在体验经济时代，数字化工作能够提升客户满意度、优化运营效率和提高数据驱动决策能力等关键策略，但在企业中推行新事物往往需要在短时间和资源不足的情况下证明其价值，面对这个命题，作者将在本篇文章详细举例一些措施和案例去应对挑战。
在体验经济时代，传统企业在应对新需求、新挑战的时候，也需要用新的方式进行企业升级和转型。
开始体验数字化的工作，提升客户满意度、优化运营效率、提升数据驱动的决策等等，是企业在现代竞争环境中保持竞争力的关键策略。
然而，在企业当中一切并非是那么想当然！想要在企业里面推行任何新的事物，基本逃不过的命题是：要在短时间、资源不足的情况下，去证明它的价值所在。
既然是宿命，那我们又可以做点什么呢？
在访谈了数位企业体验数字化工作负责人之后，我从他们的实践经历里面提炼出 2 个关键难点。
在企业管理者的决策场景当中，理想的状态下，管理者在做决策的过程中都是深思熟虑之后，做出的理性判断。
事实上，管理者在某些情况下，拍脑袋做决策可能会比进行深入的数据分析更快。
如果问题紧急，或者数据分析的时间和成本过高，领导者很可能会选择直觉决策。
长此以往，管理者便会受制于“拍脑袋”带来的“高效率”，这使得企业在客户体验提升中充满了错误的决策！
体验数字化工作的好坏取决于管理它的人。在管理者的视角下，转变决策的路径依赖，是降低决策风险的关键。
在决策场理论中，人们很难摆脱对于日常经验的依赖，而又极其容易忽略对于非理性信息的关注。
虽然有时直觉决策可能是需要的，但是过度依赖直觉可能会导致决策的质量不稳定，尤其是在复杂的业务环境中。
所以，企业应该努力采用更加数据驱动的决策方法：以数据作为支撑，平衡管理者的日常经验依赖，增加对客户的情绪感受信息成分，让管理者有更大机会做出适宜的判断。
借用大张伟在某节目中谈到的家训，我觉得很好地把管理者没说的心里话给表达出来了：
“少花钱多办事，不花钱也办事。最好是花别人的钱，办公司的事”。
管理者考虑体验数字化这类新事物在企业推行的时候，由于未能证明其商业价值，往往在资源投入的时候会小心翼翼，这恰恰也是企业经营之道，无可厚非。
你作为执行者，想要在企业当中获得管理者对你的支持，以及加大资源的投入，我整理了一些不错的方法，不妨一试。
在体验数字化的过程中，还有部分公司并不是缺乏资源，而是缺乏面向具体场景的数据策略。
这是因为企业提供的客户体验和客户实际感受到的体验之间有差距。只是盲目地增加技术、人员或营销投入，并不能带来真正的效果，反而可能成为企业的负担。
我们大家都知道，为企业建设客户体验管理数字化体系，是艰难而漫长的工作。
我们在这里谈「快速 & 低成本」的前期成果的验证，不仅是为了应对管理者的不确定性，更是为的是探索「方向的正确」。
方向正确的慢，也是快！
如果还未梳理清楚体验数字化工作真正需要实现什么的时候，错把“数字化”手段当成目标，为了“数字化”而“数字化”。
在缺乏清晰的数字化战略、明确的业务目标，以及与之相匹配的资源和组织的情形下，急于切换新旧模式，开始任何数字化努力都是一场泡沫，经不起考验。
所以，即便你已经获得「体验相关数字化」工作开始的机会，在未明确目标之前，先停下来，回过头重新思考一下。
在开始投资体验数字化之前，企业需要明确的目标和愿景，理解如何将数据、技术和专业人员的投入转化为客户价值。
因此，寻找正确体验数字化投资方向的关键是找到与客户建立联系的新方式。例如，可以利用技术手段了解客户的偏好，倾听他们的想法，为客户提供定制的体验，等等。
寻找到正确体验数字化投资方向嘴上说起来很简单，但实际执行起来并不容易。
