基于大數據的客戶體驗評估與量化
——瑞思值在電商平臺體驗評估與運營中的應用

張寶宇，李爽，陳玉琪

（1阿里巴巴集團，浙江 杭州 310000；2上海交通大學 設計學院，上海 200000）

一、背景

隨著流量紅利的消失，越來越多的行業進入存量時代。以電商為例，電商市場逐漸成熟，已然成為高頻次高消費的需求類產品［1］。電商經濟的百花齊放，對電商企業的全鏈路客戶體驗提出了更高的要求。電商企業想要在下半場突出重圍，就需要回歸客戶價值，關注客戶體驗。

二、體驗評估方法綜述

當前主流的體驗評估方法有CSAT（客戶滿意度）、NPS（凈推薦值）、投訴率、萬筆訂單差評率等，但它們都存在原生的表述和運營缺陷。

CSAT 簡單且直觀，但其缺乏全面性，真實性易受“邀評”影響；NPS 專注于客戶口碑，僅需要用戶回答一個簡單問題即可完成評價［2］，但其側重宏觀度量，無法被應用于深入的客戶運營分析中。

在企業關注客戶體驗的背景下，需要一個全渠道、多維度的加權體驗評估手段，用以衡量企業的客觀口碑與客戶體驗，并指導運營落地。

三、客戶價值感知理論

客戶價值模型圍繞“價值創造—價值傳遞—客戶價值”展開并形成閉環［3］，常用的價值維度為功能價值、感知利失、情感價值、社會價值等。

體驗度量具有非常強的業務屬性，不同的業務類型、業務階段、業務規模、資源情況都有與之相匹配的度量方式。就電商行業而言，電商企業提供的商品和服務等功能會影響客戶的感知，消費的體驗過程及情感需求也會影響客戶的感知。隨著社會對企業道德和責任關注度的提升，企業必須關注社會價值的創造［4］，社會價值也體現了客戶通過使用電商平臺獲得社會認同的感知。

此次研究基于互聯網電商行業，著眼于用戶體驗鏈路中的各環節，圍繞感知價值的四個維度，形成電商行業客戶感知價值模型，用以建立各環節體驗問題對客戶感知價值的影響程度評估體系（見圖1）。

圖1 電商行業客戶感知價值模型

四、基于大數據的客戶體驗評估體系構建

在大數據和智能技術快速發展的背景下，多維度數據的獲取成本降低，用全量的客戶反饋衡量客戶體驗和商業體口碑成為可能。

（一）客戶體驗綜合指數的建立方法

瑞思值是以大數據和人工智能為基礎的全渠道、多維度動態加權體驗指數，用以衡量客戶體驗和商業體的品牌美譽度及口碑。

瑞思值不同于CSAT 和NPS，它是基于VOC（用戶原聲）、OPS（運營指標）和CES（費力度）等，通過大數據技術聚合而成的。瑞思值指數的建設實踐需遵循“五步法”。一是在業務研究階段，團隊需要從實際業務需求出發，確定瑞思值的算式因子；二是在實施啟動階段，需要梳理和接入各渠道數據，盡量廣泛地覆蓋消費者旅程中的各（核心）環節；三是問題聚類的實操需要以始為終，始終思考聚類后的解決方案，從而使業務的每個體驗改善動作都可在瑞思值數據上得到有效測量和監控；四是權重測算要依據業務特性進行方法選擇和組合，主要涵蓋消費者感知和消費行為兩方面；五是數據校驗階段注重檢驗指標的科學性、靈敏性和業務相關性。

（二）瑞思值的建立——以電商行業為例

1.確定算式因子

瑞思值的設計需綜合考慮用戶與平臺每個觸點的正向價值獲取和負向損耗，定義兩者之差。例如，在電商行業中，每一次接觸和完美履約等都會提高客戶的信任度，而每一次體驗障礙都會降低客戶對平臺的信心。

客戶的體驗障礙可從多渠道體現，一方面，當不同的體驗障礙發生時，其對信任度的影響有較大差異。另一方面，依據商品和客戶的不同，同樣的體驗障礙在不同背景和情況下產生的負向影響也有較大差異，科學地考慮其動態權重影響，可以使評估更加精準。

在此過程中，確定自身業務中影響客戶感知的重要因子和邏輯關系，是影響最終輸出的關鍵步驟。

2.數據源確定及獲取

首先，在電商行業，客戶的反饋是重要的數據來源，其會通過不同渠道發聲，如障礙咨詢、投訴、退貨、差評以及監管舉報、媒體曝光等。

其次，運營數據是另一重要的數據源。實際運營數據在反映沒有發聲的客群的感受方面最具說服力。定義運營中影響客戶體驗的全節點并將數據運用于體驗影響因素中，對全面刻畫用戶感知而言是必不可少的。

