本文来自微信公众号 “龙国富”，作者：龙国富，纷传经授权发布。

写在前面

客户的声音（Voice of Customer，VoC）是一个商业术语。

根据国际知名研究机构 Forrester 的定义，VoC 指的是收集、分析客户反馈数据，挖掘数据价值并用于指导商业决策的一整套方案。

不同收集方式和时间节点所收集到的 VoC，对于客户体验来说，天差地别。

今天我们就聊一聊，如何巧妙结合反应式和主动式 VOC 数据改善客户体验 。

Enjoy～

01

反应式VoC是什么？

在阿里客户体验事业群，会开展像“亲听”、“ 9 点电台”等 VoC 项目，让业务决策者能够跳出自身角色，深入到一线，倾听客户最真实的声音，可以更好地做出业务决策。

这类型属于我们比较常见的反应式 VoC，表现为??客户在使用/体验完产品或服务之后，企业会收集到的数据。

数据来源会多以客户投诉、退换货、维修索赔、社交媒体评论、在线评价等等形式出现。

02

收集反应式VoC的优缺点

反应式 VoC 数据的优点在于：数据相对容易获得，我们可以对发生频率的记录帮忙定义缺陷，以及其影响程度。

它可以帮助企业：

1）找出产品或服务在哪些方面给客户带来了麻烦。

2）客户哪些需求没有得到满足。

3）以及客户对于企业未来的期望（新产品、服务和功能）。

? 举个例子，企业多次收到客户的投诉电话，说没有如期收到包裹，那么企业应该追查为什么「延迟交货」的根本原因。

通过反馈跟进和积极改善现有业务，如果客户对延迟交货的投诉量减少，就可以确定纠正此问题的措施是有效的。

缺点在于：数据是滞后性的，只有当问题多次出现了，企业才会知道并重视起来。

事实上，一些客户会通过不再购买来体现对企业的不满。

如果企业心存侥幸，等着客户投诉之后再来处理，那么久而久之，客户的离开会让你措不及防。

没错！怕的不是投诉，而是：客户离开你的时候，往往是连被投诉的机会都不会给你的！

所以，应对客户反应式 VoC 数据缺陷的办法，就是收集主动式 VoC 的数据。

是的，要主动出击???！

03

主动式VoC

市场研究工作中收集到有关潜在新产品或服务的数据，比如消费者对产品口味或外包装的看法，与竞争对手的比较信息等等。

客户在与企业产品或品牌产生交互之前，在主动了解客户需求过程中被收集到的数据，强调提前发现问题，属于主动式的 VoC 数据。

数据来源主要包括：与潜在客户的访谈、焦点小组、调查、市场研究和基准测试等等。

04

收集主动式VoC的优缺点

收集主动式 VoC 的前提是，需要制定一个具有明确操作定义的收集计划。

这个计划经过利益相关者、流程所有者以及（当前&潜在）客户的审查。

优点在于：通过前期的调研规划新产品和服务，记录不断变化的客户关键质量问题。

能够先于客户互动前发现问题，并避免可能的糟糕客户体验。

缺点在于：就收集过程和时效性而言，这类数据可能比较难以获得。

较为常见的原因有 3 类：

1）客户调查和焦点小组所覆盖客户群相对局限，小样本的调研对于客户需求的洞察会有所偏颇。

2）调研结论的因应消费者需求的快速变化，会出现时效性层面的问题。

3）专业的市场调查报告费用高昂，同时不一定适用于公司特定的客户群体。

如果你们公司有专门用研部门的话，那这部分数据其实一直有在做。

问题是，在数据实际应用上，反应式 VoC 分属客服部，两者割裂在不同的业务单元，彼此数据不互通，并没有发挥出应有的数据价值。

也正因为如此，客服部门只能针对“问题的症状”而不触及“根本原因”去解决客户的问题，虽然这的确可以带来短期效益。

长期来看，问题会重新出现，客服部门的同事也会陷入疲于奔命“救火???”的循环。

05

如何结合两种VoC？

把两种本来分属于不同业务单元 VoC 的数据结合在一起，形成新的 VoC 客户需求洞察机制，是我认为可以尝试的方式。

我以表格的方式整理出来方便大家进行对照，回顾总结一下前面的内容。

反应式 VoC 数据帮助企业，使用客户的语言、客户的视角来定义缺陷。

主动式 VoC 数据则帮助企业在产品或服务缺陷对客户造成影响之前，就提前预防缺陷的发生。

在实际应用中，具体可以怎么结合使用呢？

你可以让用研部门和客服部门在同一需求池中进行记录，定期召开会议共创，双向对齐 VoC 和进行需求关联绑定。

? 以手机拍照功能为例。

在共创会上，你发现了客户对于手机拍照功能的不同见解。

反应式 VoC 会关注当下客户反馈“拍照不好看”，那么对应产生的解决方案就是，让工程研发部门可以提高摄像头像素、运营部门可以加大对手机拍照技巧的宣传。

那主动式 VoC 会关注在客户对未来手机期望上，了解到客户希望能够傻瓜式就可以拍出好看的照片，那么对应产生的解决方案就是，开发 AI 自动美化照片。

结合两者，手机的摄像头像素的提高对于成像来讲并不是毫无作用，在其它的元件、算法相同的情况下，用高像素手机拍出的照片确实是更加清晰，画质更好。

但达到了某个值之后，综合客户感知价值和商业价值，我们可以发现摄像头的高像素，并不是未来客户需求的必要选项。

回看 iPhone 手机的摄像头像素，像素在其中的影响力还是比较小的，不然为什么苹果到现在都一直在使用 1200 万的像素呢！

而开发 AI 立体美颜，就是会根据你的五官、脸型和肤质自动匹配出一套专属于你的美颜等智能拍照方案，不需要自己进行美颜方案的手动调整，最后一定能够将你的美展现出来，这更重要一些。

所以结合两种 VoC，结论是：后续手机上支持引导客户无脑操作，拍出的照片 AI 自动优化。

是的，旧壶装新酒，如此稍作结合便可以为你的产品/服务产生新的助益。

06

我想说

这两种类型的数据都很重要，属于彼此之间依赖的关系。

VoC 数据收集的目的不能只是简单的水平测试，要在旅程中找到引发满意和糟糕体验的关键时刻，发现并解决问题，主动改善客户体验。

结合后的前瞻性的 VoC 数据，不仅有助于企业理解当下状况，还在决策上将资源放在公司未来发展的重要问题上，指导把研发资金投资到关键的地方。

企业使用反应式 VoC 数据作为依据，也可以反推该在什么环节进行主动式 VoC 数据设计收集计划，在我目前看来，也是直接有效的方法。

巧妙结合反应式和主动式 VOC 数据，聚焦在关键问题上，有助于避免我们“摸黑走夜路”。

以上。