在经济下行的大周期背景下，加上消费者个性化需求模式进入「分子化」的巨大变化。过去消费者的需求是相对共性，且被动选择产品或服务。现在消费者是相对主动选择，且需求更加个性和多元。
想要通过一套标准的产品或服务的讨论，在同质化日益加剧的今天，必然会受到市场需求的挑战。
我们只有想办法进入消费者的同一阵营，与他们进行互动和对话，直达消费者模式（DTC）是一个不错的思路。
罗兰贝格：《DTC模式如何引领消费品企业实现创新》
在罗兰贝格的研究统计发现，DTC 下典型成功模式会有以下这几种类型：产品为王、快速应变、营销主导和着重体验。
要想获得商业上的成功，直达消费者（DTC）是未来发展的方向。
我们从体验数字化工作的目标出发，可以看到「着重体验」成功模式的组成要素为：⑦ 全渠道布局 + ⑧ 体验型消费+ ⑨ 数据赋能。
⑦ 全渠道布局：优衣库就是这样做的。他们让顾客可以在网上买东西然后去店里取，或者在店里买东西然后送到家，或者在店里换货。这样无论你是在网上还是在店里，你都会感觉到这就是一家店，一个整体。
⑧ 体验型消费：让消费者在购买的每一个步骤都有好的体验，比如让他们听到品牌的故事，享受到好的店面环境，接受到好的服务，这样他们就会更喜欢这个品牌。
⑨ 数据赋能：对于一些新的公司，因为他们没有旧的模式需要遵循，所以他们更容易采用适合自己的数据模式。但是对于一些成熟的公司，他们可能会遇到一些问题，比如数据在不同部门或平台之间不能共享，或者数据和实际应用场景不符。为了解决这些问题，需要使用客户统一数据平台（CDP），来帮助他们在产品开发、销售、营销等环节更好地利用数据。
你可以理解为「着重体验」需要塑造立体的经营场，融合线上线下全流程的体验，注重消费者旅程体验，赢得心理认同；以及结合技术捕获画像和行为等数据，赋能业务决策。
数据赋能是体验数字化工作的大前提！
所有公司都有客户数据，无论是线上还是线下、匿名或个人识别、分段或非结构化。但据 IDC 研究统计只有 2% 数据被存储，而且存储的数据主要是非结构化的，大量数据未被使用，从而无法提供客户价值。
如果有机会能够利用这些非结构化数据，通过策略、技术资源和能力来处理，把这些数据整合在一起，就会有机会形成有效洞察。
因此，对实施人员标准的要求，需要：
仔细一想，「数据赋能」绝对不是能马上落地的事情！客户体验数字化工作基础架构和对实施人员标准的要求，是建设完体验数字化工作后应该具备的模样。
企业推数字化常常只关注两端，特别在体验数字化工作的前期，在时间和资源有限的情况下，忽略了中间的关键部分：“应对客户满意或体验提升的解决之道”。
那么，一切要回到起点，先从拥有数据开始，拥有体验的小数据开始，拥有体验小数据数据对应的策略开始。
嗯嗯，这确实是一个可行的方式，起码现在就能做，也不用多么高大上的技术加持，简单用 Excel 都能开始。
这也要求我们把事情做得小一点。以具体的问题为导向，寻找解决问题的小数据，用体验小数据挖掘和满足客户需求。
多说一句，传统商业误解的一点是：只有接入更大量的数据或者实现数字化才能收获价值。
实际上，作为未来的数据从业者，无论数据量的大小，关注数据并转化为有效信息才是关键。数字化也只是一种实现工具，大多数情况下小数据亦有其价值。
听我巴拉巴拉这么多大道理，那资源少、时间短的条件下具体可以怎么做呢？
体验数字化 MVP 指的是从「听到」到「做到」的最小闭环：以数据洞察为导向的体验策略。
那体验策略是什么意思呢？
你可以简单理解为：对于目标客户来说，我们在理解客户的需求之后，在特定的接触点为目标客户提供相应的体验方案。通过客户反馈获得该接触点的体验值，依据其影响程度，选择与之匹配的投资计划。
