提到數(shù)據(jù)驅(qū)動運(yùn)營,說的比較多的是產(chǎn)品運(yùn)營、用戶運(yùn)營、內(nèi)容運(yùn)營和活動運(yùn)營，而對服務(wù)運(yùn)營卻鮮有提及。并非大數(shù)據(jù)在服務(wù)運(yùn)營中就無能為力了，事實(shí)上，用數(shù)據(jù)化的方法和手段在服務(wù)運(yùn)營中也是大有可為的。今天我們要討論的話題是如何用數(shù)據(jù)來驅(qū)動服務(wù)運(yùn)營。

一、什么是服務(wù)運(yùn)營

在商業(yè)領(lǐng)域，服務(wù)指為用戶做工作，滿足用戶需求或解決用戶遇到的問題，并使用戶從中受益的一種有償或無償?shù)幕顒印?strong>服務(wù)運(yùn)營則是指為解決服務(wù)過程中存在的問題而開展的一系列的運(yùn)營工作，這些工作包括：服務(wù)內(nèi)容設(shè)計、標(biāo)準(zhǔn)制定、資源協(xié)調(diào)、服務(wù)執(zhí)行與交付、服務(wù)監(jiān)測和評估等。服務(wù)運(yùn)營雖然是產(chǎn)品價值鏈的后端延伸部分，但卻是產(chǎn)品最終實(shí)現(xiàn)價值的、不可或缺的組成部分。

二、為什么需要用數(shù)據(jù)驅(qū)動服務(wù)運(yùn)營？

傳統(tǒng)的服務(wù)運(yùn)營通常存在四個方面的問題：

1、需求洞察：主要依靠實(shí)證調(diào)查，數(shù)據(jù)獲取成本高

為了解用戶的服務(wù)期望與需求，企業(yè)通常的做法是采取用戶調(diào)研，通過電話訪問、問卷調(diào)查等實(shí)證手段來收集用戶反饋和評價。采取這些用戶調(diào)查的手段收集用戶需求，往往需要借助外部市場調(diào)研公司的力量來完成，市場調(diào)研的執(zhí)行周期長、費(fèi)用高，還對用戶有一定的騷擾，但用戶調(diào)研回收的數(shù)據(jù)量有限，不一定能找到用戶的真實(shí)訴求。如果服務(wù)運(yùn)營人員親自去業(yè)務(wù)場景中挖掘用戶需求的話，一方面耗費(fèi)時間長，另一方面可能會加入個人主觀因素，看到的不一定很全面。所以，需要在實(shí)證調(diào)查之外，開發(fā)更多的用戶需求挖掘和分析的手段。

2、質(zhì)量監(jiān)測：以結(jié)果性指標(biāo)為主，缺乏過程性指標(biāo)

為診斷服務(wù)問題、發(fā)現(xiàn)服務(wù)短板，企業(yè)經(jīng)常會開展服務(wù)質(zhì)量監(jiān)測與評估工作，通常的做法就是進(jìn)行用戶滿意度調(diào)研。類似于滿意度等感知類指標(biāo)往往都是結(jié)果性指標(biāo)，是用戶在事后才反饋出來的數(shù)據(jù)，這種數(shù)據(jù)的時效性較差，不一定能真實(shí)反映當(dāng)時的情況。因此，為真實(shí)測評每次服務(wù)的真實(shí)感知，需要讓用戶很方便的對每次服務(wù)做出及時的評價。同時，服務(wù)質(zhì)量監(jiān)測應(yīng)增設(shè)更多的過程性指標(biāo)，特別是涉及服務(wù)動作分解的行為類指標(biāo)。因?yàn)?，有時候用戶服務(wù)感知的評價指標(biāo)不一定準(zhǔn)確可靠，需要結(jié)合每次服務(wù)交付過程中的具體動作做聯(lián)合分析，才能給出較全面的服務(wù)質(zhì)量監(jiān)測結(jié)果。

