独家大干货丨产品还是服务？大数据帮企业赢得客户认可！

所有企业都想在提供优质产品和卓越服务时做到两全，但激烈的市场竞争迫使其以最有效的方式分配资源，必须在战略上侧重产品抑或服务。因此，了解客户眼中企业是产品导向还是服务导向就显得尤为重要。

◆ ◆ ◆ ◆ ◆

来源：数据猿 作者：Matt Mi Shan Yang

对于定位明确的企业而言，产品当家或是服务为先一目了然：苹果靠产品打下江山，Airbnb凭服务赢得口碑。然而，并非所有企业都能如此轻松地清晰界定自身导向。比如，电商巨头亚马逊的零售业务到底是产品导向还是服务导向？银行、保险公司、大学和航空公司又是如何呢？这些我们都不得而知。

在越来越强调“个性化定制消费”的今天，企业如果无法准确定位发展重点，将加大企业自我认识与客户认识之间的分歧，影响企业业绩。与此同时，这样的认知分歧将会导致企业的努力徒劳无功，客户也将误以为需求没有得到回应，进而对企业产生不满。

现如今，企业可以运用科学方法了解客户需求，并按照客户期望调整其战略方向。这样做的前提是企业必须聆听客户的声音，如何做到这一点成为关键。经验告诉我们，通过消费者满意度调查，企业可以获得可靠反馈。

例如，在净推荐值（NPS）调查中，访问者会要求受访者就一系列问题（如“您推荐 X 公司的可能性多大”）给出评分，并要求受访者解释评分依据。通过大量的采集信息、积累数据，研究人员逐字分析受访者的评论后获得的反馈结果将更具说服力。

针对逐字评论自动发现主题是获得可行见解的有效方式，而LDA文档主题生成模型是实现自动主题发现的一种最佳方式。LDA是一种无监督机器学习模型，可逐个自动分析评论，并将相似评论集合到预定个数的聚类中。

图1：LDA示例

图片中的文字：

Thepeople at the service desk are rude

服务台工作人员很没礼貌

Customerservice is great

客服很棒

Mynew phone is beautiful

我的新手机外形美观

Theirnew mobile phone keeps failing

他们的新款手机越来越不行

Myhandset works fine

我的手机运行不错

Thenetwork is very good

网络很好

Downloadspeeds are super fast

下载速度超快

Janeis a fantastic relationship manager

简是位非常出色的客服经理

Comments评论

Cluster1 (service) 聚簇1（服务）

Cluster2 (product) 聚簇2（产品）

Cluster3 (network) 聚簇3（网络）

满意度研究中，采用数值等级划分可帮助研究人员了解客户满意/不满意的主题。在净推荐值调查中，可以在应用LDA模型前划分推荐者和反对者，以反映消费者满意和不满意的方面。

以近期某企业净推荐值调查为例。首先，研究人员划分推荐者/反对者（净推荐值得分>8为推荐者，净推荐值得分<7为反对者），然后运用Teradata Aster大数据综合分析平台建立LDA主题模型（研究人员针对推荐者评论和反对者评论各设计了一个LDA主题模型）。消费者评论被分成5个聚簇，每个聚簇的关键主题如下：

我们可以很直观地看到客户服务质量和客户费力程度是关键点，这表明满意度（无论高或低）主要与服务而不是产品本身相关。因此，对这家企业而言，改进服务比调整产品组合更具影响力。此外，企业还可以通过展示其有别于竞争对手的特质来改变消费者对它的固有印象。

逐字评论分析为消费者洞察研究提供了独特视角。仔细挖掘消费者评论有助于定义或重新定义企业战略侧重点。如果消费者关注服务，而企业却侧重产品，那么企业将无法取得长远成功，反之亦然。

（注：本文为数据猿独家原创稿件，由作者Matt Mi与编译作者Shan Yang共同完成。）