衡量并確定供應商想要跟蹤的結果。如果客戶以50，000美元的價格購買了輛車，我們希望了解客戶的每一次互動，從營銷到保修索賠再到服務保養(yǎng)。換句話說，所有可能導致客戶增加或減少從我們這里購買另一輛車的傾向的事件都要了解；以及高于或低于其原始起點或價格的價格點。

　　如今可用的數據使分析每個接觸點成為可能，而不僅僅是依靠調查結果。客戶可能與供應商有數百個接觸點，但從不填寫任何調查問卷。從營銷到銷售再到支持的更多接觸點，越多效果越好。使用復雜的AI和機器學習模型來理解和獲得客戶承諾正在改變企業(yè)現(xiàn)在或應該如何與客戶進行交互的方式。

　　這些模型不僅可以衡量，而且現(xiàn)在可以更進一步，并推薦營銷團隊應與客戶一起采取的下一個最佳操作（“NBAs--next best actions”）。每個客戶一次一個結果，根據典型的人口統(tǒng)計信息將成千上萬的客戶匯總在一起。取而代之的是，我們可以認識個人客戶，他們被視為個人并被重視。NBA可以提供極大的幫助，并且可以以數據的速度移動，從而為客戶提供更具針對性的報價，交易或行動。

　　同樣，目標位置已移動。現(xiàn)在，基于使用傳統(tǒng)“基于規(guī)則”或“Ai-Lite”技術的系統(tǒng)的NBAs已過時。三年前是很久以前。現(xiàn)在，營銷人員可以使用最新的強化學習技術來制作NBAs，對比賽進行定時和評估。甚至允許您包括進來各種事件的利潤，以獲取毛利潤和凈利潤。

　　作者：讓·貝朗厄爾（Jean Belanger）

　　原文網址：https://customerthink.com/how-ai-can-measure-and-lift-your-kpis-for-customer-success/