08

大数据对用户体验的影响

在第5章中，我们谈到了大数据对内部业务人员的用户界面的影响。我们讨论了如何将预测性分析、新的非结构化数据以及实时（低延迟性）的数据融入关键业务流程，利用相关的洞见和具有操作性的建议促进用户界面的转型。传统的商业智能用户界面需要一大堆的图表并进行交叉分析，与这种方式不同，有了大数据的帮助，我们可以只挑选并提供那些业务人员感兴趣且对业务很重要的洞见（以及相关的建议）。

本章将主要讨论利用上文提到的洞见来转变客户或消费者的用户体验，站在外界的角度考察我们的企业，决定如何利用大数据提供更具吸引力、更有黏性的用户体验。

我们在大数据业务模型成熟度索引的数据货币化阶段提到过，从大数据中挖掘到的关于客户和产品的认知将会对用户体验产生重要的影响。利用对每一个客户和与之相似的客户的行为趋势的了解，可以获得关于客户有价值的、相关的、具有可操作性的认知。有了这些认知，你可以与客户建立一种更具互动性、可操作性以及赢利性的关系。

我们先举个例子，看看在利用（或不利用）关于客户的认知时有哪些不能做的事。

非智能的用户体验

大多数企业不会花大力气去了解它们的客户想要达到的目标或者得到的结果。如果企业缺乏对客户的目标的了解，就容易造成非智能的用户体验。造成这个问题的原因是企业不去努力地了解客户想要的结果，这可能与客户正在做的事情并不一致。如果你不完全明白客户的目标以及他们想要达到的结果，那么你几乎不可能为客户提供一种有意义并且可操作的用户体验。大数据和不断增长的来自客户的期待只会加重对用户体验的挑战，你的客户会期望你用这些数据做些有益的事，而不只是收集数据。

举个现实世界的例子，什么是不利用数据和分析方法提供与客户的相关互动？我女儿收到了手机运营商发来的电子邮件（如图8–1所示），提醒她这个月使用的流量即将超过2G的限额。她很担心会超额，而且将会让她（实际上是让我）有一笔重要的隐形花费（注意，图中圈出的“2012年8月13日，星期一”将在后面的案例分析中产生重要的作用）。

图8–1 不利用数据和分析方法提供与客户的相关互动

在这封电子邮件中，最令我女儿不安的是这句话：

我们的系统检测到你即将到达流量限额。你每月的基本套餐是2G的流量，套餐外流量的价格是每GB 10美元。

我问女儿，如果她想要改变手机的使用情况（她会在脸谱网上传照片和视频，使用Instagram、Vine和Snapchat等手机应用，在她的案例中这些是消耗流量的“罪魁祸首”），使自己不会超出流量的限额，她将需要哪些信息。她想出了以下需要运营商回答的问题：

• 我的流量套餐还剩下多少？

• 我的新月度流量套餐将在何时开始？

• 按照我现在的使用水平，我这个月的流量将在何时用完？

了解确定用户体验的关键决定

这个关于流量套餐的案例强调了每个企业都可以采用的一套“三步走”流程，这个流程可以帮助企业确认客户需要的相关信息，以便改进客户与企业互动和交流的效果。这个流程是：

1. 了解客户在和你互动时想要什么结果——当他们和你交流时，他们想要达成什么（在本案例中，是能和朋友及家人交流但又不会超出每月的流量套餐）。最重要的是了解你的客户为什么要使用你的产品或服务（或为什么客户应该使用你的产品或服务）。

2. 捕捉客户为了实现自己的目标需要做出什么决定，以便改进他们与你的企业、产品和服务进行交流的效果（例如改变使用手机应用的习惯）。

3. 确认你的客户为了支持自己需要做的决策而需要的信息。在我们的案例中，客户可能会问：我的流量套餐还剩多少？我的新月度套餐何时开始？现阶段我会在什么时候用完流量？

了解客户互动的目的、要做的决定以及所需的信息之间的关系，这是营造一种有意义并且可操作的用户体验的基础。这种用户体验可以在正确的时间向正确的客户提供包含正确内容的正确信息，帮助他们做出正确的决定。

为了继续这个手机运营商的故事，我上网搜索了我女儿的关键问题。在大量搜索后，我找到的答案如下所示：

• 我的流量套餐还剩多少？根据截至2012年8月13日的流量使用状况，还剩65%。

• 我的新月度套餐将何时开始？一天后（月度流量使用账户将在2012年8月14日重启）。

• 按照我目前的使用水平，我这个月的流量将在何时用完？永远不会用完！

根据我分析的结果，我女儿根本不用担心她的流量套餐。除非她在24小时内花掉相当于她之前30天花掉的总流量（假设她不睡觉）。这发生的概率几乎为零（或者这几乎相当于我在100米短跑项目上打败世界冠军博尔特的概率）。最主要的是手机运营商就不应该发这封提醒电子邮件，因为这封电子邮件既没有任何价值也没有任何相关性，反而引起了我女儿的不安，并且更可能让我开始寻找新的手机运营商。

