惯性聚合 高效追踪和阅读你感兴趣的博客、新闻、科技资讯
阅读原文 在惯性聚合中打开

推荐订阅源

Threat Intelligence Blog | Flashpoint
Threat Intelligence Blog | Flashpoint
MyScale Blog
MyScale Blog
Jina AI
Jina AI
爱范儿
爱范儿
cs.CL updates on arXiv.org
cs.CL updates on arXiv.org
I
Intezer
The Cloudflare Blog
T
Threat Research - Cisco Blogs
G
Google Developers Blog
Stack Overflow Blog
Stack Overflow Blog
freeCodeCamp Programming Tutorials: Python, JavaScript, Git & More
D
Docker
AI
AI
Scott Helme
Scott Helme
Attack and Defense Labs
Attack and Defense Labs
让小产品的独立变现更简单 - ezindie.com
让小产品的独立变现更简单 - ezindie.com
L
LangChain Blog
Recent Announcements
Recent Announcements
Security Latest
Security Latest
Hugging Face - Blog
Hugging Face - Blog
W
WeLiveSecurity
Last Week in AI
Last Week in AI
Security Archives - TechRepublic
Security Archives - TechRepublic
OSCHINA 社区最新新闻
OSCHINA 社区最新新闻
P
Proofpoint News Feed
S
Securelist
S
Security Affairs
Project Zero
Project Zero
博客园 - 叶小钗
Google DeepMind News
Google DeepMind News
T
Tor Project blog
A
About on SuperTechFans
V2EX - 技术
V2EX - 技术
宝玉的分享
宝玉的分享
T
Tenable Blog
博客园 - 聂微东
人人都是产品经理
人人都是产品经理
Simon Willison's Weblog
Simon Willison's Weblog
Forbes - Security
Forbes - Security
K
KPMG report finds enterprise disconnect between AI and its ROI | CIO
V
V2EX
AWS News Blog
AWS News Blog
The GitHub Blog
The GitHub Blog
酷 壳 – CoolShell
酷 壳 – CoolShell
P
Privacy & Cybersecurity Law Blog
阮一峰的网络日志
阮一峰的网络日志
I
InfoQ
C
CXSECURITY Database RSS Feed - CXSecurity.com
H
Hacker News: Front Page
美团技术团队

