掌握「樣本=母體」的精確分析 (Precise Analytic with“Sample = Population”)

在麥爾荀伯格(Viktor Mayer-Schonberger)和庫基耶(Kenneth Cukier) 合寫的《大數據》一書中,提到Big Data的幾個重要觀念,如「巨量資料」、「海量資料」、「大數據」,其中「樣本=母體」的時代來臨」更是引人注意。過去資料不足的時代,或因為工具不足,技術無法在短時間內,掌握到全體的資料,只好抽取樣本,發展種種統計技巧去推估母體的概況。但是在巨量資料時代,掌握全體的資料已不是夢。

有很長一段時間,隨機抽樣確實是ㄧ條良好的捷徑,當世界還沒有良好的數位科技之前,也能夠大量分析資料來解決問題。一直以來 我們都知道採用抽樣必須付出代價,包括95%的信心指數下,存在3%的誤差,然而,如果母體很大,大到這3%誤差還是太大時,該怎麼辦?還有,樣本不是一切,讓我們看不到細節。

以客服中心的運作為例,非常在意客戶心聲 (VoC:Voice of Customer),尤其是有異音(抱怨)的客戶來電,這代表高危險可能流失的客戶。過去的質檢模式,抽樣是唯一可行的做法,直到今天,因為技術的支援,讓最好的搜集完整資料模式,也就是「樣本=母體」成為可行。

187-1-2

圖1:在抽樣時代,客服中心平均抽取1%樣本,代表所有客戶來電,無法100%搜集到高危險群的不滿意客戶訊息。

187-1-3

圖2:在『樣本=母體』時代,每次與客戶間的互動都能經分析技術管理工具標示為正常通話或異常電話,主管容易掌握異常狀態,及時管理 。

身處於O2O (Online to Offline)年代的消費者,非常善於整合運用企業提供的資源與企業同時在線上與線下交流互動。譬如父親節來臨,消費者想買一台按摩椅孝敬老爸,精明的顧客會先在網路上蒐集資訊,同時詢問已購人員使用口碑(滿意度),進而找尋臨近的實體通路,體驗真實服務,等到要購買時,更會尋找最佳購買模式(尋找最低售價,分期付款,或有會員紅利積點可扣抵的信用卡公司….etc.),企業面臨的挑戰包括要能管理與客戶間多元的服務管道(Omni-channel),讓客戶的線上黏/線下親的服務體驗經驗無差異,以及資訊整合,全面掌握顧客此次消費時在實體通路的體驗,社交網站的文字互動,還是與線上客服人員的語音聯繫。目前企業面臨的挑戰,也是全面服務時代,企業能否有競爭力的關鍵就是,得讓客戶與我們任一服務管道互動的經驗都得一致,還有就是能否掌握「巨量資料」的精髓,由顧客反饋的資料匯整為可分析的數據,進一步展開預測,推估未來商業行為。

187-1-4

VoCA 客戶心聲戰略解決方案

也因此,VoC客戶心聲戰略解決方案應運而生,其最終目的就是能充分瞭解客戶心聲,進而預測未來消費者行為,提早因應,掌握商機。文本資料分析就是提供VoC 的重要BI工具。

187-1-5

圖4: 語音辨識技術是VoC 的BI工具中重要的環節。

文本指經由具像化的過程所呈現的內容物,此內容可以來自文件、圖像、聲音等。文本分析是從閱讀活動中,透過對紙本、圖片、影像、錄音檔等類型的資料進行分析,針對語句、結構、符號加以探究,以歸納出現象可能意涵的歷程。尤其聲音,經由STT 技術 (Speech to Text),將聲音文字化,深度分析客戶之聲音內容,包括業務模型聚焦與情緒偵測,找出問題根源。BI工具能自動提供 Hot word 與Key word,提供企業進行CRM 分析與預測。

187-1-6

187-1-7

以某信用卡公司的VoC經驗為例,他們的STT BI工具將iPhone 列為最近半個月內的Hot word 第一名, 客戶來電都提到 iPhone, 這個結果有別於過去經驗與管理者關注的關鍵字。 經由大量文本分析的資料解讀後,CRM小組發現當iPhone 新發表之後,有很多客戶會關心自己的信用卡額度,想進一步瞭解分期之利率等等. ,CRM小組很快就來電客戶的屬性與需求,擬定了一個吸引特定族群的促銷方案,同時主動匯報給行銷部門,完成一項成功的專案。

也因此,我們在此做個簡短的結論,要掌握「樣本=母體」的精確分析,企業必須擁有合手的武器,善用語音分析工具來提升企業的回應市場速度,為企業新年度最值得投資的戰略工具。

廣告

發表迴響

在下方填入你的資料或按右方圖示以社群網站登入:

WordPress.com 標誌

您的留言將使用 WordPress.com 帳號。 登出 /  變更 )

Google+ photo

您的留言將使用 Google+ 帳號。 登出 /  變更 )

Twitter picture

您的留言將使用 Twitter 帳號。 登出 /  變更 )

Facebook照片

您的留言將使用 Facebook 帳號。 登出 /  變更 )

連結到 %s