大数据是增进了我们对客户体验思考的机遇？还是碾压了我们对客户的洞察力和创造力？
大数据分析跟认知计算、甚至还有神经科学与行为研究结合在一起，是使我们理解客户变得更先进、更精确？ 还是摧毁了我们人性中温暖，质朴的愉悦创造和模糊感应？
这些商业伦理上的讨论，可能是无休止的。本文的观点，是希望大家积极抓住大数据时代的机遇，但同时，牢记我们所处的承前启后的时代，对大数据，人工智能带来的风险以及挑战，及时思考和面对。
既然要说大数据和客户体验，我们不得不先说说数据挖掘。在 Michael J.A. Berry 和 Gordon S. Linoff 给我们的启蒙中明确地定义了数据分析的三种形态：分析报告，统计分析，以及数据挖掘。他们的观点是：
“分析报告给你后见之明(hindsight)，统计分析给你预见的可能(foresight)，数据挖掘给你洞察力(insight)。”这个清晰的定义，为后来大数据时代的开启，指明了分析数据的方向：数据挖掘。
我们本文所说的大数据分析，都是按照这个定义来的。网上有一个孙悟空和二郎神杨戬战斗分析的例子，很好地说明了三种数据分析的区别，我把它图表化，间接引用一下：
我们要理解客户体验在大数据时代的机遇，一定先理解数据挖掘的意义所在。数据挖掘的优势在于它没有假设，让计算机找出这种背后的关系，而这种关系可能是你所想得到的，也可能是所想不到的。这样可以杜绝人的所谓“先入为主”对数据分析的干扰，从而对客户体验识别和设计，产生重大的影响，带来重大的机遇。
大数据可以使客户需求的识别（比如关键时刻MOT），更加方便和客观。
识别客户需求，是客户体验管理最基础，也是最关键的步骤。我之前有关“苹果难题”的文章曾经强调过，客户喜欢苹果，但供应商认为客户喜欢桃子的案例层出不穷。究其原因，都是没有做好客户需求识别。没有做好客户体验管理的第一步。传统的MOT识别，即使是最专业的组织者，也会面临如下挑战：
如果你有顾客足印甚至客户画像的大数据，数据发掘会自动关联出关键时刻。如同它自动关联出孙悟空打架取胜的四个维度一样。算法会取代访谈，海量数据将无需考虑代表性，客户的参与是在无意识情况下发生的，足印是客观形成的，数据记录的是事实而不是表达，无需人工汇总数据和提炼……我们展开谈一下以上这些为什么会发生。
消费者在电商平台上购物的时间越久，他们留下的数据足迹也越长，称之为顾客足印。这些基于“何时，何地，谁，查看了什么，买了什么”的足印数据，非常有利于商户揣摩用户消费习惯，识别客户需求，并有利于精准广告投放。
比如你买过一次电动牙刷，算法会预测你的需求还有牙膏，你的屏幕上未来几周可能都是牙膏广告。
顾客足印的缺陷在于，顾客的动机并没有被确认，因此无论是需求识别，还是推送广告，永远是基于客户之前的记录，而不是基于心里诉求。客户画像大数据，则有可能真正解决这个问题。
客户画像有别于顾客足印，它收集数据的范畴更大，包括的搜索引擎，网站浏览，社交媒体， APP应用……只要是在互联网上的留下的种种数据，都有可能主动或被动的收集，最后加工成一系列的标签：哪里人，是男是女，工资多少，喜欢什么？准备购物么？生病了么？有没有谈恋爱，购买时喜欢比价么？价格承受力？喜欢点击广告么？喜欢按价格排序商品，还是喜欢按销量？…….