3、服務(wù)交付：以被動服務(wù)為主，服務(wù)重標(biāo)準(zhǔn)化、輕個性化

在服務(wù)交付過程中，企業(yè)通常的情況是被動救火式的處理各種問題，見招拆招、疲于應(yīng)付。如果能在問題出現(xiàn)之前，提前做好預(yù)判，并將相關(guān)服務(wù)前置的話，就可能會減少很多投訴問題的發(fā)生，這對于提高用戶感知是大有益處的。另外，一線服務(wù)人員在服務(wù)交付時是按照服務(wù)標(biāo)準(zhǔn)來執(zhí)行，往往能按部就班的去做到，但是缺乏在標(biāo)準(zhǔn)之下的靈活性，用戶的個性化需求難以得到滿足，這樣即使企業(yè)提供了很符合標(biāo)準(zhǔn)要求的服務(wù)，但還是不一定能用戶有好的服務(wù)體驗(yàn)。

4、服務(wù)效率：服務(wù)主要依賴人工，效率低、成本高

在勞動力密集型的服務(wù)行業(yè)，服務(wù)的交付往往靠人工面對面來完成，服務(wù)作業(yè)的在線化程度低，人工服務(wù)成本高，人均效率還不一定高。特別是對于一些簡單的、重復(fù)性較高的標(biāo)準(zhǔn)化服務(wù)環(huán)節(jié)，可以逐步的分流給機(jī)器和自助設(shè)備來操作。這樣就能減少對人工服務(wù)的依賴，解放部分人工和物力，將這些資源投入到更有價值的服務(wù)場景中。

以上這四個方面的服務(wù)運(yùn)營問題，在充分融合數(shù)據(jù)技術(shù)后，能在一定程度上得到緩解。在用戶需求分析時，利用自然語言處理、音視頻處理技術(shù)，可以采集到更多的用戶數(shù)據(jù)，細(xì)致全面的偵測到用戶的需求；在服務(wù)質(zhì)量監(jiān)測時，引入更多過程性指標(biāo)數(shù)據(jù)，結(jié)合前后臺相關(guān)數(shù)據(jù)，可以形成更及時、更客觀的分析；在服務(wù)交付時，利用數(shù)據(jù)可以偵測到問題征兆，可以提前做好服務(wù)準(zhǔn)備，還可以基于用戶分類分級，為用戶提供更貼心的個性化服務(wù)；在服務(wù)效率提升方面，可以基于知識圖譜技術(shù)等手段建立機(jī)器人服務(wù)機(jī)制，提高服務(wù)效率?？傊?，數(shù)據(jù)驅(qū)動的服務(wù)運(yùn)營將更高效、更智能。

三、如何用數(shù)據(jù)驅(qū)動服務(wù)運(yùn)營？

數(shù)據(jù)化的方法和手段可以滲透到服務(wù)運(yùn)營的諸多環(huán)節(jié)，筆者選取了以下六個方面進(jìn)行闡述：

1、 利用自然語言處理和文本挖掘技術(shù)洞察用戶需求

自然語言處理研究的是能實(shí)現(xiàn)人與計算機(jī)之間用自然語言進(jìn)行有效通信的各種理論和方法，而文本挖掘是對文本進(jìn)行分析處理，將其轉(zhuǎn)化為結(jié)構(gòu)化數(shù)據(jù)，并從中提取有價值信息的計算機(jī)技術(shù)。文本挖掘，首先對文本做分詞的基礎(chǔ)上抽取特征，將文本數(shù)據(jù)轉(zhuǎn)化為可供分析的結(jié)構(gòu)化數(shù)據(jù)，然后利用分類、聚類、關(guān)聯(lián)分析等技術(shù)實(shí)現(xiàn)相應(yīng)的目標(biāo)。

隨著電商購物的滲透率越來越高，用戶在購物網(wǎng)站上會留下越來越多的在線評論，這些在線評論中往往隱藏著用戶的需求，通過自然語言處理（NLP）技術(shù)和文本挖掘技術(shù)能提取評論中的有價值的信息，已經(jīng)被證實(shí)是可以高效挖掘用戶需求的新模式。例如：某公司技術(shù)人員從某電商平臺上隨機(jī)抽取15000條護(hù)膚品類產(chǎn)品的評論，采取自然語言處理與文本挖掘技術(shù)提取了用戶需求（如下圖），并將提煉的結(jié)果與其他同事訪談法提煉的需求作對照。他們發(fā)現(xiàn)，超過95%的已知用戶需求都能從在線評論中提取。此外，還從用戶評論中發(fā)現(xiàn)了5個新需求。

