我们的专家小组分享了他们关于如何在个人基础上更好地了解客户的建议。

1。鼓励顾问向CRM系统中添加额外信息。不要在一开始就低估定性数据的重要性；这不全是数量问题。虽然定量数据——比如之前的联系人数量和联系人类型——有其用途，但它对改善顾问互动没有多大帮助。

因此，为了互相帮助，应该鼓励顾问在他们的售后服务（ACW）期间向CRM输入更多信息。这可能包括客户的一般喜欢和不喜欢。

Bjørn Rune Hanssen

输入更多信息意味着接下来与客户互动的顾问可以做好更好的准备，帮助建立融洽关系。

为了实现这一点，CRM系统必须有一个“自由评论”部分，顾问不应以平均处理时间（AHT）为目标，因为这会阻止他们向CRM系统输入更多信息。

感谢Puzzel

网站上的比约恩·鲁恩·汉森要想了解可添加到CRM中的缩写列表，请阅读我们的文章：呼叫中心缩写以加快包装时间

2。从每个可用来源收集数据人工智能和机器学习系统可以处理你关于客户的所有信息——包括他们的调查回复、年龄、互动次数等——并预测他们下一步会做什么。

这种人工智能的使用使联络中心能够识别有风险的客户，并采取主动行动留住他们，同时他们还可以以其他一些有益的方式采取主动。

普通人工智能和伟大人工智能的区别在于你可以访问的数据量。然而，普通人工智能和伟大人工智能的区别在于你可以访问的数据量。因此，在使用机器学习时，请确保能够提供尽可能多的数据。

收集来自所有联系中心渠道的数据、客户购买的数据、他们在网上看到的数据、情绪信号、来自CRM的数据，等等。这些数据与人工智能相结合，将使您能够运行预测性出站活动，以及使用预测性路由，以更好地了解和支持客户。

3。制定端到端客户旅程。收集和管理数据最有助于提高您对单个客户的理解，同时您还应该检查整个客户体验，以了解客户在旅程中不同时刻的感受。

这对联系中心来说可能是个问题，因为这段旅程扩展到了联系中心之外，所以你需要从业务中的其他部门获得认可。

“Meghan Keough”

如果你有这个，你可以在每个客户接触点开始使用情绪分析来测量情绪。这将告诉你客户旅程中哪些方面是满意的，哪些方面是不满意的，并让你了解客户喜欢什么和不喜欢什么。

通过对客户偏好的理解，您的组织可以在旅程的不同阶段复制更佳实践，并在客户不太满意的领域建立基础。

感谢8×8

4的Meghan Keough。整合数据以揭示客户习惯联系中心拥有大量数据，随时可以捕获和收集。然而，许多组织面临的更大问题是整合这些数据。

为了更好地了解客户并进行有意义的更改，分析这些数据并创建客户图片非常重要。

Jeremy Payne

通过使用历史数据，可以揭示客户在个人层面上的习惯。例如，他们在中最常在什么时间进行互动，他们使用什么设备进行互动？这可以为未来的决策提供信息生活在一个即时满足的社会里，上一代人和下一代人比上一代人更倾向于去竞争对手那里。固有的忠诚度正在下降，但以正确的方式使用数据可以改变这一点。

深入研究，找出最常见的行为是什么，典型的“下一步”是什么，流程在哪里中断。然后，在他们知道自己有问题之前解决问题——换句话说，创造简单而聪明的体验。

一旦您解释了已有的信息，就可以了解更多信息并实施收集反馈的流程。

“Laura Bassett”

更进一步，您还可以使用实时语音分析工具实时了解是否存在对活动的负面情绪，以便快速修复。

是否有流程需要改进，从而为您的客户提供更好的服务？在你知道是什么让你的客户“滴答作响”之前，你无法为他们提供服务和更佳体验。感谢Laura Bassett在NICE inContact

10上的介绍。结合分析工具大多数组织主要依靠调查和焦点小组来更好地了解客户。然而，花时间回复调查或参加焦点小组的客户比例很小，因此这并不能让我们对客户有360度的了解。

Charlie Snedden

结合了呼叫中心语音分析、文本分析和桌面分析，可以告诉您有关客户、他们的需求和他们的体验的更全面的故事。

新兴情绪分析工具使组织能够理解客户话语背后的情绪。这不仅仅是为了理解客户所说的话，也是为了理解他们的意思。

感谢Calabrio的Charlie Sneden