本文将深入探讨VOC的发展历程、核心理念、实施步骤以及面临的挑战和解决方案，旨在为读者提供一套全面而实用的框架，帮助企业有效地收集、分析和应用客户数据，从而优化产品策略和提升客户满意度。

一、从过去看未来：VOC的起源

1、历史背景

• 起源：1993年一篇麻省理工学院的论文首次提出了“客户之声”（Voice of the Customer, VoC）的概念。它被定义为对客户要求的深入理解，并视为产品开发过程中的一种共同语言和产品创新的基础。
• 发展：随着时间的推移，VoC逐渐成为质量管理领域的重要组成部分，并被引入到诸如六西格玛和精益生产等质量管理方法中。
• 应用扩展：随着技术的进步，VoC的概念得到了进一步的扩展和发展，被应用于更多的业务领域，如市场营销、客户服务、产品管理和战略规划等。

2、核心思想

• 深入了解客户需求：VoC强调通过直接从客户那里收集信息来获得对客户需求和期望的深刻理解。
• 作为共同语言：在组织内部，VoC被用作一种沟通工具，帮助各部门围绕客户需求进行协作。
• 推动产品和服务创新：基于客户反馈的数据和洞察，VoC促进了产品和服务的持续改进和创新。

3、核心环节

1）数据收集：通过多种渠道收集客户反馈，包括私域数据和公域舆情数据。

（1）私域数据：

• 品牌应用程序
• 官方网站
• 车载信息系统（车机）
• 400客服电话
• 官方社交媒体账号（官方微信公众号、官方抖音、官方Facebook…)
• 客户关系管理系统（CRM）

（2）公域舆情数据：

• 社交媒体监听
• 线下调研
• 论坛讨论
• 博客文章
• 新闻报道

2）数据分析：运用统计分析、文本分析等技术对收集到的数据进行分析，识别模式和趋势。

（1）AI模型算法：

• 自然语言处理（NLP）用于文本分析
• 情感分析识别客户的情绪
• 主题建模识别主要议题
• 预测分析预测未来趋势

3）工单处理：根据分析结果分配工单，并进行问题工单处理情况的追踪和考核，以解决客户问题和满足客户需求。同时，对工单信息的集中分析，可以生成长期改善工单。

（1）处理工单：

• 质量部门：针对产品或服务质量问题提出改进方案。
• 研发部门：基于客户反馈进行产品迭代和创新。
• 销售部门：调整销售策略以更好地满足客户需求。
• 客服部门：优化客户服务流程，提升客户满意度。
• 市场营销部门：根据客户偏好调整营销策略。

二、 共性与差异：VOC&CXM&舆情管理

总结

VOC 侧重于产品的改进和服务的优化，主要关注已有客户的反馈。

CXM 关注整个消费者旅程的体验，致力于提供一致且优质的体验。

舆情管理 则是更广泛地监控品牌声誉，确保公司在公众心中的正面形象。

三、 外部与内部：VOC的广义与狭义定义

1、VOC 狭义定义

狭义定义：狭义的“客户之声”（Voice of the Customer, VoC）主要关注直接从客户那里收集的信息，包括客户反馈、投诉、建议等，侧重于现有客户对产品和服务的体验和需求。

2、VOC 广义定义

广义定义：广义的VoC不仅仅是客户的声音，还可以扩展到包括员工的声音（Voice of Employee, VoE）以及其他关键意见领袖/消费者（Key Opinion Consumers/Leaders, KOC/KOL）的声音。

1）KOC/KOL

• 定义：指在公域平台（如社交媒体、论坛、博客等）上出现的与公司相关的声音，尤其是由影响力较大的用户（如KOC或KOL）发布的内容，与voe有部分重合， 现在的众多公司的高管已经成为代表品牌发声的关键kol，例如小米汽车营销中雷军的社交媒体营销。
• 特点：这类声音传播速度快，有较高的关注度和影响力，可能存在进一步发酵的风险，因此需要特别关注。
• 示例：例如，在社交媒体上，一些知名博主或意见领袖发布的关于某电商平台的评论或体验分享，这些声音被称为“KOC/KOL”。