人人都是产品经理

为什么你的产品找不到差异化?90%的失败都卡在第一步上(下) – 人人都是产品经理, 3年从30万到1300万用户、获2200万美元融资,这个AI教育产品用“抽卡”破解了获客难题 – 人人都是产品经理, 园区招商系统怎么做才能真正帮到去化?我加了这一个功能,推广链接转发400次阅读过万 – 人人都是产品经理, AI大事件:OpenAI发完网络安全模型又搞药物研发,小鹏汽车要抓”DeepSeek时刻” – 人人都是产品经理, 电商不是卖货,是一场更残酷的产品经理实战 – 人人都是产品经理, 没想到,活动营销又回来了! – 人人都是产品经理, 为何All-in海外KOC:一场关于AI时代窗口期的豪赌 – 人人都是产品经理, 重新理解企业的内部协作 – 人人都是产品经理, 苹果的 AI 战略到底是什么? – 人人都是产品经理, 医疗智能体·第2讲——合规护城河:等保、PIPL与HIPAA的架构实战 – 人人都是产品经理, 向量知识库五步法:从“答非所问”到“精准回复” – 人人都是产品经理, 鸿蒙PC三方库构建总指挥HPKBUILD(sha)库为例 – 人人都是产品经理, 何时该用LLM?AI产品经理的LLM设计指南 – 人人都是产品经理, 医疗信息领域的需求方、决策方、准入方以及关注点(二) – 人人都是产品经理, 即梦涨价:一场被误读的「傲慢」 – 人人都是产品经理, 面试AI PM必答题:Hermes和OpenClaw的区别,如何讲清楚业务价值 – 人人都是产品经理, AI的下一张船票:世界模型——AI产品经理必须理解的技术拐点 – 人人都是产品经理, 小红书做GEO,怎么让AI信你?记住这 3 个重要信息 – 人人都是产品经理, 5 家印度 AI 初创公司,看看印度 AI 再做什么 – 人人都是产品经理, AI项目跨团队协作:产品技术业务如何不打架 – 人人都是产品经理, Agentic Workflow(智能体工作流):让AI从”答案生成器”变成”数字员工” – 人人都是产品经理, lycium_plusplus 项目全景解读:OpenHarmony 三方库构建的“大管家” – 人人都是产品经理, 从爆单救火到前置履约:两套预采策略,把生鲜大促履约效率拉满 – 人人都是产品经理, 什么时候该补货?我用一轮数据做了一个决定 – 人人都是产品经理, 从“机械兜底”到“动态分流”:AI客服重复进线治理的4大底层逻辑 – 人人都是产品经理, 抖音拼效率,红书拼洞察 – 人人都是产品经理, 全民狂欢与退潮——为什么龙虾这波热潮冷却得如此之快? – 人人都是产品经理, Stripe押注!MPP重塑全球支付 – 人人都是产品经理, 小红书GEO:AI引用你的内容,不是因为你对,而是因为你看起来可信 – 人人都是产品经理, 前百度副总裁押注办公Agent,日韩付费爆发,Manus迎来强劲对手 – 人人都是产品经理, 企事业单位数字化的业务供需本质 – 人人都是产品经理, 医疗智能体·第1讲——医疗信息化重构:从“辅助软件”到“自主智能体”的范式转移 – 人人都是产品经理, 粉丝量就是空气!!! – 人人都是产品经理, 用户说“薯片碎了”,机器回“要买吗?”:意图识别的翻车与破局 – 人人都是产品经理, RAG召回准确率从75到90 我做对了这三件事 – 人人都是产品经理, AI大事件:Anthropic改收费、OpenAI发安全版、手术机器人纳入医保、阿里发布”秒悟” – 人人都是产品经理, Chrome 推出 Skills 新功能,Agent 重塑上网方式 – 人人都是产品经理, GitHub前创始人拿了a16z的1700万美元,做Agent时代的Git – 人人都是产品经理 拷贝或克隆其他 Flutter OH 项目到本地后无法运行 – 人人都是产品经理, 优惠券设计:优惠券创建 – 人人都是产品经理, 不用死磕文档!AI 助手 1 小时搞定飞书 CLI 安装 + 配置 + 知识库 – 人人都是产品经理, 用小龙虾做竞品分析报告:从2天到20分钟,我是怎么做到的 – 人人都是产品经理 用小龙虾做市场分析报告:搞懂这3个公式,市场规模不再靠猜 – 人人都是产品经理, 你早就在做 Harness 工程,只是不知道它叫这个名字 – 人人都是产品经理, Think Long就够?你可能想多了! – 人人都是产品经理, 货代SRM实战:供应商准入怎么做,才能让资源池不是通讯录而是可交付网络? – 人人都是产品经理, 如何做好用户调研?详解基本技巧 – 人人都是产品经理, 木鸟、途家、美团对打,平台春天行动开“卷” – 人人都是产品经理, 入职才发现公司不靠谱?