提供有效的客户体验需要全渠道思维。客户希望品牌能够理解他们的需求，并在他们的旅程中提供帮助，无论他们与组织的哪个部分进行互动。
你的网站或移动应用程序的访问者不会考虑渠道、产品线或业务部门，他们只考虑他们与品牌的关系。然而，许多组织努力将所有这些属性拼凑在一起，结果，他们无法满足客户的期望。在Perficient，我们使用一个优先级框架叫做Journey Science利用数据改变客户体验．
旅程科学是一门跨职能的学科，它将基于研究的见解与数据驱动的证据相结合，在每个接触点理解、预测和优化客户旅程。
您的组织是否发现创建有效的个性化用户旅程具有挑战性?
企业组织遇到的一些常见挑战包括:
- 缺乏数据——客户的理解是基于假设和意见，而不是数据。
- 被遗忘的工件——基于研究的见解经常被“束之高擒”，或者在组织内部被遗忘。
- 虚荣心指标——指标表面上看起来不错，但它们并不能转化为有意义的商业见解。
- 孤立的观点——业务团队只关注他们对世界的看法，而不考虑整个客户旅程。
- 有限的分析-数据收集，但没有充分的分析和建模，以预测客户行为。
Journey Science是数据驱动客户体验的下一个前沿
你可能听说过“数据是新的石油”这句话……是的，你通常有太多的数据，却没有以最有效的方式利用它们。数据是创造独特、个性化体验的关键资产。在大多数情况下，数据不会在营销、产品和IT团队之间整体使用。太多的企业组织仍然在多个竖井中工作，缺乏沟通和协作，无法为客户提供最佳解决方案。由于数据没有被有效地使用，许多问题都是通过假设关键涉众知道他们的关键角色的最佳答案来解决的。
旅程科学可以帮助回答以下问题:
- 谁是我们的客户?
- 他们对我们网站/应用程序的实际体验如何?
- 这与他们的期望和其他经历有什么不同?
- 最佳的客户体验应该是什么?
- 我们如何影响客户体验?
- 我们将如何优先考虑改进?
- 我们如何才能最好地衡量影响?
旅程科学的三个部分
旅程科学包括三个部分，实现几个核心竞争力:
- 数据驱动的证据
- 一种全渠道的，以业务为中心的CX(客户体验)方法，提供经验的，无偏倚的证据，以对体验提出预测性建议。
- 基于研究的见解
- 我们的综合方法将定性和定量研究与数据和分析相结合，以了解、跟踪和衡量实际的客户行为。
- 持续优化
- 为了取得成功，需要有一个持续的可重复的系统，为新的结果和学习提供证据和见解。
核心竞争力包括:
研究
研究为了解你的客户提供了基础。整体研究方法包括不断收集和分析的多层见解。
- 定性-用于理解意见、影响和动机。我们使用洞察力来理解背景，并阐明量化数据中的细微差别，否则这些细微差别可能会被看不到或无法理解。
- 定量-用于识别统计相关的趋势和模式的给定受众部分相对于其他，以收集他们的定义特征和行为的见解。
- 有竞争力的-这种分析有助于识别与顶级竞争对手在功能、用户体验和品牌方面的优势和劣势。
- 身临其境的-使研究人员能够通过站在用户的角度思考来获得同理心。
数据与分析
客户数据和分析使组织能够跨多个渠道、交互和支持客户旅程的接触点跟踪和衡量绩效。
- 数据分析-提供基于客户属性、特征和能力的见解。
- 这是通过使用网站和移动应用分析工具(如谷歌analytics或Adobe analytics)完成深入分析来实现的。
- 路径分析-检查游客如何通过旅程和斗争领域。
- 这种类型的过程是使用用户测试、用户记录工具、启发式评估和完成竞争分析的组合来完成的。
- 的热图-演示客户在特定环境中如何交互。
- 通过添加行为分析软件来监控网站的数字体验，可以创建热图和滚动图。
- 情绪得分-衡量旅程中各个环节的客户情绪。
- 这个评分系统是根据不同的行业和数字体验的主要kpi定制的。雷竞技raybet提现它包括任务分析、用户调查和对理想用户角色的访谈。
分割
细分使组织能够对其客户产生更有意义的见解。数据驱动的人物角色能够对特定的受众类型产生同理心和理解，而市场细分则能够激活优化的活动和个性化。一些细分的例子包括:
- 基于规则的-在一系列条件下为目标用户分配特定的if this, then that逻辑。
- 自动化-人工智能和机器学习根据主要指标确定最佳体验。
- 实时-能够根据实时发生的事件切换到不同的观众。
设计之旅
通过多维模型探索客户旅程使组织能够更好地理解跨多个接触点和交互的客户体验。在旅程设计过程中产生的工件包括:
- 角色-确定并理解你的目标受众群体。
- 角色就其目标、功能和上下文(可用于跨多个业务流程驱动个性化)传达对真正目标受众部分的共享理解。
- 体验地图-检查整个生命周期的客户体验。
- 体验地图是多维模型，使组织能够更好地理解跨接触点和交互的客户体验。
- 客户之旅-优化客户生命周期内的结果。
- 讲述客户的经历，从最初的接触，通过参与的过程，到长期的关系。客户旅程专注于特定的客户结果，并帮助识别体验中脱节或痛苦的点。
在客户旅程地图中处理的一些结果包括:
-
- 任务:用户在这个阶段想要实现什么?
- 问题:在这个阶段，用户想知道什么?
- 接触点:此时用户如何与组织交互?
- 情感:用户在这个阶段的感受是什么?
- 缺点:在这个阶段，组织是如何让用户失望的?
预测建模
- 模式探索-用专业知识处理和验证数据模式。
- 模型开发-工程特性，展示模型学习所需的模式。迭代和优化模型超参数。
- 机器学习-利用人工智能根据以往的行为进行分析和预测。
- 决策-质疑和验证预测结果，以通知、建议或自动化决策过程。
实验
实验是通往优化的道路。它使组织能够测试他们的假设，并实施基于证据的方法来实现他们的目标。
- 对比测试-将独特的概念与基准性能进行比较。
- 强化学习-在现场环境中测试一个或多个变量，为预测模型提供直接反馈循环。
- 路径探索-评估多个旅程流程，以评估给定序列的触发器、接触点和事件的有效性。
- 剥削-利用实验结果优化成功。
支持旅程
支持客户旅程需要协调和集成多个渠道、平台和业务功能，以提供无摩擦的体验。Journey Science使组织能够持续了解和预测客户的需求，以部署无摩擦和有凝聚力的全渠道品牌体验。
为卓越的全渠道体验建立结果和机会
遵循旅程科学框架将为您的业务提供所需的一切，以确定整体KPI改进的差距，并使您的组织能够加速增长。例如，一些活动和成果包括:
- 明确OKRs(目标和关键结果)
- 记录驱动战略的目标和关键结果。
- 优先次序的机会记分卡
- 记录用于对功能中的各个模块进行评分的标准。
- 能力和资源差距
- 详细说明交付战略愿景所需的单个功能和模块。
- 持续增长+ ROI模型路线图
- 根据ROI值定义各个模型的优先级和计划。