2、構(gòu)建更全面的服務(wù)質(zhì)量監(jiān)測指標(biāo)體系

 由于服務(wù)實(shí)際上是由前后臺相關(guān)部門共同完成的，而用戶往往接觸到的只是交互界面上的部分環(huán)節(jié)。為了全面監(jiān)測服務(wù)質(zhì)量，需要從服務(wù)的實(shí)現(xiàn)過程到交付完成、再到用戶感知層面進(jìn)行綜合評估，評估指標(biāo)既要有結(jié)果類指標(biāo)，還要有過程性指標(biāo)。例如：某運(yùn)營商在做服務(wù)質(zhì)量監(jiān)測時，從支撐、交付和感知三個維度構(gòu)建了監(jiān)測指標(biāo)體系，并制定了各指標(biāo)的評分標(biāo)準(zhǔn)，通過數(shù)據(jù)大屏的形式實(shí)時監(jiān)測這些指標(biāo)的變化。

3、基于用戶畫像開展“渠道-用戶-服務(wù)”相匹配的精準(zhǔn)服務(wù)

為提升服務(wù)體驗(yàn)，滿足用戶個性化需求，企業(yè)需要基于標(biāo)簽畫像對用戶進(jìn)行進(jìn)一步的分類分級，開展“渠道-用戶-服務(wù)”三方面相匹配的精準(zhǔn)服務(wù)。以某公司為例，他們首先構(gòu)建以客戶基本特征、興趣愛好、社會特征及電信特征為中心的PCST客戶標(biāo)簽分類體系。再根據(jù)數(shù)據(jù)標(biāo)簽，提煉用戶相關(guān)偏好，基于每個細(xì)分用戶群的偏好特征，不斷匹配和積累產(chǎn)品、渠道、場景等方面的服務(wù)規(guī)則。結(jié)合細(xì)分用戶群特征，支撐各類營銷活動的目標(biāo)用戶識別和提取，為產(chǎn)品和服務(wù)找到目標(biāo)用戶?；谟脩舻燃壧峁┎町惢?wù)，滿足用戶個性化服務(wù)需求。

4、基于用戶智能識別模型提供主動服務(wù)

 艾伯特-拉斯洛·巴拉巴西是美國東北大學(xué)教授網(wǎng)絡(luò)科學(xué)研究中心的創(chuàng)始人、主任，也是全球社會網(wǎng)絡(luò)的領(lǐng)軍人物、“無尺度網(wǎng)絡(luò)”創(chuàng)立者，他曾指出：人類行為93%是可以預(yù)測的。無論是自然界還是人造世界，許多事情遵循冪律分布，一旦冪律出現(xiàn)，爆發(fā)點(diǎn)就會出現(xiàn)?；诖死碚摽梢宰龀鲆韵峦茢啵捍罅坑脩粼谂c企業(yè)的長期接觸和互動過程中會留存很多痕跡，這些痕跡是能提煉出一些有規(guī)律的用戶行為模式，具有相同模式的用戶應(yīng)該存在類似的需求。某電信運(yùn)營商客服中心基于此推斷，開展了基于用戶智能識別模型的主動服務(wù)嘗試。用戶智能識別模型基本原理如圖所示，其基本思想是從種子用戶群的數(shù)據(jù)中提煉出典型的行為軌跡模式，再將其他用戶的行為軌跡與這些行為軌跡模式進(jìn)行比對，才從而預(yù)測目標(biāo)用戶的可能需求。