小红书从业者求职避坑指南 – 人人都是产品经理, 美国 AI 三巨头联手封堵,中国 AI 突围之路在何方 – 人人都是产品经理, 小红书,放在需求对面的镜子 – 人人都是产品经理, AI 会带来大规模失业吗? – 人人都是产品经理, 从出单到补货前,我第一次犹豫:该不该放大? – 人人都是产品经理, Flutter 三方库鸿蒙化适配:5 种高效检查方式,快速判断是否需要适配 – 人人都是产品经理, 从做产品进阶拿结果:医美机构产品经理转岗科室运营经理 – 人人都是产品经理, 阿里HappyHorse,一场关于“Token经济”的阳谋 – 人人都是产品经理, To B AI:客户留存落地的观察与思考 – 人人都是产品经理, AI产品的“生命线”——数据采集、标注、清洗的产品化设计 – 人人都是产品经理, 谈谈AI Agent(二):当“孩子”能自己“体验世界”时,你该学什么? – 人人都是产品经理, UI/UX设计师的3层能力进阶,前两层让你活下来,第三层…才是真正的分水岭 – 人人都是产品经理, 2分钟 → 30秒,效率提升75%:B端产品经理如何用「规则枷锁」驯服AI幻觉? – 人人都是产品经理, 还没来得及学OpenClaw,来了个更猛的:Hermes Agent – 人人都是产品经理, AI日报:宇树机器人跑出10m/s刷新世界纪录 – 人人都是产品经理, 一文说透基金互金如何用情绪价值引导用户决策做转化 – 人人都是产品经理, 当浏览器开始替你”看”网页:AI 浏览器正在亲手拆掉它脚下的那张网 – 人人都是产品经理, 0代码,一天时间我Vibe Coding了个网站 – 人人都是产品经理, Hermes 和 OpenClaw 之争,Agent 的能力应该“装上去”还是“长出来”? – 人人都是产品经理 视频生成的“桌子”,字节Seedance 2掀完,阿里快乐马掀 – 人人都是产品经理, 从听不懂到完全信任:我的 Codex 深度产品体验 – 人人都是产品经理, 当虚拟偶像有了北京户口,与真人偶像还有什么区别? – 人人都是产品经理, 会说,远远比会做更重要 —— 对 SBTI 爆火现象的五层观察 – 人人都是产品经理, AI产品经理必看:当“搭环境”比“选模型”更重要,你的认知还在2024年吗? – 人人都是产品经理, 2026年AI产品商业化核心逻辑:从功能demo到规模化营收的3个必破卡点 – 人人都是产品经理, 京东围绕供应链,卷起裤腿下场的那些事儿 – 人人都是产品经理, SBTI一夜刷屏:它赢在了“太会说人话” – 人人都是产品经理, 折扣零售的真相:不是便宜,而是价值感! – 人人都是产品经理, 和甲方吵了一架,最后加钱做了——我学到的ToB产品经理生存法则 – 人人都是产品经理, 和几位小红书操盘手聊了8小时,干货全在这 – 人人都是产品经理, 智谱GLM-5.1登场,开源模型首超Opus4.6!!! – 人人都是产品经理 Anthropic收入凭什么反超OpenAI,终于有人把这事说清楚了 – 人人都是产品经理, 史上最有故事感的技术报告——Claude最强模型Mythos 7个极其精彩的细节 – 人人都是产品经理, 模型不是壁垒,Harness 也不是 – 人人都是产品经理, 抖音本地生活业务思考21 – 人人都是产品经理, Superpowers:145k Star的AI编码框架,到底是什么来头? Superpowers:145k Star的AI编码框架,到底是什么来头? – 人人都是产品经理, OpenAI 的路走错了,Anthropic Harness 解法启示:模型需要实践专科生 – 人人都是产品经理, 画原型图的前一步:设计站点地图 – 人人都是产品经理, 给 DeepSeek 的最后一封催更信 – 人人都是产品经理, 手把手教你用 Claude Code 搭建 AI 营销团队:5 个 Agent、12 项技能,独立完成研究、写作、设计全流程 – 人人都是产品经理, 你以为大模型在学语言?不,它在重新发明语言学 – 人人都是产品经理 所谓Skill,不过是AI时代的工业垃圾 – 人人都是产品经理, 聊一聊内容传播的几个方法 – 人人都是产品经理, 当平台开始吃掉生态:从 OpenClaw 被封杀,读懂 Anthropic 的这盘棋 – 人人都是产品经理, 你装了 10 个 AI 插件,Obsidian 还是一个文件夹 – 人人都是产品经理 关于AI智能体架构演进的系统性思考:从单体试水到多体协同的重构 – 人人都是产品经理, 当“人”变成Skill,我们又该何去何从? – 人人都是产品经理 Mythos 事件:前沿 AI 治理的意外实验 – 人人都是产品经理, 货代CRM:信用与风险管理怎么做,才能把坏账风险拦在放货之前? – 人人都是产品经理, 从HR收集自拍照到员工自助录入——我见证了园区人脸识别从”不可用”到”真好用”的全过程 – 人人都是产品经理 千问闯关AI混沌期:阿里画靶,吴嘉张弓,马云射箭? – 人人都是产品经理,
一文说透|如何从 0 到 1 搭建客户服务体系?
艾米丽 · 2024-03-13 · via 人人都是产品经理