这些标签形成客户画像，其实就是一个个的比传统MOT意义更广泛的新MOT， 最终数据挖掘发展到能够根据这些标签分析出每一个客户的MOT从而确认“为什么而购买”的心理原因。
想象一下，当你购买了电动牙刷后，客户画像数据挖掘出，你实际在寻求解决牙龈出血的方案，这才是你购买电动牙刷的动机和需求。于是，口腔医院的推送，牙周炎药物的广告投放，就会真正满足你的需求。更重要的是，经过你的授权允许后，口腔医院会获得你的画像，当你前往就诊，他们会安排最符合你社交类型的大夫来参与治疗，并根据你的消费习惯和能力，推荐相关药物和治疗费用组合…….这样，你的就诊过程，是一个高级的体验过程，几乎每一处细节，都满足或超越了你的需求。
客户体验识别，在大数据介入后，经过挖掘提炼后的分析结果，可以真实反映客户的真正需求，甚至是潜在需求。不仅可以实现不令人生厌的广告推送（这条广告恰好是客户需要的），更重要的是，可以促进商家和品牌真正以客户的内在需求为核心设计产品和服务。这就来到了第二个机遇。
大数据可以使客户体验设计，包括产品的用户体验设计，以及服务的触点设计，更加精准和符合客户的期望。
客户体验识别的目的，就是为产品和解决方案设计提供洞见：我知道客户的关键需求并能精准满足！ 这两项进步当然是可以大幅度改善客户体验的。产品研发领域有一句老话：客户到底需要什么？我们能猜对50%就不错了。广告业也有句老话，市场营销支出的一半是浪费掉的，而且不知道是哪一半。
如果大数据使得研发的方向，能够深层次匹配客户的内在需求，广告的投放，能够精准的做到就在那个需要的时刻出现在合适的人面前，那么因为提升升级带来的新一轮消费升级，就在眼前。目前全球产品年研发费用约为15000亿美金， 广告市场规模约3000亿到4000亿美元，如果分别提升10%的效率，省下巨额资金还在其次，撬动的新消费将更为巨大。
用户体验设计中，还有一个经典难点，就是触点的设计和规划。一方面，触点是客观存在于客户体验旅程中的，需要被识别出来，另一方面，触点可以主动地被品牌创造出来，形成独特的竞争优势（我有，竞争对手没有）。数据挖掘当然可以帮助识别出已有的触点，更重要的是，通过潜在需求的识别，帮助品牌创造新的有价值的触点， 令客户倍感愉悦，创造更高级的客户体验。
还是上面购买电动牙刷的例子，口腔医院获得数据挖掘的结果，展示购买电动牙刷的客户群通常也是语音输入的拥趸者（背后的关联可能是自动化或省力）。因此在服务流程的最后一步增加一个触点：声音签名。 诊断过程中，患者和医生的对话问答，包括医生的建议和医嘱，全部现场语音识别后，视觉化展示，并以文字的方式发送给客户，并且请客户用声音签名。这个触点不是卡诺需求定义中的基本需求，却是一个不折不扣的兴奋型需求（没有满足这个需求，客户不会不高兴，有了就是惊喜）。
大数据和人工智能结合，可以为服务行业提供了超满意度服务的可能。
在客户满意度极高的情况下，通常客户并不会意识自己被推销，这个时刻发生的营销行为，不仅会带来当前客户的业务收益，还会因为客户推荐而带来新生意，我们称之为超满意服务。人工智能和大数据的结合，为超满意服务排除了很多障碍。
埃森哲公司预测，到2035年，人工智能会为服务行业创造1兆亿美金以上的收益，但是该报告只是含混的指出，收益的可能，存在于服务行业的问询查询等重复工作岗位，暗示这种收益是通过机器替代人类岗位带来的成本节省。
其实不难预料，通过机器对海量信息和知识的掌握，使得人工智能很快做到业务领域里的无所不知（在这个维度，人工智能的效率永远高于人类大脑），从而可以大幅提升客户问询的满意度。可以想象一下，你在享受服务过程中，所有遇到的问题都有答案，你永远不会遇到“对不起，这个我不知道”的情景。这会令客户的问询，查询过程简单有效。
同时，人工智能最擅长的，就是通过算法，自我学习，从而将似乎毫不相关的顾客足印大数据，以及客户画像大数据以过去无法想象的速度和规模糅合在一起，发现之前未被发现的新的关联，这样，极有可能在一个简单的问询服务中获得对客户的新的认知，除了对客户的想法，动机的精确定位外，更把握到客户的潜在需求，从而超出客户的预期。
客户在这种情况下，通常会感到：老天，这就是我要的，我之前甚至没想到。由此，客户查询和问询的过程，变成了人工智能通过客户体验提升向客户推销的过程，只不过，这个推销更高级，更隐蔽，连客户都没有意识到就发生了。至此，在线服务不再仅仅是服务，或者客户投诉的垃圾桶，它会变成公司营销的新机遇。因为它成了公司用来提升客户体验的新阵地。银行，保险， IT等依赖于在线服务的行业，将迎来新的机遇。