利用大数据分析改善与客户的互动

假设情况出现变化，我女儿很可能即将用完流量套餐。那么我们的手机运营商本可以提供一种用户体验，其中包括提供帮助我女儿决定流量使用行为的必要信息。用户体验本可以如图8–2所示。

图8–2 一个更好的例子，说明如何利用数据和分析与客户进行相应的互动

这个电子邮件样本里有我女儿在决定如何使用流量时需要用到的所有信息，包括：

• 已经用掉的流量（82%）。

• 套餐期限结束时的流量使用预测（118%）。

• 每月流量套餐重置的时间（9月1日）。

• 超出使用限额后产生的花费（20%）。

手机运营商可以建立一种分析流程，每天计算每个用户在使用期限结束前“到达警戒区域”（预计使用的流量超过每月流量套餐的90%）的可能性。这样，手机运营商就有了必要的信息，可以理性地决定是否要发送电子邮件提醒。

有了这种信息，我女儿也能够明智地做出决定。事实上，手机运营商可以利用对我女儿的使用模式、习惯和趋势的了解，将用户体验带到新的水平。电子邮件不仅可以提醒用户潜在的问题，也可以建议客户进行某些使用行为的改变，例如：

• 我们注意到你频繁地使用脸谱网，Instagram、Vine和Snapchat。多使用无线网络可以节约流量。

• 我们注意到你有超过30个应用都处在全球定位系统追踪模式下。我们建议你关闭不常用的应用的追踪模式，例如Google Maps、Ms. Pacman、Safari、Chrome、Urban Outfitters以及A&F。

事实上，手机运营商可以更进一步，通过显示一些“点击即生效”的选项，让用户更加方便地采取行动以避免潜在的过量使用。例如：

• 点击此处，花费2美元购买一个月的流量升级包。

• 点击此处，花费10美元升级你目前的套餐（有效期6个月）。

手机运营商提供了用户需要知道的所有信息，以减少潜在的过度使用的可能性。它们也列出了几个操作简单的相关购买选项，以避免巨额的超额费用。手机运营商将一个麻烦的处境转变为一个双赢局面。但是稍等，还不止这些！

手机运营商目前尝试为不同的用户提供不同的选择，以优化不同选项的定价和包装方式。

手机运营商检验这些选项的能力以及用不同选项进行实验的能力帮助它们步入了新的轨道，不仅成为更具有预测能力的企业，也使它们能够利用分析和洞见提供更完整、更吸引人的用户体验。

不是只有这家手机运营商会错失良机，没能利用它们掌握的客户数据提供联系更紧密、更有意义的用户体验。企业能捕捉到大量关于客户以及客户的购买习惯和使用模式的数据，但是只有很少的数据被挖掘出来，用于产生改进用户体验所需的洞见。大数据只会使这个问题更加严峻，企业要么学会驾驭大数据，以此作为改进用户体验的机会，要么就会被数据淹没，继续提供缺乏关联性的客户互动。

挖掘并利用对客户的认知

大数据业务最重要的驱动因素就是企业可以收集到的关于客户行为、趋势和倾向的新认知，以及这些认知将如何重塑企业的客户价值创造过程。通过客户在网上的互动、在社交媒体上的活动以及对手机应用的使用，客户在整个互联网上留下了数字指纹（如图8–3所示）。

这些数字指纹提供了非常宝贵的洞见，包括客户的兴趣（他们喜欢的领域）、爱好（宣传和推广情况）、社团组织（他们参与的正式团体）以及社交关系（他们相信的原因），这些洞见可以被用来改进与每一个客户的互动。这些对客户的认知可以影响客户生命周期内互动过程的每一个环节——从如何剖析和分类，到如何向上销售和交叉销售，再到如何推动宣传。

重塑客户生命周期管理过程

不幸的是，企业并不常常思考整个客户生命周期。许多企业有不同的营销部门，它们专注于不同环节的解决方案，例如客户获得、向上销售、客户维护以及推广。许多企业盲目地专注于降低客户流失率或现有客户不再活跃的概率。据统计，获取一个新客户的花费是维护一个现有客户的花费的10倍，所以这个领域确实值得关注。企业投入了大量的营销、销售以及支持资源，以确认潜在的会流失的客户或活跃度降低的客户，尽早地采取客户互动过程中的相关措施以防止客户流失。

