改变传统客服模式,大数据提升客户体验的创新与实践

本文涉及的产品
云原生大数据计算服务 MaxCompute,5000CU*H 100GB 3个月
云原生大数据计算服务MaxCompute,500CU*H 100GB 3个月
简介:

步入互联网时代,高速的信息交换渠道和多样的数据呈现视角,为消费者提供了全新的信息获取方式和更加开放的意见交流平台。在移动互联网、新媒体处于风口浪尖,人工智能、云服务方兴未艾的大数据跳跃式发展时期,用户获取信息的渠道与投诉反馈方式正发生着翻天覆地的变化:当越来越多的消费者利用互联网和新媒体手段,以更加直接、快捷、高效的方式完成消费决策、购买过程及服务反馈时,传统“应答式”的服务模式正面临着前所未有的挑战。

客户服务中心,或称呼叫中心,近年来一直处于一个非常尴尬的位置:面对愈发多元化的信息获取渠道、几何式增长的信息传播速度,现有的服务结构已经远远不足以支持在互联网新思维冲击下的供求需求:大部分企业通过传统坐席、传统调研方式了解客户体验、处理客户反馈,没有将互联网特别是社交媒体纳入监测和洞察的范围;无法持续观测态势和异常;时效性低,无法适应当前瞬息万变的市场。在数字环境中,巨量的数据无时无刻被创造,企业服务必须逐渐与互联网融合,采用智能化数据处理随时倾听消费者的声音、分析需求和变化,了解到消费者的购买因素和购买场景、发现整个市场的变化态势,这样才能真正感知客户真实需求、提升用户体验,进而指导产品和营销策略的改进、扩大品牌价值影响。

面对一场势在必行的全媒体数据化服务模式变革,旅游行业率先发力:2015年9月,“12301国家智慧旅游公共服务平台”正式启动,该平台是国家旅游局首次采取“PPP”建设运营的大型旅游公共服务示范项目。作为一体化的全媒体互动平台,12301与海量信息技术股份有限公司合作,借助海量大数据情报服务平台强大的互联网数据挖掘分析能力,运用全网搜索和大数据分析等新技术,为游客及旅游监管部门提供数字化、网络化、智能化的公共服务。

海量协助12301在旅游局已有旅游信息系统、数据库基础之上,融合互联网当中游客对于景区、目的地城市、酒店等旅游相关企业的评价和反馈信息,建立省级旅游信息库及一套完善针对各地区游客互联网评价的游客评价指标体系。通过监测互联网各大旅游垂直网站及论坛的游客评论信息,以及社交媒体当中与旅游相关的发帖信息,并通过数据挖掘和语义分析等手段,将数据整合聚类到游客评价指标体系下,归类为物价、交通、安全、卫生、环境、游览、服务、购物八个重要评价指标。根据游客的在互联网的实时反馈内容,进行自然语义识别和智能计算,得到各个维度下的游客评价的美誉度。最终根据每个维度评分,以及权重比,计算出旅游相关企业和景区的综合美誉度指数。通过景区或区域美誉度形成的动态雷达图,旅游监管部门可直接查看各景区,各涉旅企业互联网游客的实时评价,并针对某个维度进行下钻,查看原始的游客评价数据。同时,游客评价体系也提供周边其他景区或全国标杆性景区的评价数据,通过美誉度及各维度评价的对比,体现出当前旅游监管和游客服务的优势与不足。

6月15至17日,由中国通信企业协会增值服务专委员会指导,12301国家智慧旅游公共服务平台主办、CTI论坛承办的“12301国家智慧旅游公共服务平台参观研讨会”在江苏常州举行。活动围绕“全媒体下的服务变革与转型——走进12301,体验新型公共服务”主题展开,吸引了金融、IT、航空、地产等各行业的众多名企共聚一堂,共同探讨如何运用全媒体交互、行业云及认知计算等核心技术,帮助并实现各行业客服业务的创新与转型,使客服中心在真正意义上实现一次脱胎换骨的改变。