比如，海底捞在顾客是一个人到店吃饭的时候，为了减少你独自用餐的尴尬感，餐厅会为你提供一个大的毛绒玩具坐在对面。
但是这样的办法并非所有顾客都会喜欢，在公开的场合下更引人注意，顾客的体验反而不好。
当意识到这种情况后，餐厅开展了新的体验投资计划。专门为单独用餐的顾客准备独享的区域。在这个区域，餐桌被分隔成“小隔间”，通过隔板将你与其他单独用餐的顾客隔开。这样，你就可以在享用自己的小火锅的同时，享受到一定的隐私和安静。
我这样讲，相信应该能够表达到意思了。
体验数字化 MVP 需要在数据维度构建的层面，能够找到这 4 个核心方面，分别是：目标客户、接触点（含体验方法）、体验值、投资计划（含触发机制）。
目标客户识别，就是通过标签来表达客户是谁。
在体验数字化的投资上，个性化的规模化是终极要解决的问题，当下可以先解决针对某一类型的客户群，为他们提供去提供体验方案。
一般来说，从业务视角出发，会优先选择目标客户中典型（高净值）的群体。群体画像的构建可以从基本信息、社交网络、购买能力、行为特征、心理特征以及兴趣爱好等等进行侧写。
如果有ID-Mapping（统一身份识别ID）条件的话，这个还可以帮助你区分不同渠道，线上/线下的重合客户识别，还原客户完整的场景。
对于接触点的部分，是客户与服务、产品、品牌或组织的互动点。主要会区分为：物理接触点、数字接触点、人际接触点。
我们以往时间和资源充裕的时候，会先从旅程梳理做起。旅程是辅助思考的框架，从执行者的角度出发，需要的是还原场景接触点发生的情景。
这里我给你提供一个客户基于接触点的体验感受分析画布，你可以以此作为启发式的接触点走查。
基于场景表演、采用故事板或图表将客户的体验和感受进行视觉化呈现。详细列举出这个流程关键点的所有角色、行动、体验感受、环境因素等内容。
以场景接触点为核心挖掘需求，希望一级场景能够独立穷尽，也希望二级和三级场景的描述足够深入具体，且和我们的技术及商业可行性高相关。
结合每个 JTBD 访谈，每个接触点获得 5-8 条场景故事，这些鲜活的场景故事是最重要的基础素材。
以星巴克为例子。
星巴克通过接触点传达理念，用户则是通过“五感”感知品牌。
在五感（视觉/触觉/味觉/嗅觉/听觉）的设定下，可以通过把这些接触点按照物理、数字和人际三种类型进行划分。
这个过程是为了帮助你进行品牌的接触点盘点，找到团队认知以内的接触点都有哪些。
另外，你也可以参考星巴克“五感”比例 & 优先级原则，进行更进一步的细化。
比如：装修风格和细节衬托主调性，视觉和触觉优先级最高，味觉凸显餐饮的丰富度，嗅觉注重在餐区，环境嘈杂尽可能弱化听觉。
接触点盘点出来之后，我们接下来的任务就是要对这些接触点进行「优先级评估矩阵」的操作。
我来给你讲解一下接触点「优先级评估矩阵」背后的逻辑。
矩阵横坐标为“接触量”，你可以理解为某个平均量级（量级可自定义）的客户会经过这个接触点的比例。
比如 100 个客户在购买时，95 个都会去电商平台比价。那个这个接触量可以理解为 95/100，属于比较高的接触量。
矩阵纵坐标为“客户涉入度”，你可以理解为平均客户会在某个接触点互动的深度，较为常规的可以使用：停留时长、跳转页面、商品浏览数量等等作为考核标准。
比如，客户在电商平台停留的平均时间只有 2 分钟，相对于其他接触点 5 分钟来说，属于相对较低的涉入度。
通过两个变量的交叉分析，其实是应用了一个相对通用的概念来找出关键接触点，即：互动的深度。