图8–3 每一分钟会产生多少数据

然而，我怀疑企业的客户流失率比它们想象的更加严重——它们没有考虑经过剖析、分类、目标锁定后却获得了错误的客户时浪费的金钱和资源，也没有考虑在向上销售和交叉销售时，向错误的客户提供错误的选项造成的无效率和浪费。在我们缺乏对未来发展的了解时，甚至不能开展工作。事实上，在客户生命周期内的互动过程中，每一个环节都存在着客户流失（如图8–4所示）。

图8–4 优化你的客户互动生命周期

关键的挑战在于你的企业将如何利用对客户的了解优化客户互动生命周期内的每一个客户互动环节。企业需要将现有的客户信息、产品的购买数据、客户的使用行为（趋势、倾向和偏好）和社交活动（客户的兴趣、爱好、社团组织、社交关系）结合起来，挖掘对个体客户的了解，并将其付诸实践。企业需要整合这些新的客户信息，测算关键的财务指标，例如客户的终生价值和客户推荐的可能性。

为了做到这些，企业需要更精通于检测每一个与客户接触的环节，包括社交媒体、手机应用程序以及与人交流（销售、服务以及支持）。企业也需要将实验法作为一种工具接受，更多地了解它们的客户——了解哪些信息、促销活动和备选方案是客户会回应的，哪些是不会回应的。企业需要认可的是，每一个与客户互动的环节都是一个更好地了解客户的机会，这最终会影响与客户互动的质量和相关性以及企业长期的赢利能力。

利用对客户的了解，驱动企业的赢利能力

对客户生命周期内的互动过程进行优化，这可能是B2C类企业最重要的大数据商业机遇。这类企业有零售商、银行和信用合作社、信用卡公司、保险公司、手机运营商、有线或数字电视运营商、医疗服务供应商以及医疗费用支付者。R·S·卡普兰（R. S. Kaplan）和S·安德森（S. Anderson）在2004年做的一项研究（如图8–5所示）表明，一般来说整个行业内：

• 0~25%的客户贡献了超过100%的利润。

• 50%~60%的客户没有贡献利润。

• 10%~25%的客户贡献了负利润。

图8–5 客户赢利能力曲线

这说明，如果你能够去除75%~90%不能贡献利润的客户，那么你不仅会提高赢利能力，而且可以极大地削减由于锁定、获得并维护这些客户而产生的成本。

既然一个企业不可能去除所有不贡献利润的客户，那么企业需要极大地提高自身能力，更好地了解并量化客户的特征、行为、习惯、兴趣、爱好、社团组织以及社交关系，更好地了解未来基本的发展趋势，以便能够：

• 使更多的客户进入赢利曲线中最能贡献利润的部分。

• 开发计划、项目并提供可选方案，以一种更节约成本的方式向不能贡献利润的客户提供服务。

企业深入了解每一位客户——他们的行为、习惯、兴趣、爱好、社团组织和社交关系，以便优化整个客户互动生命周期，由此产生的赢利价值体现在维护关键客户、进行宣传并维持推荐的可能性带来的巨大商业价值中（如图8–6所示）。

图8–6 客户维护过程中的业务驱动因素

这个研究强调，关键的业务驱动因素使对关键客户的维护对于企业长期的生存能力非常重要。这些商业价值驱动因素是：

• 基本利润，来自最初的产品购买、产品摆放以及基本产品的服务。

• 新增利润，来自产品和服务的交叉销售和向上销售，也就是向你的既有客户或“安顿好的基地”进行营销。

• 通过节省获得客户的成本而提高的赢利能力。

• 转介绍产生的利润（这在1997年只有很小的可能，但是存在于如今充斥着推荐、网络推广和宣传的疯狂世界）。

• 溢价产生的利润，一些客户愿意花点钱以避免转而消费另一种产品。利用大多数客户想要保持原状的惰性，可以进行相对小幅的提价，因为比起支付提价后更高的价格，转化到新产品的成本更高。

大数据带来的全新用户体验

一个更有效的大数据货币化机遇是利用隐藏在大数据中的关于客户、产品以及运营的洞见，彻底地重新思考并改进客户关系的实质。在本章的前面我们可以看到，及时地挖掘对某一类型的客户和个体客户的洞见，并有针对性地运用，可以增强你的“最重要的”客户的赢利能力、忠诚度以及对产品的拥护。许多相关的、有意义的、可操作的洞见可以通过一种更相关的、更有意义的、更具操作性的用户体验呈现给客户。让我们举B2C企业和B2B企业的例子，看看企业能够如何利用对客户、产品以及运营的洞见提供全新的、更加吸引人的用户体验。