另一个重要的可以依赖大数据的领域，是售后服务。每一个在行业里奋斗了几十年，十几年，甚至是仅仅数年的企业，都会积累大量的售后服务数据，他们包括了设备的型号，应用，场所，维修记录，时间，备件更换过程等大量维度的信息和数据。一个全国性的家电企业，每年的售后维修单，可多达150万个，全球性的企业，会多出10倍，附加在每个维修单上的信息类别数量，会有20倍之多，与这些直接信息相关的指标数据，又会有20倍之多。
经过数年的累计，这是不折不扣的大数据。
这些数据，不仅能够线性勾勒出客户当前的状态，还可以关联出客户的应用趋势：比如，数据中心客户对响应速度的要求是不是降低了？这是否意味着设备的可替代性提高了，是否意味着虚拟化取代了设备损坏率的优先？等等。
根据这些大数据，企业能够迅速调整服务方向和定位，向客户提供有针对性的，定制化的服务，进一步促进客户体验，提升客户推荐值。一位朋友告诉我，他所在的国际公司曾打包中国区业务与本土企业合资，谈判时，他作为代表，坚持合资公司应该拥有国际企业在中国数十年的售后数据，遭遇到国际企业的强烈反对。可惜中方意识到这件事重要性的高管并不多，他们觉得这些数据都是过往数据，业务开展以后，自然会积累起来，没有必要在谈判时为这件事节外生枝，结果最终是没有要到数据所有权。每思至此，都无比痛心。
当然，除了机遇，大数据在客户体验管理领域，也还是面临很多风险和挑战，我以为比较重要的有以下三个：
大数据分析客户体验目前仍然面临“路灯困境”：有个人在路灯下找钥匙，别人问他，钥匙到底丢在哪个方位了？他说，丢在街对面了。那为何在这边找？回答：因为这儿有路灯的光线。
如果分析软件没有关联管理客户体验数据和逻辑，就会因为某些无关但 “光线充足”的数据大量存在而作无效关联和分析，如果分析工程师，不懂得品牌和市场，不懂得客户体验，也会因为充足而无效的数据，做出为分析而分析的行为，构架出无用的数据结果，这两样，都像那个在路灯下找钥匙的人。
同时，大量不专业的大数据分析公司，数据供应公司，都会夸大自己拥有数据和处理数据的能力，人为的制造“路灯光线”，使得客户难以分辨，甚至以为路灯就是光明。路灯困境会制造大量的垃圾分析，甚至有可能会误导数据的读取，使得业务的判断，以及客户体验设计出现偏差，这是大家特别要小心的。
客户体验的数据，形成了一个人的生活轨迹，行为，习惯甚至爱好，欲望和抱负，其中也包括不愿被人知道的秘密。不留下这些数据，一个人在移动互联时代，就难以方便的生活，因为手机、出行、聊天、支付，乃至整个现代生活都是建立在这些数据之上的。
顾客与大数据做成了貌似公平的一笔交易：顾客获得方便，同时更多地暴露自己。但是，这种所谓的交换并不公平，大数据拥有顾客的信息，而顾客几乎不知道其信息量有多广。问题来了，企业有多大权力使用这些大数据，利用这些大数据？身份数据和消费数据需要被强制分离么？这些数据的归属权，到底属于企业还是顾客？客户对自己的个人数据随后被使用的各种情形是否行使了知情同意权？企业如何避免因为管理不善带来的数据泄露？数据加密技术到底有多安全？
不久前，欧盟通过了数据保护规则，新规允许对利用数据侵犯隐私的公司行为处以高额罚款。美国国会不久前也通过法案，禁止政府试图通过大数据研究公民读书行为来推断公民成为恐怖分子的可能。这些尝试代表了人们普遍的忧虑和担心。
传统的抽样调研虽然显得古旧，但边际效应仍然有效，只要样本代表性做得好，目前而言，少量的数量就能达到与大数据差不多的效果。而大数据，无论是数据收集，保管，分析和挖掘，都对设备，计算能力，管理，算法架构，人员专家等提出了很高的要求。目前来看，成本是一个重大的限制，使得很多企业，暂时还无法依赖大数据去做客户体验管理工作。
商业的本质，仍然在于你有多懂你的客户，大数据时代，客户体验的管理和认知，不能只带着录音笔去一个一个访谈客户。仅仅依赖于人对人的调研，样本偏差和客观性的偏颇，会永远伴随着这种方法论，事实是，自诞生之日起，调研报告就是这样被挑战的。
同时，你也要避免做出一种假设，把数据交给机器，它会自动给你正确答案。大数据和人工智能要发展出在最细微的情感体验，愉悦体验领域内的分析能力，还有很长的路要走。最好的思路，可能是一种混合认知：你亲自倾听客户所了解到的东西，你从他们的集体过往行为中学到的东西，以及你直觉意识到他们未来想要的东西，加上数据库中的所有行为，时间，特点的大数据分析结果。至少在当下，这是可行的一条思路。当然，一个有趣的挑战仍然可能存在：人的判断和大数据机器计算结果不一致时，你该怎么办？
新华三大学（
H3C University
）
是新华三集团的企业大学。整合了中国惠普大学和华三培训中心的新华三大学，既拥有32年服务企业客户和专业用户的悠久历史，又拥有管理类、技术类各项专业和行业新知的前沿洞见，是中国助力行业前行的赋能者。在新IT、新经济的大潮中，新华三大学还肩负着支持国家智库建设及助推产业变革的重任，是新华三集团履行社会责任的重要窗口和平台。
