客户对话中的隐藏价值：为什么实时情报至关重要——访迈克尔·哈钦森

Michael Hutchison 是 eClerx 的 TME 及客户体验主管。Michael 领导 Customer Operations Division，并负责 eClerx 的客户-客户组合（customer-client portfolios），重点在于维持增长并促成新的客户获取。他此前的经历包括 McKinsey 和 L’Oréal。

发现顶级金融科技新闻与活动！

订阅 FinTech Weekly 的通讯

由 JP Morgan、Coinbase、Blackrock、Klarna 等高管阅读

客户体验一直是衡量企业经营表现的关键组成部分，但如今企业所面临的要求正以令人惊叹的速度加速推进。客户期望在每一个渠道都能获得快速、清晰且一致的支持，并会通过海量的对话来表达这些期望。正因为如此，曾经依赖于适用于更慢、更可预测环境的方法的组织，正在承受新的压力。

多年来，人工质量保证（Manual quality assurance）一直是客户支持监督的基础。当互动量可控、情绪波动相对缓慢时，它还能发挥足够的作用。但这种时期早已过去。企业如今正面临客户行为不可预测的起伏、更快的跨渠道流转，以及更复杂的联系模式。仅依赖有限的样本，会让团队只看到完整全貌中的一些碎片。

这种变化揭示了一个更深层的真相：客户对话的价值远超许多组织的认知。它们传递关于产品缺口、沟通问题以及预期正在转移的信号。它们揭示是什么让客户感到沮丧，以及什么赢得了他们的信任。将这些对话仅仅视为简单的服务事件，会忽略它们在整个组织中引导决策的潜力。当公司开始把对话视为一种“情报”形式时，他们对质量、培训与改进的思考方式就会开始发生演变。

自动化和 AI-driven QA 监测的兴起，进一步推动了这种转变。借助能够审查每一次互动的能力，企业不再被迫依赖猜测或过时的假设。他们能够更清晰地了解客户的感受、他们的需求，以及摩擦出现在哪里。这种可视性支撑更快且更有依据的决策，但同时也带来了一个新的要求：领导者如何解读并采取行动，必须与他们所看到的内容相匹配。

即便如此，进步仍取决于企业对其数据所持的思维方式。强大的客户体验文化并非仅靠技术就能形成。它需要共同承担责任、开放沟通，并愿意把客户洞察当作公共资源，而不是单一团队的专属。能够接纳这种做法的组织，往往会发现：在这些机会尚未出现在绩效指标中之前，对话就已经揭示了改进的契机。

这些理念引出了我们与 Michael Hutchison（eClerx 的 Customer Operations 全球负责人） 的讨论。Michael 的工作重点在于领导客户-客户组合并支持持续增长；而他此前在 McKinsey 和 L’Oréal 的经历，让他从更广的视角理解当客户期望迅速提升时，组织会如何应对。他见证过企业如何在开始把互动数据当作战略资产之后进行调整，他的观点也反映出日益增强的认知：每一次对话都包含能够塑造长期决策的信号。

Michael 的经历也说明了，为什么在这场转变中领导力至关重要。那些成功建立牢固客户体验基础的公司，往往正是因为领导者倡导一种理念：对话值得获得的关注远远超出呼叫中心。他们鼓励团队审视洞察如何能够用于产品更新、培训决策以及运营变更。他们理解，质量并不是一项静态任务，而是一种持续努力，并由好奇心与协作提供支撑。

借助实时情报，这种方法能够与之相互呼应，因为它强化了一个观念：客户互动并不只是被动的来回应答。当企业能够在当下认真倾听客户所分享的内容时，他们就能发现能够引导他们做出更好决策的模式。这些洞察有助于在复杂环境中获得更清晰的判断——无论目标是减少摩擦、加强合规、改进辅导，还是保护长期忠诚度。

随着期望不断攀升，企业面临一个选择：依赖只能捕捉客户体验片段的过时模型，或构建能够以远超以往细节揭示客户正在说什么的系统。前进路径取决于领导者如何认真对待客户每天提供的信息。只有当组织带着明确意图来对待互动数据，并且认识到它在支持职能之外也承担塑造决策的作用时，互动数据才会成为优势。

对客户对话的这种更广泛理解，为我们与 Michael Hutchison 的交流奠定了基础。他的工作展示了企业如何通过更密切关注日常互动中已经存在的洞察，逐步迈向更加信息充分、反应更迅速且连接更紧密的客户体验方式。