B2C案例：推动零售行业的用户体验

我们首先举一个零售行业的案例（因为大多数读者对零售行业都有一定的个人体验）。和金融服务机构一直致力于成为客户的战略财务顾问（例如Mint，这是一项免费服务，把你的银行业务、信用卡业务、投资业务和贷款业务进行整合，通过连贯的网络和移动体验，创建私人化的预算和目标）一样，零售商也可以站在同样的位置，帮助购物者在给定的购物、膳食和预算目标下优化他们的购物预算。让我们举几个简单的例子，帮助你彻底了解用户体验的潜能。

如今购物者收到的小票如图8–7左侧所示，购物小票告诉客户他们买了什么产品、每种产品购买的数量、每种产品的单价以及总金额。有时候小票会告诉客户他们用会员卡省了多少钱，还可能显示客户已经为了一杯用积分兑换的免费咖啡积攒了多少积分。这种小票只不过是对他们已经购买的物品的审核追踪。

图8–7 零售客户的体验案例

如果销售小票不再是这样的传统样式，而变得更像一种优化购物的展示单，如图8–7右侧所示，那会怎样？如果你利用客户以往的购物数据和购物倾向，提供一种类似金融服务机构为客户提供的支出报告，那会怎样？这种升级版的用户体验可以产生以下关于购物的洞见：

• 强调了购物者对所有类型的产品和产品类别的购物倾向，以及不同季节的购买频率。

• 提供了参考基准，参考了类似的购物者对于不同产品类别、不同商店以及不同假日的购买偏好。

• 提供了类似于亚马逊网站的产品推荐信息，推荐某些产品或服务。

• 提供洞见和针对性建议，帮助客户在给定了购物、膳食以及预算目标的情况下优化购物预算。

现在我们进一步研究这个例子，看看我们可以如何利用所有的零售客户的会员信息和购物数据，将一个零售商的智能手机应用程序转变为“购物顾问”。

我们升级了零售商的智能手机应用程序，增加了一个“食品杂货预算分析”选项（如图8–8所示）。这个升级版的智能手机应用程序通过发布私人化的购物建议（基于客户特殊的购物目标和预算约束），甚至实时的产品选择方案，帮助购物者优化他们的购物预算。

点击“食品杂货预算分析”按键，将会打开一个页面，其中不仅显示了购买者的购物倾向，也提供了将该购物者与一个基准组对比后得出的购物偏好，以确认购物者能更加有效地支配预算。这个页面同样可以提供专门的关于预算、产品和膳食的建议，例如“你似乎买了很多早餐麦片。购买三盒可以在原价的基础上享受50%的折扣”。

图8–8 客户智能手机应用程序体验

这个页面的目的是让企业“假设”自己可能通过这个拓展的途径获得更多关于客户和产品偏好的数据，“展望”它们从中获得的洞见的类型，以及它们将如何通过创造一个更加吸引人的、更加差异化的用户体验来体现这种洞见。企业需要考虑的一些问题可能包括：

• 如果可以根据客户类别了解客户潜在的购买行为、倾向和购物模式，企业会挖掘到什么样的货币化机遇？

• 如果可以将客户的购买历史与季节性假日和地方性事件结合起来，企业会推出怎样的促销活动和推荐建议？

• 如果可以在客户还在店里时，实时地捕捉客户当前的购买活动，企业会提供怎样的服务？

• 如果企业可以方便地获得并比较相似客户的购买行为和偏好，这将带来怎样的宣传机会？

• 企业将如何利用客户的购买模式和购买行为，在他们在店里时提供专门针对客户的选择以及购物洞见？

传统的实体零售业已经准备好利用自己的在店推荐和对客户的了解，这些将改善客户的购物体验，挑战线上零售商影响客户实时购买活动的能力。零售行业的大数据、新技术以及分析方法的发展并不满足于只成为另一种渠道，它们还有可能将与客户的互动从战术性的购买事件转变为战略性的长期关系。通过帮助客户优化预算并改善购物体验，建立一种有黏性的关系，吸引客户多次前来购物。

B2B案例：提高中小型企业的效率

B2B企业同样有机会利用对客户、产品以及运营的洞见，改进关键客户的有效性和收益性。假设你拥有一个数字化卖场，帮助中小型企业销售它们的产品。你的普通客户可能并不像你的企业一样拥有数据管理和分析的能力，所以它们会为了自身长期的生存而高度依赖你的卖场。