高接触量+高涉入度的接触点，由于互动的深度比较高，则有更大几率、更多时间为客户提供服务，因此是关键接触点（MOT）的几率也就更大。
在还未涉及具体业务的情况下，这是一种非常高效找出关键接触点（MOT）的办法。
当你自己要在企业当中实际操作的时候，具体环节可以分为 2 个重点步骤。
找到关键接触点（MOT）之后，接下来就是通过设计反馈触发机制，在合适的时机自动触发调查，获取客户对该接触点的体验值反馈。
时机的选择其中的重点。触发时机是一个需要综合考虑多个因素的任务，其中包括用户的行为、任务的连续性、页面的内容和用户的情绪等。
所以，为了能够友好地回去反馈。你可以基于“触达判定、弹出时机、频次限制、进入条件以及触达方式”进行组合策略设计。
以下是一些可以考虑的原则和策略：
以上是一些一般的原则和策略，具体的选择需要根据你的用户群体、服务类型、问卷内容等因素来决定。同时，也可以通过A/B测试等方法来验证不同弹出时机的效果，以便进行优化。
除此之外，纯线下服务的部分，你可以通过短信、电话回访等方式进行，同样也是需要注意方法和技巧。
前三个步骤操作下来，你其实已经获得了相应的体验数字化的原料，接下来就是通过结构化的方式，以体验策略的概念，进行客户体验数据模型构建。
1）客户维度：
企业的产品或服务面对的客户自然属性不同，其客户体验和感受也各不相同。可以通过一些定性维度（职业/城市/年龄/收入状况等等）或者类似RFM的聚类方法，进行客户细分。还是资源的问题，不能针对每一个客户去定制情感曲线，而要对一类客户群进行策划。
所以，在数据模型上，需要能够对客户群体进行综合性的定义，并把客户进行客户群体的划分。
2）时间维度：
客户体验在生命周期上会分为多个阶段，需要时间去经历或完成特定的事件，不同时间点客户会有不同的体验效果。
客户群的识别，还需要结合生命周期所处的阶段，这样才能够获得对该客户的体验策略。
3）接触点维度：
对于不同的企业来说，与客户产生交互的接触点非常多，客户与企业接触点交互的频率和强度不同，对客户感知价值造成的影响也有所不同。
在有限成本投入的情况下，需要进行优先级排序，分阶段分批次分步骤进行接触点的优化。
重点关注：低谷、峰值、终点这三类接触点。
那在数据模型上，需要能具体具体定义关键接触点，并就关键接触点的不同体验值，匹配相应的体验方案，以及投资方案。
4）体验指数维度：
采集客户在每个接触点上的情感体验，分析出在交互过程中客户情感变化的曲线。
这个环节，我们需要构建出能够反应客户情感高低状态的评价标准。这个部分就是对应到接触点维度的量化评价。这里谈的体验值可以是单指标，也可以是聚合的多指标，取决于你实际业务的需求。
以预约试驾场景作为例子：
我们知道预约试驾这个场景对于汽车销售和营销来说非常重要。通过预约试驾，潜在客户可以亲身感受汽车的性能和驾驶体验，从而更容易被说服购买该车型，从而提高潜在客户的转化率。
在这个场景当中的目标客户，汽车行业通常以有意向到店试驾的群体（客户维度），以及到店的意向时间（时间维度）作为意向程度的分层标准。
可以得到的客户体验数据模型大致理解为：
客户群体一般会分为：L1 级客户（低净值客户）、L2 级客户（中净值客户）、L3 级客户（高净值客户）、L4 级客户（超高净值客户）。
在试驾场景，客户生命周期可以划分为：S 阶（ 7 天内有意向到店试驾）、A 阶（ 15 天内有意向到店试驾）、B 阶（ 30 天内有意向到店试驾）、C 阶（未到店试驾的客户）。
对于不同等级的客户，在不同的关键接触点上，会有影响力的差别。
举个例子（便于理解，我用虚构数据作为效果展示）：