2）VoE (Voice of Employee)

• 定义：特指员工的声音，即企业内部员工对工作环境、产品、服务等方面的反馈和建议。
• 特点：员工的声音被认为是非常有价值的，因为他们不仅了解问题所在，还了解问题产生的原因，因此他们的建议往往更具代表性和建设性。
• 案例：在某电商平台，员工提出的建议和意见被称为“VoE”。这些意见会被高度重视，并提交给部门最高负责人跟进，以确保问题得到及时解决。此外，还设立了一个专门的“按灯机制”来快速解决员工提出的高频问题。

四、 从分散到聚合互动：创新的VOC策略思考

在当今竞争激烈的市场环境中，企业对于顾客之声（VOC）的聆听与响应能力直接关系到其产品的市场接受度、客户满意度及品牌忠诚度。然而，传统的VOC项目往往局限于直接的用户反馈，如投诉和建议，却忽视了用户在整个消费旅程中的全方位体验。为了克服这一局限性，并提升客户体验管理（CXM）的效能，我们需要从分散的VOC收集方式转向聚合互动的创新策略。

1、整合客户旅程触点，实现全面信息收集

客户旅程是指客户从初步了解品牌、产品到最终成为忠实用户的全过程。在这个过程中，客户会与品牌发生多次互动，形成丰富的触点。将CXM与VOC的客户旅程触点整合，意味着要关注并收集客户在每个触点的行为、情感和体验数据。这不仅包括显性的用户反馈（如评论、评分），还包括隐性的数据（如点击率、停留时间、购买意向等）。

通过系统化的框架和工具（如客户旅程地图、数据分析平台等），企业可以全面、深入地理解客户需求和痛点。客户旅程地图能够直观地展示客户在不同阶段的体验和感受，帮助企业识别出关键触点和潜在问题点。而数据分析平台则能够对这些海量数据进行深入挖掘，揭示出客户行为的内在规律和趋势。

2、从被动响应到主动预防，提升营销与售后服务效率

传统的VOC项目往往采取事后处理的模式，即在用户提出投诉或建议后再进行响应。这种模式虽然能够解决具体问题，但无法从根本上提升客户满意度和忠诚度。通过整合客户旅程触点，企业可以转变为根据客户触点主动监测和预防问题的模式。

具体来说，企业可以利用实时监测工具对用户在不同触点的行为进行跟踪和分析。一旦发现异常行为或潜在问题，企业可以立即采取措施进行干预和纠正。这种预防性的管理方式不仅能够减少用户的不满和投诉，还能够提升用户满意度和忠诚度。同时，通过主动监测用户行为，企业还能够发现新的市场机会和业务增长点，为产品创新和营销策略的制定提供有力支持。

五、 从策略到方案：VOC数字化项目实施步骤

1、设计客户旅程地图

• 目标：清晰地识别并描绘出客户与品牌在各个交互阶段的关键触点，以全面了解客户体验。
• 工具：采用直观的图表、流程图或专业的客户旅程映射软件来绘制旅程地图。

下图以典型的消费者旅程举例，图片为本人撰写，仅为示例，可能与实际商业情况有出入。

2、根据客户触点进行VoC数据收集

触点的概念：触点是指客户与企业或产品之间发生交互的各个环节或接触点。这些触点可以是线上的（如网站、社交媒体、APP等），也可以是线下的（如实体店、展会、活动等）。触点是客户体验的重要组成部分，直接影响着客户对企业的印象和忠诚度。

1）触点与VOC的关系：

• VOC收集触点反馈：在VOC活动中，企业会特别关注客户在各个触点上的反馈。这些反馈揭示了客户在不同触点上的体验和感受，为企业优化触点提供了宝贵的信息。
• 触点作为VOC分析的切入点：通过分析触点上的客户反馈，企业可以识别出触点中的痛点和机会点。这些点是企业优化触点、提升客户体验的关键所在。
• 优化触点以提升VOC：基于VOC分析的结果，企业会对触点进行优化和改进。通过提升触点的便利性、友好性和效率性，企业可以增强客户的满意度和忠诚度，进而提升整体VOC水平。