欢迎收看此次访谈！

1. 在客户支持运营中，人工 QA（Manual QA）长期以来一直是默认方案。是什么因素让这种模式在当今高流量、实时的支持环境中显得不足？

人工 QA 多年来一直是客户支持的支柱，但如今它再也无法跟上当下的客户服务运营。海量的互动数量实在是太高了，传统抽样根本无法提供完整的可视性。当团队只能审查 1-2% 的对话时，他们做出的关键决策实际上就是基于“有根据的猜测”。

客户期望在每一个渠道都能获得无缝体验，无论是语音、聊天、电子邮件还是社交媒体。这会进一步加重组织的压力：必须在每一次、每一个互动中都维持标准。除此之外，联系驱动因素（contact drivers）和客户情绪可能会在一夜之间发生变化。当人工 QA 赶上这些变化时，团队往往已经落后，最终变成被动反应模式，而不是提前于问题出现之前就采取行动。

这就是为什么自动化以及 AI-driven QA 正在变得至关重要。它们让我们能够覆盖 100% 的互动，实时发现正在出现的趋势，并为一线领导者提供可以立即使用的可操作洞察。重点并不是取代人的判断，而是让 QA 团队腾出精力，去专注更深入的辅导、更强的合规以及更好的体验改进，而不是去追逐那些随机样本。

2. 你提到互动数据不仅在运营层面被低估（underused），在文化层面也是如此。以你看来，围绕客户体验建立健康的数据文化应当是什么样的？

围绕客户体验的健康数据文化始于打破团队之间的信息孤岛。太常见的情况是：客户数据从未进入产品团队、市场团队或高层领导层，这会导致公司错失机会。

*   **从运营层面来看**，这意味着从一线到董事会议室的每个领导层级，都能获得清晰、及时的洞察，了解客户正在经历什么。洞察不应被埋在电子表格里，而要以能够推动日常决策的方式呈现。
*   **从文化层面来看**，关键在于摆脱“由某一个团队拥有数据”的做法，而是让数据成为贯穿市场（marketing）、关怀（care）、销售（sales）和产品（product）的共同语言的一部分。当每个人都对 CX 指标感到承担责任时，你就会开始看到真正的协同一致。
*   **最重要的是**，这是一个让数据激发好奇心与改进、而不是恐惧的文化。当洞察被用于辅导、庆祝胜利，并尝试新想法时，你就会建立起一个循环——客户的声音会持续影响企业如何成长。

3. 既然 AI 现在参与呼叫（calls）的分诊（triaging）、评分（scoring）以及趋势呈现（surfacing），这会为像 operations、compliance 和 WFM 这样的跨职能团队带来哪些新的期望？

AI 会通过把团队从被动、基于样本的洞察转变为主动、全面的智能（intelligence）来改变他们。这种转变会为每一项职能带来新的期望：

*   **operations** 预计要行动更快——AI 能在接近实时的情况下呈现模式，因此领导者不能等待每月的 QA 解读（QA readout）；他们需要随时调整辅导与流程。
*   **compliance** 团队现在拥有更强的安全网，因为可以监测 100% 的互动。但这也抬高了门槛——他们被期望在问题升级之前就主动发现，而不仅仅是在事后进行调查。
*   **WFM**（Workforce Management，劳动力管理）不再能只基于规模（volumes）和处理时长（handle time）来做预测；他们被期望把质量趋势、情绪以及 AI 所突显（highlights）的新兴驱动因素纳入考量，因此排班不仅要匹配需求的“何时”（when），还要匹配需求的“什么”（what）与“为什么”（why）。

简而言之，AI 不仅仅是在自动化 QA；它正在各职能之间创造一种实时问责文化，在这种文化中，快速基于洞察采取行动就成为新的标准。

4. 你曾与处于非常不同的 CX 成熟度阶段的组织合作。在一段时间内，是什么让那些能够有效扩展（scale）他们的监测工作（monitoring efforts）的组织与众不同？

我所看到的是，扩展监测（scaling monitoring）不仅仅是增加更多技术，而是组织如何把质量纳入其 DNA 的方式。在成熟的组织中，质量洞察会推动产品、培训和市场决策，而不仅仅是合规检查清单。不够成熟的组织往往会把质量洞察局限在 Customer service 的呼叫中心（contact center）内，从而错过解决系统性问题的机会。