假设你现在服务的客户是属于 {L3}高净值客户，{S级} 7天内有意向到店试驾，主要的接触点是{T1}微信沟通，这个接触点{5}非常重要。
对应的，你提供的体验方案是：以真实身份 1V1 跟进（建立强信任感），根据不同试驾模式匹配陪伴服务。
在客户的反馈当中发现，在{T1}微信沟通这个接触点，客户的体验值{3}一般。公司特别重视这个接触点，并且有要求需要在这个环节做到 4 及以上的水平。
因此要触发投资方案：体验值未达 4 分及以上，一周内，店长亲自督导整改。
这就是一个完整的基于接触点出发，应对客户满意或体验提升的解决之道，也可以理解为这就是体验策略的数字化。
当然这只是一类群体，一类接触点… 不同的组合会匹配不同的体验方案，不同的体验值也会触发不同的投资方案。
体验的数字化工作，非必要不要搞得太高大上，实实在在把一条条的体验策略进行整理，这件事其实已经完成了一大半。
这些体验策略梳理准备好之后，我认为后续才是在选择合适的技术平台或者工具进行整合，以技术驱动的方式进行规模化实施。
在技术选择上，要确保你选择的平台或工具（外采或自建）能够支持你的体验策略，并且具有足够的灵活性和可扩展性，以适应你的业务发展和变化。
同时，你也需要考虑到成本、安全性、易用性等因素。
这样增加的技术、人员或营销投入，可以带来真正的效果。
最后，拿到体验策略的数据之后，免不了需要继续进一步做分析，找到数据间的关系，也要找到证据可以打动管理者加大资源的投资。
基于我们前面构建的客户体验数据模型，完全能够让你从各个维度进行比对，客户维度 VS 时间维度 VS 接触点维度 VS 体验指数维度。
利用客户体验管理交叉分析模型，可以帮助你高效筛选意向客户，防止低意向客户迅速流失。
比如，在试驾场景中，你可以选择接触点 {影响力水平} 和 {体验值水平} ，可以得到一个 BCG 矩阵，在四象限的分析中，可以找到哪些接触点究竟是属于：战略优势或保留的主场、关键的弱点或主要的机会、潜在的弱点或次要的机会，还有潜在差异性或可能的过度投资。
你也可以根据「时间维度VS接触点维度」或者「客户维度 VS时间维度」等等的两两组合交叉分析，更多的体验数据的洞察，等待你自己动手来挖掘！
随着“以客户为中心”的理念日益被广大人群接受和重视，体验的数字化工作也催生了一系列创新的技术方法。
对于我们这些致力于提升客户体验的专业人士来说，有些变化是可以预见的，但也有更多的复杂情况需要我们去面对和解决。
例如，随着大数据、人工智能和机器学习等技术的发展，我们有更多的工具和手段去理解和满足客户的需求。
同时，随着社交媒体和移动设备的普及，客户的行为和偏好也在发生变化，我们需要适应这些变化，提供更加个性化和方便的服务。
体验的数字化工作不会一帆风顺。
我希望大家可以学会拥抱新的技术和方法，尝试更多地把类似 ChatGPT的 AI 工具应用到我们具体的体验数字化工作当中，不断更新和学习新的知识和技能，以适应快速变化的环境。
这里提供的是对于开始体验数字化工作问题拆解的思路，在其他工作当中，可以基于这个思路拓展。在客户体验提升同样要追求快速和低成本。
专栏作家
龙国富，公众号：龙国富，人人都是产品经理专栏作家，CxHub主理人。致力于终身学习和自我提升，分享用户研究、客户体验、服务科学等领域资讯，观点和个人见解。
本文原创发布于人人都是产品经理，未经授权，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。
此内容由惯性聚合(RSS阅读器)自动聚合整理，仅供阅读参考。 原文来自 — 版权归原作者所有。