客户服务是我们与用户接触的重要窗口,建立良好的客户服务关系,有利于我们建立品牌口碑。本文从产品的角度,跟大家谈谈如何从0到 1 构建客户服务体系。

2010年,著名的华裔企业家——美捷步创始人谢家华在其著作《三双鞋》里写到:

太多的公司把接电话服务想成是一个要尽量减少的花费,而我们相信这是一个大多数公司没有留意的极大的机会,它不仅仅能够建立口碑,甚至有可能提升这位顾客的生命周期价值。

在美捷步的发展史里,很重要的一点就是通过客户服务建立品牌口碑。

客户服务是我们和用户接触的重要窗口,高质量的服务可以帮助双方建立良好的信任关系,进而让客户对我们的品牌产生正面的印象并自发二次传播。

今天这篇文章,想从产品的角度,跟大家谈谈如何从0到 1 构建客户服务体系。

本文主要分以下3个部分来阐述:

一文说透|如何从 0 到 1 搭建客户服务体系?

一、明确服务目标:从业务目标出发,建立客观可信赖的质量衡量体系

一文说透|如何从 0 到 1 搭建客户服务体系?

在明确服务目标之前,我们得明确业务目标是什么。因为「服务」忠于业务目标。

站在业务目标的角度,什么样的客户服务有助于我们的业务目标实现?我们的目标是增收还是降本?

在业务目标的基点上,制定服务目标。明确服务目标后,制定服务的北极星指标,即建立一套客观可信赖的质量衡量体系。

举个例子,在很多业务场景里,服务的主要考核指标是“客户满意度”。为什么这样设置呢?这背后折射的也是业务目标的诉求。业务的盈利很大程度依赖客户,而客户满意度越高,越可能产生新购和复购行为,进而反哺企业的业务目标实现。

但是仅有“客户满意度”这个指标是否足够呢?

往往在一个主考核指标之外,我们还需要辅助多维度的数据采集,用来衡量我们的服务质量。

比如:

  • 客户问题处理时长——用来衡量服务人员的问题解决能力
  • 客户问题重开率——用来跟踪客户的问题是否被真正解决。一般会设置一个时限,比如 24 小时内单个客户是否重复咨询相关问题
  • 客户非评价率——我们捕捉到的客户满意度主要源自评价的客户,但是评价的用户终究只是一小部分用户的行为,如何洞察“沉默的大多数”客户的满意度呢?这就依赖我们从客户的行为去捕捉,并结合自己的服务途径设计相关的考量指标。

设计服务考量指标,一个很重要的观察点就是「行为即反馈」。既要看主动反馈的客户评价数据,也要看非评价的用户行为数据,只有这样,我们才能尽可能全面的了解服务质量。

二、设计服务路径:围绕用户旅程,提供恰到好处的服务

如果说服务目标是灯塔,那么服务路径则是航线。

确定服务目标是为了保证我们知道往哪里驶去,也为了帮助我们事后衡量团队的服务质量与我们的目标是否有偏差。

而航线则是为了抵达目的,我们所设计的最佳路径。

在路线设计之初,先扪心自问:

  • 客户遇到问题时,能快速找到求助入口吗?
  • 进到求助入口后,能快速解决问题吗?
  • 我们提供的服务是否满足大多数客户的求助需要?

接下来,我将围绕上述3 个问题进行具体阐述:

一文说透|如何从 0 到 1 搭建客户服务体系?

我们先将客户的求助分为上述3 个阶段,这也是我们在提供客户服务时的 3 个核心发力点。

针对每个阶段,我们都要设计一些共情客户的地方,帮助客户快速解决问题。当然,这过程也少不了围绕业务目标去做一些调整。

举个最简单的例子,如果不考虑成本,那么最好的方式就是在客户有问题时直接提供专业的 7*24小时服务。但是这个服务成本显然比较高,不太适合大多数真实的场景。即使是当初追求客户服务到极致的美捷步,也是在发展到一定阶段后才有底气做出这样的服务策略。