3、标签化与建立标签库

1）VOC采集

• 来源：拓展至社交媒体互动、客服对话记录、用户论坛等多样化来源。
• 方式：引入自然语言处理（NLP）技术辅助信息抓取，提高采集效率和准确性。
• 留存：确保数据在安全的企业级数据库或云存储中妥善保存，便于后续分析。
• 附加信息：记录采集时间、用户画像、产品信息等关键附加信息，以丰富数据维度。

2）信息标签化与标签库

标签分类底层逻辑：不局限在具体的行业中，思考VOC标签的底层逻辑是实现VOC标签精准化的最重要最关键的步骤，建议大家从主体、对象、描述、来源思考。在广义的VOC中主体即包括消费者、员工，而在消费者下又可以根据需求，从不同属性维度进行划分，例如从是否购买商品，分为潜在客户和用户。

对象即是VOC反馈的客体，包括产品和服务等，而在产品和服务下又可以根据属性进行分类分级细分，例如，对于整车厂来说产品一类标签可以分为车机、驾驶舱、动力等等，而一类标签下又可以更细分拆解，同理服务也可以根据行业和需求进行拆解。描述类标签，可以先从正面/负面/中性，进行情感属性分析，并运用算法模型进行判定。

来源和用户触点直接关联，按照渠道来源可以分为公域和私域，而在私域下又可分为400、品牌app、品牌官网等二级标签。综上，标签体系的设计需要根据具体的行业，和具体的需求设计，大家可以有的放矢，但可以多多思考设计的底层逻辑，上述仅为本人思考，仅供参考。

标签的类型：标签的类型，除了前文所述的描述类标签外，还有站在公司视角的效能类标签，即根据描述类标签，由voc处理人员/算法，进行的重要程度、紧急程度的标签，以及后续的工单处理时效等效能类标签

4、构建指标体系

1）明确制定目的

• 体验指标：除NPS、满意度外，可加入客户忠诚度、情感连接度等指标，全面衡量客户体验。
• 业务指标：结合具体业务场景，设定如转化率、客户获取成本、平均订单价值等关键业务指标。
• 异常检测：建立预警机制，实时监测指标异常变化，及时响应市场波动和潜在风险。

2）转换目标

• 问题识别：运用数据分析方法，精准识别影响客户体验和业务表现的关键因素。
• 指标设定：根据问题识别结果，设定具体、可量化的监控指标，确保改进措施有的放矢。

3）搭建指标

• 北极星指标：明确企业的核心目标，如提升客户满意度、增加市场份额等，作为所有工作的导向。
• 异常指标：设置敏感指标阈值，一旦触发即启动应急响应流程。
• 辅助性指标：围绕北极星指标和异常指标，构建辅助分析体系，提供多维度数据支持。

4）设置参照

目标值：基于历史数据、行业标杆或市场趋势设定合理的目标值，为改进工作提供明确方向。

5）制定标准

• 周期：根据业务需求和数据分析的时效性要求，设定合理的指标审查周期。
• 口径：统一指标的计算方法和解释口径，确保数据的一致性和可比性。
• 意义：明确每个指标的含义、作用及其对业务决策的重要性，提高数据应用的效率。

总体来说，搭建标签体系，首先，需要明确目标。然后区分客体（核心业务方向），划清单个指标归属哪个业务线，再运用逐层拆解法，拆解出原子指标，派生指标。

原子指标是根据具体业务过程，加上度量，生成原子指标，并在此基础上加上修饰词和时间周期形成基础指标。 最后，是计算指标。通过对基础指标进行计算生成计算指标。其中的核心概念点是指标归属划分，它决定了指标是否重复建设问题。