用戶智能識別模型的結(jié)果可應(yīng)用于用戶實(shí)時畫像、話務(wù)分流和精準(zhǔn)營銷場景下。在話務(wù)分流場景下，提前識別用戶的呼入需求，并針對用戶呼入后可能產(chǎn)生人工話務(wù)的環(huán)節(jié)進(jìn)行提前干預(yù)，采取主動服務(wù)方式，可抑制用戶的人工話務(wù)量。在實(shí)際項(xiàng)目試點(diǎn)中，篩選出可做話務(wù)分流的規(guī)則和用戶后，通過優(yōu)化短信內(nèi)容、IVR個性化設(shè)計、其它渠道推薦等方式，可減少人工呼入約13.8萬次/月，可減少人工服務(wù)時長約11.9萬分鐘/月。

5、基于知識圖譜和智能語音技術(shù)提供機(jī)器人應(yīng)答服務(wù)

用戶聯(lián)絡(luò)中心沉淀了大量的用戶服務(wù)案例，對這些案例的海量內(nèi)容資源進(jìn)行碎片化、結(jié)構(gòu)化處理，將內(nèi)容切成不同顆粒度的知識片段，并加注語義標(biāo)簽，挖掘各類關(guān)系，組織領(lǐng)域知識圖譜，可構(gòu)建專業(yè)的知識庫。在服務(wù)過程中，將相關(guān)知識輸入到在線服務(wù)機(jī)器人的大腦中，可以大大提升其專業(yè)度與處理效率。例如：某移動公司研發(fā)了智能應(yīng)答機(jī)器人，通過引入語音轉(zhuǎn)寫軟件，打造基于智能語音技術(shù)（語音合成、語音識別、自然語言理解）的交互控制系統(tǒng)，將客戶問題即時語音轉(zhuǎn)寫為文本信息，無需手動輸入問題內(nèi)容，交互極為快捷方便。在專業(yè)知識庫的支持下，系統(tǒng)和用戶基于智能語音技術(shù)進(jìn)行直接溝通，語音實(shí)時轉(zhuǎn)文字，關(guān)鍵語義提取，以智慧、活潑的業(yè)務(wù)助理方式幫助客戶解決問題，真正實(shí)現(xiàn)智能機(jī)器人“快捷、智能、貼心”的目標(biāo)。

 6、基于NLP和CNN建立投訴工單智能分類模型

客服工作中會涉及大量的工單處理工作，客服需要將工單轉(zhuǎn)發(fā)到相應(yīng)的職能部門進(jìn)行處理，再向客戶返回處理結(jié)果。首要環(huán)節(jié)就是工單的有效分派，如果出現(xiàn)工單分派錯誤的情況，就會影響工單的順利流轉(zhuǎn)。傳統(tǒng)的工單分類依靠人工，基于對工單內(nèi)容的理解手動分類方式，這對于短期少量投訴工單分類還是很有效的。但是隨著投訴工單數(shù)量的不斷增長，網(wǎng)絡(luò)新用詞語的不斷增多，不同客服人員理解上的偏差，傳統(tǒng)的人工分類方式已經(jīng)不能滿足這一需求，如何快而準(zhǔn)地對投訴工單文本進(jìn)行分類亟需解決。

例如：某移動公司按照數(shù)據(jù)采集、數(shù)據(jù)清洗、高頻次統(tǒng)計、模型訓(xùn)練四個步驟，建立了基于NLP和CNN建立投訴工單智能分類模型，不僅大大提升了投訴工單文本分類的效率，還在一定程度上避免了客服人為分類時的疏忽大意以及理解不當(dāng)造成的分類錯誤的問題。

四、小結(jié)

服務(wù)運(yùn)營雖然處在產(chǎn)品價值鏈的末端，但對于維系用戶、提升用戶價值具有不可忽視的作用。伴隨著大數(shù)據(jù)與人工智能技術(shù)的進(jìn)步，散落在各個服務(wù)接觸點(diǎn)的文本數(shù)據(jù)、音視頻數(shù)據(jù)都能很好的被收集和解析，自然語言處理技術(shù)、知識圖譜技術(shù)等將有廣泛的應(yīng)用空間，再加上5G技術(shù)的成熟，將來會有云服務(wù)機(jī)器人、VR+AR服務(wù)等等新模式為用戶提供更加智能化的服務(wù)，到時候數(shù)據(jù)驅(qū)動的服務(wù)運(yùn)營將步入一個嶄新的境界。

-END-