他们也会建立灵活的框架。团队不会把自己锁死在僵化的评分卡上，而是会让监测随着新渠道、客户期望以及正在出现的联系驱动因素而演进。另外，还有一个许多组织会忽略的关键“人”的因素：最好的公司会在实施 AI-driven QA 监测时，投入大量资源提升 QA 团队的技能，以聚焦根因分析、辅导以及跨职能协作。

最后，成功的组织会闭环反馈。洞察不会只停留在 QA 仪表板里，而会被整合进 ops huddles（运营例会/快速协同会议）、compliance reviews（合规评审）以及 WFM planning（WFM 规划）中，因此当业务增长时，改进也会随之扩展。正是这种组合——把质量视为战略要务、保持其适应性，并将其嵌入到决策制定中——才让监测能够真正扩展，并持续发挥影响。

5. 关于速度与个性化的客户期望还在持续攀升。你认为实时互动智能在帮助企业满足这些需求方面扮演什么角色？

实时互动智能正在成为客户期望与企业绩效之间的桥梁。客户希望答案更快、更贴合他们的具体情况，而这种能力正是为了实现这一点。

对坐席（agents）而言，实时智能会在不牺牲效率的前提下，改变他们提供服务的能力。过去他们需要依靠对以往对话的记忆，或者花时间在多个系统中查找信息；现在他们会在工作流中直接获得情境化指引、相关知识文章以及建议的下一步最佳行动（suggested next best actions）。因此，速度与个性化发生在当下，而不是在事后才补救。

对领导者而言，这意味着随着问题与情绪趋势逐步显现，他们能够实时掌握可视性，从而在客户尚未感受到痛点之前，就调整排班、流程或优惠方案。

客户体验转型（customer experience transformation）是最重要的环节。实时智能让每一次互动都能在前一次对话的基础上延续发展：预判需求并提供个性化解决方案。这会让人产生一种印象——公司“真的了解”他们，并且重视他们的时间，从而推动忠诚度与客户满意度。

总之，实时智能会把互动数据从“客户离开之后才去分析的东西”，变成“在他们仍处于参与状态时，用来塑造体验的东西”。

6. 行业里关于 AI 与 CX 的讨论噪音很多。基于你的经验，当涉及留存（retention）、首次呼叫解决率（first-call resolution），或辅导影响（coaching impact）时，哪些实际步骤能真正带来成效？

确实有很多炒作，但真正能推动指标变化（move the needle）的组织，通常聚焦于三个非常务实的步骤：

*   **从可视性开始**。使用 AI 监测 100% 的互动，这样你才能真正知道是什么在驱动流失（churn）、重复联系（repeat contacts）或辅导方面的差距（coaching gaps）。没有这个基线，你只是在猜。
*   **瞄准最大的杠杆**。与其试图修复一切，不如先识别出最能影响留存或 FCR 的前 2-3 个驱动因素，并围绕这些因素设计辅导和流程变更。
*   **闭环反馈**。最成功的团队不会止步于洞察本身——他们会把洞察反馈到坐席辅导、知识库，甚至产品路线图（product roadmaps）中，以确保改进真正落地。

重点不在于“到处都用 AI”，而在于把 AI 嵌入那些能够推动实际行动的环节；留存的挽救、更快的解决，以及在一线现场能改变行为的辅导，这些才是关键。

7. 对于正在重新思考其 CX 与合规策略的领导者，如果他们希望把客户对话视为战略资产——而不仅仅是一个服务职能——你建议从哪里开始？

我总是建议先从一个思维方式的转变开始：把每一次客户对话不仅视为一个服务触点（service touchpoint），而是把它当作丰富的情报来源。接下来，三个步骤会带来巨大的不同：

*   **集中数据**。把语音、聊天与数字渠道的对话纳入同一个视图，这样你就不会需要在不同渠道之间一块块拼接洞察。
*   **挖掘模式**。使用 AI 来呈现合规风险、流失信号或产品反馈——这些信息可能在人工抽样中看不见。
*   **激活洞察**。把你学到的内容回流到合规培训（compliance training）、产品设计（product design）以及 CX 战略（CX strategy）中，让对话能够直接塑造业务结果。

当领导者这样做时，对话就不再只是需要被管理的成本，而会成为推动增长、增强合规与提升客户忠诚度的资产。