阶段一:寻求服务

这个阶段的关键在于,我们要尽可能的降低客户触及服务入口的成本。

无论是ToB还是ToC,客户都寻求一种确定性,这种确定性既包括对产品质量的确定性也包括对产品服务的确定性。

服务入口的便利性,很大程度就是为了建立客户对寻求服务这件事的信任感,即为客户提供一种确定性。

这个环节,我们首先要盘点客户接触我们的入口主要有哪些,在这些触点页面我们有策略的提供服务入口,让客户遇到问题时可以及时求助。

比如,我们日常接触的手机银行 APP,基本都会在进入 APP 的首页,提供客服入口,这就是在客户旅程的第一界面提供“服务的确定性”,让客户可以便捷求助。

说到这,可能有些用户会问,服务入口太显眼,那岂不是会带来很多咨询,背后需要很多服务人力来支撑?

确实有这样的可能性。我们既想要客户体验好,又想要平衡服务成本的压力,怎么解决呢?

这就需要我们针对客户画像做差异化,尽可能的在客户进入服务界面的首屏就提供清晰的引导/推荐,帮助客户自助闭环问题。

一文说透|如何从 0 到 1 搭建客户服务体系?

以京东客服为例,客户在 APP 入口进入客服界面后,会先呈现“服务大厅”,也可理解为这是客户进入服务的「首屏接触」。

「首屏接触」是客户服务路径的第一个关键发力点。它的核心作用在by客户做针对性推荐,让客户尽可能的自助解决自己的问题/提高客户求助的便利性。

我们可以对比拼多多/淘宝的客服入口,都会有“客户属性”的融入,比如你刚买了东西,进入客服时,首屏会优先询问你是否要咨询这个订单。

一文说透|如何从 0 到 1 搭建客户服务体系?

总结起来,在寻求服务阶段,我们产品方案的核心在于“首屏接触”的设计:

  • 基于客户画像推荐相关内容(客户最近订单/访问的产品等)
  • 提供自助服务能力(如订单、发票、退款等高频能力一定要自助化)
  • 结合业务目标适当融入运营活动/推广,增加交易

一文说透|如何从 0 到 1 搭建客户服务体系?

阶段二:服务过程

讲完寻求服务,接下来我们进入客户旅程的第二环节——服务过程。

这时候,客户已经开始进行服务交互,那么这阶段做好客户服务的关键在于“帮助客户实现ta的目的”。

经历了前面首屏大厅的分流,真正停留下来并且进行服务求助的客户一定是奔着解决问题去的。

那我们怎么帮助客户更快更好的解决问题呢?

可以从以下 3 个方向来进行产品能力建设。

一文说透|如何从 0 到 1 搭建客户服务体系?

1、引导客户清晰的表达诉求

帮助客户高效解决问题的前提是知道客户的问题是什么,只有明确客户诉求,我们才能知道接下来如何处理。

那怎么引导客户清晰的表达的诉求呢?

(1)增加引导

在客户提问的时候,我们可以适当做一些引导,降低客户问题描述的门槛。

比如,在输入框增加引导语,让客户规范表达;再或者,在客户输入的过程,提供内容联想或者历史记录展示,让客户快速引用。

这样做的目的是让客户尽可能按照我们设想的方式去表达问题,进而让我们更快明确客户诉求,提供解决方案。

(2)适当推荐

在客户表达模糊的时候,我们可以提供一些内容推荐,通过客户的行为选择,了解客户的意图。

比如客户提问“快递”,此时我们并不知道客户的真正意图是什么,ta可能是咨询我们发货用哪个快递,也可能是想查询当前某个订单的物流进度。

这时候我们可以做适当的推荐,通过客户的行为选择,进一步缩小客户的问题范围,再做进一步的解答。

这个思路既适用于智能客服阶段,也适用于人工交互环节。

在大多数服务过程的伊始,想要清晰准确的获取客户诉求并不是一件容易的事,在产品矩阵/商家多样化的平台里尤其如此,而我们要做的就是尽可能的明确客户意图,以便更快的解决客户问题。

一文说透|如何从 0 到 1 搭建客户服务体系?