最后，客戶行為分析數據能通過分析節點間的客戶行為，發現異常行為暴露出的體驗問題，最終真正全面刻畫客戶的體驗感知（見圖2）。

圖2 體驗指標公式及數據源

3.問題聚類

獲得全面的數據之后，需要對數據做對應聚類才能夠應用該數據。數據當中的VOC 多半并非結構化，而語義分析等智能技術在客戶意圖識別中的應用使結構化成為可能。

問題聚類六原則表

問題聚類的最終目的是準確描述問題，發現其出現的根本原因，不同的聚類維度會帶來截然不同的原因分析和解決方案。選用適合的聚類方式是瑞思值準確反映企業體驗水平的關鍵所在。VOC 可與運營數據、用戶數據等綜合聚類，必須遵循一定的聚類原則（見上表）。

4.權重測算

權重測算方法種類較多，應根據應用場景和數據特征選擇。權重可源于用戶感知及用戶行為，其中用戶感知調研有因子分析法、AHP層次分析法、熵權法、獨立性權重和信息量權重等。本文以層次分析法為例，介紹瑞思值在電商行業實踐中的權重測算方式。層次分析法優勢在于能將定性指標量化，有利于處理復雜的決策類問題［5］。

層次分析權重計算步驟共五步。

第一，問卷設計與回收。根據層次分析法計算要求進行問卷設計，邀請行業專家填寫問卷，以確定評價指標的權重，反映對應問題場景的重要程度?；厥諉柧砗?，對專家評分進行歸一化處理。

第二，構建判斷矩陣。根據每個一級維度的判斷矩陣，將因素分成兩兩一組，進行比較分析。

第三，最大特征值求解。對每一行元素的幾何平均值進行計算，具體如下：

對最大特征值的對應特征向量進行計算，具體如下：

對最大特征值進行求解，具體如下：

第四，一致性檢驗。用以判斷矩陣是否出現邏輯性錯誤，其中CI 代表一致性指標，RI則代表平均隨機一致性指標，根據因子數取不同常數。而CR 代表的是隨機一致性比率，如果得到CR=CI／RI ＜0.1，則該判斷矩陣通過了一致性檢驗。

第五，確定權重。得到單層維度因子的權重后，進行一級和二級的權重加成。

5.結果驗證

可通過業務判斷、用戶調研數據和長效運營反饋機制等對瑞思值設定效果進行評估。在一些較簡單的業務中，專家的業務能力足以準確判斷結果的可信度。在較復雜場景下，則應通過一定樣本量的用戶調研校驗瑞思值結果。在更為復雜的無法通過歷史數據校驗的業務中，則可通過長效監控運營結果，形成反饋，據此完善數據源，進行相應參數調整，使其更有力地指導業務運營。

在當前實踐中，將瑞思值與NPS 擬合，兩者呈現一致的整體趨勢，說明瑞思值能真實反映業務的客戶體驗水平。

五、結語

此次研究建立了電商客戶價值感知體系，并與實際業務場景進行連接，綜合正向及負向體驗影響因素后得到客戶體驗評估指數——瑞思值。通過全渠道鏈接到訂單的有效數據與科學計算方法，建立一套以瑞思值為核心的客戶體驗全流程數據化體系，實現通過用戶定性、定量數據對體驗進行量化評估，使體驗指標可回溯、可追蹤、可長效運營。當電商進入下半場，客戶體驗日益受到重視，客戶體驗瑞思值的建立將為品牌心智打造和業務可持續增長提供決策依據。

瑞思值因具有“全面客觀自適應，實時全息可運營”的特征，故可成為業務體驗管理的有效工具，幫助聚焦問題，并進行效果閉環。

相對于傳統的客戶體驗和商譽衡量方法，瑞思值的優勢顯而易見，上述特性在體驗運營管理中發揮的作用逐漸顯現出來。瑞思值包括了微觀和宏觀，其全息性決定其可以隨時回溯到具體事件，從而可以將每一點瑞思值的波動和具體個人和團隊的行為聯系起來。

瑞思值作為現代智能大數據技術發展下體驗理論具象化的產物，除了被運用于客戶體驗和商業體美譽度中，其概念和衍生指數同樣還能夠在質量管理、物流管控等場景中得以推廣。瑞思值全渠道、多維度、智能影響度調節和全息節點回溯的思想在信息科技突飛猛進的今天將得到越來越深入的發展，這是時代進步的必然趨勢。