那么从哪里开始呢？首先，我们需要良好的参与度。当前，最常用的敬业度衡量指标是净推荐分数（NPS），但NPS只是对客户的即时衡量。不能全面了解他们对所购买品牌和产品的承诺。理想情况下，承诺要以他们未来可能的购买金额来衡量。

　　最新的面向对象的AI和强化学习建模为营销人员提供了一种方法，可以建立全面的衡量品牌和产品承诺的方法，这些方法可以从供应商积累的有关客户旅程的所有数字记录数据中获取，这些数据包括购买交易，营销活动，保修，召回，服务事件，互联网的外部事件，例如社交媒体，甚至是宏观经济事件。每位客户在一次客户旅程中汇总所有数据，并通过最新的专利AI技术进行处理。

　　魔术在于，衡量品牌承诺和参与度只是第一步。营销人员可以将其用作客户体验最重要方面的关键变量--我们在上面概述的客户成功--大量销售给参与的客户--但是销售什么产品以及何时提供呢？他们可以做些什么来推动这一进程呢？我们可以在正确的时间提供正确的报价吗？以及如何提供该报价？

　　智能手机和互联网已使每个人都加快了速度。越来越多的供应商不得不以客户和互联网的速度工作。您的客户刚从一家有竞争力的供应商那里购买了商品，他们在上下班途中就在手机上收到了报价并进行了调查。

　　如果我们不能以客户的速度前进，我们将被抛在后面。不幸的是，衡量给定时间点的客户体验的NPS必须等待可能在数月或数年后发生的另一种交互。同时，我们不能每天或每周要求客户填写NPS记分卡，他们只会停止回答或不再阅读我们的电子邮件。

　　让我们回到以美元和美分为单位的衡量指标，动态衡量并确定供应商想要跟踪的结果。如果客户以50，000美元的价格购买了辆车，我们希望了解客户的每一次互动，从营销到保修索赔再到服务保养。换句话说，所有可能导致客户增加或减少从我们这里购买另一辆车的倾向的事件都要了解；以及高于或低于其原始起点或价格的价格点。

　　如今可用的数据使分析每个接触点成为可能，而不仅仅是依靠调查结果。客户可能与供应商有数百个接触点，但从不填写任何调查问卷。从营销到销售再到支持的更多接触点，越多效果越好。使用复杂的AI和机器学习模型来理解和获得客户承诺正在改变企业现在或应该如何与客户进行交互的方式。

　　这些模型不仅可以衡量，而且现在可以更进一步，并推荐营销团队应与客户一起采取的下一个最佳操作（“NBAs--next best actions”）。每个客户一次一个结果，根据典型的人口统计信息将成千上万的客户汇总在一起。取而代之的是，我们可以认识个人客户，他们被视为个人并被重视。NBA可以提供极大的帮助，并且可以以数据的速度移动，从而为客户提供更具针对性的报价，交易或行动。

　　同样，目标位置已移动。现在，基于使用传统“基于规则”或“Ai-Lite”技术的系统的NBAs已过时。三年前是很久以前。现在，营销人员可以使用最新的强化学习技术来制作NBAs，对比赛进行定时和评估。甚至允许您包括进来各种事件的利润，以获取毛利润和净利润。

　　作者：让·贝朗厄尔（Jean Belanger）

　　原文网址：https://customerthink.com/how-ai-can-measure-and-lift-your-kpis-for-customer-success/