如果你能获得所有企业客户的事务性数据，并且可以使用这些数据和预先性分析，帮助你的企业客户改进整体的企业绩效，那会怎么样？你可以带来一种全新的用户体验，通过创建一个智能的购物展示板以帮助企业：

• 改进企业营销的有效性。

• 改进产品在网络上的营销效果。

• 优化营销媒体组合的花费。

• 优化产品定价。

• 优化降价营销的管理。

• 减少存货和供应链成本。

你也可以利用从其他企业家那里了解到的信息，提供基于产品类别的关于市场表现的洞见（市场营销、财务绩效基准、市场份额、话语份额和钱包份额）。你可以利用对竞争市场和产品种类性能的分析，提出改进企业业绩的方法（如图8–9所示）。

你甚至可以向客户提供可以采取什么行动来改善经营业绩的建议。对于客户在例如商品销售、市场营销和存货管理等方面需要做的每一个关键业务决定，你可以提供建议。

图8–9 客户智能手机应用程序体验

这种智能化的商品销售仪表盘模型是为那些不是分析师的企业用户设计的。模型的设计对象是那些需要数据和分析告诉他们业务运营现状的企业用户，以便在涵盖了客户、产品和营销活动这些关键业务维度的数据中挖掘出有用的实质性洞见，提出关于企业可以采取什么行动来改善运营绩效的建议。

商品销售仪表盘提供了两部分满足这些企业用户要求的关键信息。

1. 洞见，也就是观察问题和机遇，从数据中挖掘出的非正常业务事件。这些洞见需要具备重要的商业价值，以保证企业用户会花时间和精力研究这些洞见。

2. 推荐意见，也就是企业可以采取的行动或做的决策，以提高运营绩效。

洞见和推荐意见都可以有一个“更多详情”的链接，点击链接将会打开一个新的窗口，展示支持某个特定的洞见或推荐意见的数据和分析。这个模型中的推荐同样提供了“推荐强度”，可以快速地为企业显示这个推荐的预计效果，这个预计效果是根据该推荐以往的表现得出的（从以往接受这个推荐的类似企业家处得到的这个推荐以往的表现，进行分析和计算）。

推荐同样给你提供了一个机会，让你对你的用户和分析模型的效果有新的了解。通过下拉菜单的使用，对推荐的衡量可以被用来捕捉以下新信息：

• 企业接受了哪些推荐？这些推荐的效果如何？

• 企业拒绝了哪些推荐？它们为什么拒绝某个推荐（是因为推荐没有关联性，还是因为不具有操作性）？

通过获取推荐的结果并利用这些结果对支持的分析模型进行微小的调整，这些新信息可以被用来改善分析模型的效果，同时只向企业提供那些有关联的、实质性的、有效的推荐，以改善整体的企业用户体验。

成功利用大数据影响用户体验的关键在于，提供必要的数据和洞见帮助企业用户确认是什么推动了它们的经营业绩，以及它们可以采取什么行动来改善业绩。以数字化卖场为例，仪表盘需要提供洞见来支持以下企业用户的问题和决定（如表8–1所示）。

表8–1 企业家的智能仪表盘

在下一章，我们会关注用户体验模型将如何被用来推动企业的展望流程。

小结

本章介绍了非智能化的用户体验。许多企业并不会利用它们已经获得的关于客户的大量数据（通过像客户忠诚计划这样的活动）挖掘关于客户和产品的洞见，这些洞见能够推动一个更有关联、更有意义的用户体验。那些不花时间去学习、了解并利用对客户和产品的了解的企业，冒着风险提供不相关的、令人困惑的甚至令人沮丧的用户体验，这会在长期损坏企业的品牌美誉度并降低客户的满意度和忠诚度。

我定义了一种简单实用的技巧，能够确认为了保证一个相关联的、有意义并有操作性的用户体验所需的信息。这种方法确保了你的企业正在提供相关联的数据和洞见，以帮助客户在和企业互动时能够做出正确的决定。

接着，我考虑了如何利用大数据改进企业和客户互动的过程。我谈到了确认在整个客户生命周期流程内的哪些环节以及如何运用大数据的重要性——包括剖析、分类、目标锁定、客户获得、培养、维护以及拥护。你的企业有机会利用对客户和产品的洞见，重塑你和客户的互动流程，这将增加客户贡献的利润、提高客户长期的忠诚度。

最后你看到了几个实例，展示了企业可以如何利用相关的、有意义的、可操作的洞见改善用户体验。模型提供了几个案例，关于企业可以如何利用从数据源中获得的洞见和推荐增加客户与企业之间关系的价值和黏性。