论坛回看 | AI 驱动客户体验革新：创新实践与案例分享_

日前，作为 “中国用户体验大会” 的预热活动，鹈鹕顾问、倍市得等多家机构，在线上举办了“客户体验管理行业论坛”，论坛上，倍市得 CEM 高级副总裁郭晓波先生，为我们深度剖析了AI 下的客户体验管理（CEM）和客户之声（VOC）管理实例。以下是演讲精要。

一、AI 技术：客户体验管理的新引擎

郭总开场便抛出了三个引人思考的问题：

如何看待 AI？
AI 怎样助力客户体验管理（CEM）和客户之声（VOC）管理工作？
有哪些实践案例，其中的思路与方法可供我们借鉴？

基于这三个问题，他首先介绍了 AI 的发展历程和当下的广泛应用，点明了 AI 技术得以广泛应用的关键：

技术手段成熟，算法、模型、数据 “三驾马车” 齐驱；
成本不断降低，随着技术和算法的不断优化，算力成本大幅节约，让 AI 从 “云端” 走进了寻常企业。

AI 大语言模型作为 AI 领域的 “明星”，凭借庞大的参数和强大的文本处理能力，能够处理复杂的自然语言任务，轻松实现语音、视频到文本的处理和分析。比如在客户反馈处理时，客户通过语音或视频表达对产品的意见，AI 大语言模型可以快速将其转化为文本，并进行情感归类和语义分析。郭总围绕大语言模型在客户体验管理中的应用，从其特点到实际运用场景，进行了深入浅出的分享。

二、挑战与破局：AI 助力 CEM 和 VOC 管理

谈及 AI 助力 CEM 和 VOC 管理的现状，郭总坦言，国内企业在实践中面临过重重挑战。数据收集渠道五花八门，客服数据、舆情监测数据、调查问卷数据各自为政。以一家电商企业为例，客服部门收集到的客户咨询与投诉数据，和市场部门监测的舆情数据格式不同、侧重点不同，难以统一分析和相互验证。而且结构化数据和非结构化数据处理方式差异大，像客服的结构化问答记录和客户在社交媒体上的非结构化评价，处理起来难度很大。就算数据处理好了，分析环节又面临数据归一化和多元数据整合分析的难题。

好在，数字化 CEM 平台和 AI 技术的运用，为客户体验的管理插上了双翼，大幅提升了管理体系化和效率。针对以上挑战，倍市得提出了 “三个一” 目标：用一套指标体系、一个数字化平台和一套提升机制，整合管理各类客户数据。

实现这一目标的顶层框架，便是倍市得获得专利的 BEST 模型。它包含四个关键步骤：

首先是梳理客户旅程，绘制体验 “地图”，明确客户从接触产品到使用后的整个过程；
其次是设计体验指标体系，量化客户感受，让客户体验可衡量；
然后是融合多元客户数据，深入剖析体验优劣，从不同维度分析客户反馈；
最后是对采集到的数据建模分析，精准定位问题，找出客户体验不佳的根源，从而优化运营短板，提升客户忠诚。

三、数字化落地：提升客户体验的路径

在明确改进目标时，郭总强调要精准定位体验不佳的客户及其原因。借助全域的客户心声监测，实时对产品和服务进行诊断分析。通过对电商平台、社交媒体、客服渠道等多渠道数据的收集和分析，及时发现客户的不满。针对低分客户反馈或客诉，自动生成预警和工单跟进，形成符合国家标准的 PDCA 闭环管理流程。

在数字化技术落地过程中，平台构建、数据获取、AI 分析、预警推送等以下七个步骤环环相扣。

在平台中构建客户旅程和指标体系模块，通过问卷、数据源和数据中台对接获取更广义的客户数据，利用 AI 大语言模型对数据进行规划和统一分析，根据分析结果生成预警和工单，自动推送并跟进处理结果，同时为每位客户沉淀专属体验档案，记录互动旅程和体验变化。

数据可视化是企业内部协同管理的 “利器”。通过搭建看板，将分析数据转化为直观信息，不同部门能一目了然，协同作战。AI 在其中也大显身手，从广度、深度和速度上优化客户体验分析。就拿电商评论分析来说，AI 能自动识别不同层级的话题，如在分析耳机的客户评论时，能自动判断出音质、蓝牙连接等话题，并分析情感倾向，判断客户是满意还是不满。多语言输入也不在话下，倍市得服务的大量全球品牌就是最好例证，像为国际美妆品牌分析全球不同地区客户评论时，可智能处理多种语言数据。

四、AI 优势尽显：提升分析效能

AI 大语言模型在提升分析速度和产品化能力上堪称 “神奇”。使用大语言模型后，训练所需的数据量大幅减少，从以往的数以万计降低到五百至一千的话题量即可进行训练和标注。训练时间也大幅缩短，因为大模型能够自行判断和寻找输入与输出之间的规律，减少了大量的人工训练过程。在 NLP 时代，人工工时占比高达 80%，而在大语言模型背景下，这一比例得到了颠覆性的改变。在倍市得平台，只需简单三步就能完成客户分析调优训练，分析效率和产品化能力直线上升，文本分析的准确率也高达90%。

AI 在客户体验分析中的深度应用更是令人眼前一亮。它不再局限于体验本身，还能与产品研发、品牌营销等多领域深度融合。小米和海尔近半年发布的分离式洗衣机均是来源于 VOC（客户之声）的灵感。

AI 不仅能呈现声量、情感指数等数据，还能拆解体验影响因素，深挖客户原声，找到体验不佳的根源,指出产品改进方向。例如在分析酒店住客体验时，AI 能根据客户评价，选用KANO分析确定哪些服务是必备型、期望型、兴奋型、无差异型、反向型，为酒店改进服务提供依据。

五、专项洞察与实战案例：AI 的价值彰显

数据分析能解决 “是什么” 的问题，但想要探究 “为什么” 和 “如何改善”，就需要与如倍市得等专业机构合作开展专项洞察，结合 VOC 数据深度剖析，做到知其然且知其所以然。来看以下两个倍市得服务企业的应用案例：

1某国内领先的健康智能硬件品牌

该企业利用对接AI的倍市得平台，实现 VOC 数据多渠道采集，精确到 SKU。通过 AI 收集电商平台、社交媒体、客服渠道等数据，凭借倍市得积累的体验知识图谱和AI大模型支持，实现快速、精确、全面提取或标定公域和私域的关键观点，输出动态可视化的分析结果，并匹配出行动建议。藉此，精确分析不同型号手环的客户反馈，发现部分型号在续航方面存在问题，及时调整生产和售后服务策略。

2 某汽车主机厂

国内大型汽车集团，旗下拥有多个车型品牌，形成了共6大系列，30多个品种的产品矩阵，涵盖了中高级车、中级车、大众普及型车以及跑车等宽泛领域。过往的指标统计依赖人工，效率和准确性较低，借助倍市得平台的 AI 引擎和数字化体验管理技术，解决了数据归一化和统一计算的难题，构建五层数字化管理体系，大幅提升客户体验管理效率。更多案例及内容，欢迎登录“倍市得”官网，免费获取由倍市得发布的《2025客户体验管理白皮书》。