海量信息技术股份有限公司创始人沈立勤女士受邀参加,并发表主题演讲。沈立勤分享了大数据在提升客户体验方面的创新与实践,并提出通过大数据情报来提高客服效率、解决客户问题、提升用户体验,从而洞察客户需求、改进产品服务,进而扩大企业品牌的传播力度和市场影响力。

“消费者的决策历程和消费过程已经越来越多地通过互联网来完成,这为企业提供了一个梦寐以求的巨大机会:让我们直接和客户去面对,去观察客户的消费行为和过程体验,去感同身受地了解我们的客户。”

在谈及互联网塑造的全新社会生活形态对企业洞察消费者习惯的影响,沈立勤表示,越来越多的消费者通过互联网发声,消费者的决策历程正在发生着翻天覆地的变化。传统调研方式没有将互联网特别是社交媒体纳入监测和洞察的范围,无法持续观测态势和异常,更无法适应当前瞬息万变的市场。企业要和消费者在同一个空间互动,这样才能对消费者的需求及时做出反应。企业要从用户满意度的洞察上升到用户体验的感知,进一步了解消费者更深层次的需求;要将竞争对手纳入到品牌市场环境中去,将对手视作我们伙伴,通过对对手情报的解析来加深对消费市场的认知,准确评估自身在竞争中的定位;企业需要打造的是一个数字聆听平台,最大限度地挖掘大数据的价值,通过对消费者的分析和洞察改进产品体验、评估营销效果、优化市场策略、最终达到全面提升品牌覆盖面和市场影响力的效果。

沈立勤强调:互联网上大量的社交媒体评价数据和媒体报道,对企业而言,都是极为珍贵的财富。无论是点赞或吐槽,都说明客户希望、愿意和我们一起成长。身处互联网时代,用互联网的方式来解决互联网的问题,才是真正打到了品牌优化的“痛点”。重视数据,不断挖掘其中的价值,对产品改进、服务质量的提升都尤为重要。海量愿同更多的企业一起,利用大数据不断改善服务内容、提升用户体验。
本文转自d1net(转载)

