这是一项持久的业务挑战: 在一个成熟、饱和、高度监管的行业如何提高客户满意度,增加利润? 传统的解决方案专注于在边缘的增量付出 —— 定价、产品调整、削减劳资。这些经常导致糟糕的客户服务和无利可图的折扣。
一种基于可靠的分析技术的不同方法能支持更为积极和可持续的结果。面对每天数以百万计互动的客户服务，是应该实施这种方法的地方。
预测分析的发展让金融机构对客户的需求,情感和行为有了更深的理解。有了更好的洞察力, 金融机构可以实现高度精确的建模功能,在每一次接触过程中改善客户体验。此外, 业务运营中的整合分析和建模能长期支撑盈利能力和客户满意度。
一种分析方法可以用来解决两个关键问题:客户流失率和提供无效的交叉销售。
客户流失率是一个有代价的、永恒的问题。金融机构需要更好地预测客户的不满，预防客户流失的基础。当金融机构不能充分理解客户的需要和情绪时, 交互服务往往变得被动和低效地解决客户的问题。这导致顾客的失望,降低使用量,和更多的磨擦。客户维系是一个公司长期生存的需要。
无效的交叉销售工作,包括错过的机会,构成第二个缺陷。更好的分析和建模能力使金融机构(FIs)能集中精力在适当的时刻为愿意接受的客户群体提供服务。
减少磨擦的同时抓住增长的时机似乎不切实际,但少数金融机构已经成功了。
预测分析可以在以下四个方面增加业务收入和加强客户关系:
理解你的客户
业务如同生活，知识先于理解。所以一个实质性的分析基础设施是这种新方法的必要基础。在过去的十年里开发的技术能更有效的综合客户情愿与公司共享的信息。来自呼叫中心的录音、电子邮件、信件、和社交媒体所组成的原始资料，通常被称为大数据。分析程序提取的这些信息几乎立即给金融机构明确的客户属性:人口统计、情绪、交易历史、生命周期的需要, 风险容忍度,云计分、渠道偏好、利用率以及更多。
有了这些接触之时就能获得的洞察力，金融机构现在可以创建一种互动以更直接地支持每个客户的需求。决策引擎在个性化服务的交互中可以提出特定的反应, 问题, 和产品。
应用于整个客户数据库,前期分析支持新的和更富洞察力的客户群。这些更精细的分片可以为客服中心立即使用; 营销团队依靠它们来创建具有高度针对性的活动和更相关的产品和服务。
提高客户体验
预测建模并不新鲜,但它已经更多成为艺术和科学的混合体 —— 依赖于历史业务绩效和来源于传统的营销测试以及回归分析的经验。今天的分析工具添加了收集和综合数据的处理能力。理解客户是创建真正差异化体验的先决条件。
提高与每位客户交互的质量和每次销售工作的效率是分析的主要目标。当交互似乎是随机而不协调时,就会出现客户受挫和不满。预测分析可以减少客户入侵，也减少问题的交接和拖延时间。
防止客户流失
预测分析还可以识别不满意的客户和投诉的本质。当这些客户又打来电话时, 服务机构有一套准备好的对话路径来解决他们的问题。金融机构现在可以在早期识别特定领域的关注,并采取积极措施以减轻客户的不满。这些步骤的范围从简单的承认问题扩展到促进信任和忠诚的优惠活动。
提高相关性服务
对于有针对性的交叉销售服务，预测分析让你明白客户需要的是什么以及什么时候愿意买。更紧密相关的服务带来长期可持续性。如上所述,分析帮助金融机构确定服务的性质和提供的时间。交易记录为交叉销售显示“下一个最好的产品”; 如果客户情绪此时不能确保一次交叉销售，预测建模也可以推荐“下一个最好的行动”。客户的生活事件 —— 退休,离婚,迁移 —— 会不断影响到服务的性质和时间。
运营中的整合分析
虽然远远不止一种简单的技术修复,用现有的资源可以实现复杂的分析程序。长期可持续性的预测分析取决于它在业务操作中的整合。
刷新客户体验并保持它的活力是很重要的。信息和服务可以再排序 —— 不管是呼叫中心的谈话序列,网站上的放置,甚至在交互式语音应答系统中。
管理者还必须鼓励文化的转变。内部的改变可能包括调整流程, 指标以及客服中心的奖励。这尤其适用于客户服务操作上有“合规文化”。例如, 必须遵循预定脚本的客服人员需要学习互动听力和沟通技巧来提高客户满意度。“呼叫长度”对薪酬计划来说可能成为一个无关紧要的指标。
业务注意力可能需要从客户获取转变到客户维系。客户交互强调关系建设;他们是驱动忠诚和收入的机会,而不是成本的原因。撒网式的营销项目要让位于基于需求、情感和特定客户群体行为的目标服务。
业务职能不能各自为阵地管理顾客满意程序，而是在统一的机构的一个过程之下。客户满意度也因此成为整个机构共享的指标。
为此,信息回路必须完整。客户服务人员每天主动与客户接触，他们宝贵的洞察力必须接着以一种方式回到机构中。
分析建模是未来,因为它提供了双赢的结果。在内部,分析激励和加强了客户服务部门的赢得方式。对外的结果是更满意和忠诚的顾客，他们愿意为你掏更多的钱。