5、在指标体系的基础上设计模型

• 算法规则：结合业务需求和数据特点，设计科学合理的算法规则，用于数据预处理、异常检测、趋势预测等关键环节。
• 数据分析：综合运用统计分析、数据挖掘、机器学习等多种技术手段，深入挖掘数据价值，发现潜在规律和商机。
• SLA：建立自动化的工单生成和分配机制，根据数据分析结果快速响应客户需求和问题，提升服务效率和客户满意度。

6、用户声音处理闭环

1）工单分配规则

• 优先级排序：基于紧急程度、影响范围和客户重要性排序。
• 智能分配：利用AI算法自动分配，辅以人工调整确保准确性。
• 跨部门协作：明确责任，支持跨部门流转和跟踪。

2）工单考核

• 响应时间：设定明确响应时间要求，并监控执行情况。
• 处理效率：评估处理时长和质量，进行针对性培训和优化。
• 客户满意度：通过多渠道收集反馈，作为考核重要指标。

3）反馈与改进

• 闭环反馈：将处理结果及时反馈给客户，并收集反馈意见。
• 持续改进：定期评估处理过程，提出并实施改进措施。

六、 从业务到技术：VOC项目风险点分析

1、数据收集和分发处理

1）公域和私域数据

风险点：获取公域数据时可能会遇到版权问题或数据准确性问题；私域数据可能包含敏感信息，需要严格的隐私保护措施。

解决方案：

• 合规性：确保所有数据收集活动都符合相关法律法规，避免侵犯版权和隐私权。
• 数据脱敏：使用数据脱敏技术保护个人隐私，包括匿名化、去标识化等方法。
• 公域数据：购买合法授权的数据集或使用爬虫技术抓取公开网站的信息。
• 私域数据：遵守GDPR等法规，采取相应措施保护用户隐私。

2）结构化数据和非结构化数据

风险点：非结构化数据难以直接分析，需要额外的数据预处理步骤。

解决方案：

• NLP技术：采用自然语言处理技术解析非结构化数据，如文本挖掘、情感分析、语义理解等。
• 深度学习：使用深度学习模型进一步处理复杂的数据。

3）处理颗粒度

风险点：不同的处理颗粒度可能导致数据分析结果偏差。

解决方案：

• 根据业务需求调整数据聚合级别，保留足够细节以支持深入分析。
• 细分用户行为数据，如地理位置、设备类型等，以获得更精准的用户特征和行为模式。

4）处理方式

voc将和众多系统进行集成，需要有较好的主数据基础，且集成接口最好采用标准化API，必要时采用宽表

2、模型算法规则

风险点：算法偏见、过拟合、欠拟合等问题可能导致模型结果不可靠。

解决方案：

• 采用多种算法并进行交叉验证，持续优化模型以提高预测精度。
• 使用集成学习方法，将多个弱模型组合成一个强模型，降低单一模型的不确定性。

3、工单跨集团跨部门分配处理机制

风险点：部门间的沟通障碍可能导致处理效率低下。

解决方案：

• 建立统一的工作流管理系统，确保工单快速准确流转。
• 设置优先级、紧急程度等指标，优化资源调度，提高工作效率。

4、国内外VOC数据安全政策不一致，数据源范围不一致

风险点：不同地区的法律法规差异可能造成数据处理上的法律风险。

解决方案：

• 遵循最严格的数据保护标准。
• 分类管理不同区域的数据，确保符合当地法律法规要求。
• 使用加密技术和安全协议传输数据，如HTTPS、AES等。
• 定期进行安全审计和漏洞扫描，及时发现并修复安全隐患。

5、资源成本与ROI（投资回报率）

风险点：过度投入可能导致资源浪费，而不足的投资又可能限制发展。

解决方案：

• 在规划阶段评估预期收益和成本，合理分配资源，避免过度采买。
• 明确公域舆情数据采买的范围和目的，进行分类和分级，避免眉毛胡子一把抓。

写在最后，最近接收同事的烂摊子，发现可能在接手项目的时候，一些项目策略就已经决定这个项目永远只是60分的项目，不会是90分的项目，但由于角色原因又不能说话不能改变，世界是个巨大的草台班子，我们都是NPC