不要把难题交给客户,优先从服务路径上去设计,把客户的意图从一个大圈缩小到一个小点,进而推送精准的答案。

2、提供辅助工具

明确客户意图后,接下来就是如何解决客户问题。

站在客户的角度,客户想要的是问题快速解决;站在企业的角度,企业希望尽量降低服务的成本。

这也是为什么我们日常接触到的客服入口都有智能客服这个环节。就是为了借助 AI 去消化一些简单的重复性客户问题,降低客服人员的工单压力和服务成本。

但是光有智能客服,是不是就足够了呢?

显然不是。因为很多问题不是单纯的通过文本交互就能够直接解决。

举个例子,我们进入手机银行 APP 查询银行卡账号。

过去传统的解决方式是智能客服推送一条文本答案,告诉客户从哪个入口点击xx进去查看。整条路径繁琐又费劲,经常客户操作到一半忘记路径了,又得折回来继续查看。

现在通用的解决方式是:服务界面直接推送一个查询入口,客户点击即可查看银行卡号。体验丝滑且友好。

这背后,其实就是客服平台提供了“辅助工具”。我将之称为工具,是因为这其实超出了传统 AI Bot的语料范畴,将客户的问题和业务进行了融合,并且通过一个互相交互的形态解决了客户问题。

包括进入人工之后也是如此,尽可能将一些纯文本交互的过程优化为通过工具来采集和解决,客户问题的解决时效和客户体验会更上一层楼。

3、跟踪服务过程

前面 2 步主要在于如何引导客户准确表达问题以及提供相应的工具助力问题快速解决。

在这过程,还有一点非常关键,就是如何确保我们的客户服务是按照设计的路径来进行的?如何确保客户的服务体验是顺畅的?

在客户服务里很常见的场景就是,客户急冲冲的进来,咨询这个事怎么处理。这时候客户一般是带着情绪来的。

如果我们希望给客户带来好的客户体验,情绪往往是第一优先级需要安抚和响应的。从产品的角度,如何确保我们的服务流程在聚焦解决问题的同时也回应到客户情绪呢?

这就依赖我们对服务内容的监控。针对情绪用语、敏感词等进行识别,提前预知风险告诉客服人员以及对应的后端服务管理人员。

一文说透|如何从 0 到 1 搭建客户服务体系?

值得一提的是,在服务过程,我们除了关注客户情绪外,也应关注客户问题的解决时效。

通过对客户问题解决时效的跟踪,在产品能力上配备相应的OLA告警机制,可以很大程度上保障客户的问题被及时处理。

而完备的OLA 告警机制,也会助力服务指标的提升:

客户问题处理耗时的下降–>客户满意度提升。

这两者有一定的正相关。

阶段三:服务结束

一次客户服务对话的结束,并不意味着我们服务的终止。相反,如何我们想要把我们的服务体系打磨的更加好,尤其需要关注这一环节。

市场营销有个很重要的理论,一个忠诚的老顾客可以带来 8 个新顾客。也就是说,把我们每个顾客服务好,他背后带来的价值可能比我们辛苦去拓客效果还要好。

那怎么去服务好每个客户呢?这就需要我们在客户服务的整个生命周期拉通来看。

服务结束作为最后一环,在产品层面我们可以做哪些建设呢?

想要明白做什么,就得先明晰这阶段对整个服务流的最大价值是什么。我们前置环节做了那么多的场景预判、差异化推荐以及客户需求满足和情绪的回应等,最终落到我们的系统的服务记录,就是巨大的宝藏。

这个宝藏包含了客户咨询的高频问题是什么、最优解决方案是什么、客户的日常行为习惯有哪些……这些数据,我们可以深入挖掘并利用起来,为后续的服务优化做铺垫。

也就是说,在服务结束之后,产品层面要做的就是“分析和优化”,通过对产品能力的建设帮助业务更好的进行分析,更好的优化服务体验。

一文说透|如何从 0 到 1 搭建客户服务体系?