相关实践学习
基于MaxCompute的热门话题分析
本实验围绕社交用户发布的文章做了详尽的分析,通过分析能得到用户群体年龄分布,性别分布,地理位置分布,以及热门话题的热度。
SaaS 模式云数据仓库必修课
本课程由阿里云开发者社区和阿里云大数据团队共同出品,是SaaS模式云原生数据仓库领导者MaxCompute核心课程。本课程由阿里云资深产品和技术专家们从概念到方法,从场景到实践,体系化的将阿里巴巴飞天大数据平台10多年的经过验证的方法与实践深入浅出的讲给开发者们。帮助大数据开发者快速了解并掌握SaaS模式的云原生的数据仓库,助力开发者学习了解先进的技术栈,并能在实际业务中敏捷的进行大数据分析,赋能企业业务。 通过本课程可以了解SaaS模式云原生数据仓库领导者MaxCompute核心功能及典型适用场景,可应用MaxCompute实现数仓搭建,快速进行大数据分析。适合大数据工程师、大数据分析师 大量数据需要处理、存储和管理,需要搭建数据仓库?学它! 没有足够人员和经验来运维大数据平台,不想自建IDC买机器,需要免运维的大数据平台?会SQL就等于会大数据?学它! 想知道大数据用得对不对,想用更少的钱得到持续演进的数仓能力?获得极致弹性的计算资源和更好的性能,以及持续保护数据安全的生产环境?学它! 想要获得灵活的分析能力,快速洞察数据规律特征?想要兼得数据湖的灵活性与数据仓库的成长性?学它! 出品人:阿里云大数据产品及研发团队专家 产品 MaxCompute 官网 https://www.aliyun.com/product/odps 
相关文章
|
18天前
|
存储 消息中间件 分布式计算
Cisco WebEx 数据平台:统一 Trino、Pinot、Iceberg 及 Kyuubi,探索 Apache Doris 在 Cisco 的改造实践
Cisco WebEx 早期数据平台采用了多系统架构(包括 Trino、Pinot、Iceberg 、 Kyuubi 等),面临架构复杂、数据冗余存储、运维困难、资源利用率低、数据时效性差等问题。因此,引入 Apache Doris 替换了 Trino、Pinot 、 Iceberg 及 Kyuubi 技术栈,依赖于 Doris 的实时数据湖能力及高性能 OLAP 分析能力,统一数据湖仓及查询分析引擎,显著提升了查询性能及系统稳定性,同时实现资源成本降低 30%。
Cisco WebEx 数据平台:统一 Trino、Pinot、Iceberg 及 Kyuubi,探索 Apache Doris 在 Cisco 的改造实践
|
1月前
|
边缘计算 人工智能 搜索推荐
大数据与零售业:精准营销的实践
【10月更文挑战第31天】在信息化社会,大数据技术正成为推动零售业革新的重要驱动力。本文探讨了大数据在零售业中的应用,包括客户细分、个性化推荐、动态定价、营销自动化、预测性分析、忠诚度管理和社交网络洞察等方面,通过实际案例展示了大数据如何帮助商家洞悉消费者行为,优化决策,实现精准营销。同时,文章也讨论了大数据面临的挑战和未来展望。
|
1月前
|
SQL 存储 算法
基于对象 - 事件模式的数据计算问题
基于对象-事件模式的数据计算是商业中最常见的数据分析任务之一。对象如用户、账号、商品等,通过唯一ID记录其相关事件,如操作日志、交易记录等。这种模式下的统计任务包括无序计算(如交易次数、通话时长)和有序计算(如漏斗分析、连续交易检测)。尽管SQL在处理无序计算时表现尚可,但在有序计算中却显得力不从心,主要原因是其对跨行记录运算的支持较弱,且大表JOIN和大结果集GROUP BY的性能较差。相比之下,SPL语言通过强化离散性和有序集合的支持,能够高效地处理这类计算任务,避免了大表JOIN和复杂的GROUP BY操作,从而显著提升了计算效率。
|
2月前
|
存储 分布式计算 druid
大数据-152 Apache Druid 集群模式 配置启动【下篇】 超详细!(一)
大数据-152 Apache Druid 集群模式 配置启动【下篇】 超详细!(一)
43 1
大数据-152 Apache Druid 集群模式 配置启动【下篇】 超详细!(一)
|
2月前
|
SQL 存储 算法
基于对象 - 事件模式的数据计算问题
基于对象-事件模式的数据计算是商业中最常见的数据分析任务之一。这种模式涉及对象(如用户、账户、商品等)及其相关的事件记录,通过这些事件数据可以进行各种统计分析,如漏斗分析、交易次数统计等。然而,SQL 在处理这类任务时表现不佳,特别是在有序计算方面。SPL 作为一种强化离散性和有序集合的语言,能够高效地处理这类计算,避免了大表 JOIN 和大结果集 GROUP BY 的性能瓶颈。通过按 ID 排序和分步计算,SPL 能够显著提高计算效率,并支持实时数据处理。
|
2月前
|
分布式计算 大数据 分布式数据库
大数据-158 Apache Kylin 安装配置详解 集群模式启动(一)
大数据-158 Apache Kylin 安装配置详解 集群模式启动(一)
47 5
|
2月前
|
资源调度 大数据 分布式数据库
大数据-158 Apache Kylin 安装配置详解 集群模式启动(二)
大数据-158 Apache Kylin 安装配置详解 集群模式启动(二)
46 2
|
2月前
|
消息中间件 分布式计算 druid
大数据-152 Apache Druid 集群模式 配置启动【下篇】 超详细!(二)
大数据-152 Apache Druid 集群模式 配置启动【下篇】 超详细!(二)
42 2
|
2月前
|
存储 消息中间件 druid
大数据-151 Apache Druid 集群模式 配置启动【上篇】 超详细!
大数据-151 Apache Druid 集群模式 配置启动【上篇】 超详细!
88 1
|
1月前
|
存储 分布式计算 数据挖掘
数据架构 ODPS 是什么?
数据架构 ODPS 是什么?
247 7

热门文章

最新文章