很多工具建设以及知识库文章,都是基于对大量服务记录的分析,提炼总结出来的。

此外,客户行为也是一种反馈,客户不一定给我们的服务好评/差评,沉默的永远是大多数,但是如何捕捉这类群体的服务体验呢?可以从客户的行为来入手。

比如,客户智能客服阶段虽然没有给差评,但是它最终接入人工。——这个行为背后折射的就是对智能客服解决能力的不满,所以进一步寻求人工的帮助。

再比如,客户在人工服务后没有评价,但是在短时间内很快又来咨询同类问题——这行为背后折射的就是前一次咨询没有很好的解决客户问题。

这些都是我们在客户评价维度拿不到的数据,但是却可以从客户行为层面获取到客户问题的解决情况。

这也是我们在产品设计上需要注意和思考的点。

优化永无止境。我们永远不要隔着屏幕看数据,而是要切身“沉下去”,去观察每个鲜活的服务样本,去了解我们真实的客户体验,去思考我们产品层面的一些“盲区”,这样才能切实提升我们的产品服务口碑。

三、构建服务生态:拉通组织-流程-工具,建立可持续的生态体系

终于讲到最后一 part。

这里我们撇开产品设计聊聊服务生态。

何为服务生态?

简单来说就是基于我们业务的上下游,构建一个为客户提供良好体验的环境。

举个具体的例子,客户在电商平台买了一个商品,因为质量不符合预期申请退货,找店家沟通,店家不同意,最后客户申请平台介入,平台客服帮忙给客户操作了退款。

这个例子里,我们就看到了 3 个角色:客户-店家-电商平台

这就是一个简单的服务生态雏形。

我们要构建一个客户服务体系,这背后不仅仅是产品能力层面的设计,还有这个服务体系背后所串联的每个角色,以及每个角色所归属的组织。

在上述案例里,我们可以把“客户、店家、电商平台”看做「组织」,把客户求助的客服入口看做宏观意义上的「工具」,把这套退货机制称为「流程」。

服务产品的设计,对于用户而言,就是提供一个他可以快速求助的「工具」入口,但是背后要帮助客户快速解决问题依赖一套「流程」机制把服务体系上下游的的「组织」串联起来。

客户服务不是单点的客服对接客户,唯有拉通组织-流程-工具,建立可持续的生态体系,才能让我们整个链路的上下游在这里愉快玩耍。

那怎么拉通这三个要素,建立一个可持续的生态体系呢?

吴士宏在《越过山丘:打破人生与事业的迷障》里提到:“人,无往不在关系之中。”这句话,在产品里同样适用。

任何产品,它最终围绕的还是它所服务的群体上下游链路的各个角色。每个功能,背后都可能需要 N 个角色来配合。

比如退货退款,店家有自己的规则,平台也有通用的规则,用户可以先对接店家也可以寻求平台支援。店家与平台之间之所以能够互相约束,是因为有共同的利益纽带。

三者连接起来,客户服务体系这个飞轮才能持续转动。

一文说透|如何从 0 到 1 搭建客户服务体系?

写在最后

美捷步的企业文化里,放在首位的是:“通过服务让人们感到惊叹:WOW!”

他们一直“寻找并雇佣那些对客户服务有激情的人”。

做客户服务体系的这些年,给我最大的感受就是,不要把客服系统想象成一个机械化的解决问题的入口,它是一座桥梁,连接我们客户和企业,它的价值远不局限在单个问题的解决,而是关乎我们整个企业品牌和口碑的传播。

Flomo创始人少楠在《笔记的方法》里写到:

大多数公司都把客服当作不得不做的事情,而忽略了这是建立口碑,提升顾客LTV(生命周期总价值)的情境——挽救一个不满意的客户,不但能保住订单,甚至还可能因为提供了超预期服务,让他成为积极传播者。

他认为,Flomo必须坚定地在客服这件事上“持续投资”,因为“良好的客服沟通是一种建立信任的机制,而建立信任后,用户才会愿意投资时间、金钱在你的产品上。”

当我们把事情的本质“think bigger“之后,我们的产品方案思考也会截然不同。

愿本文能给你带来一些启发,也欢迎一起探讨客户服务体系的建设。

作者:艾米丽;公众号:艾米丽小记(id:gh_7c64f993dfc3)

本文由 @艾米丽 原创发布于人人都是产品经理。未经许可,禁止转载

题图来自Unsplash,基于CC0协议

该文观点仅代表作者本人,人人都是产品经理平台仅提供信息存储空间服务。