数字化给企业带来的最大的变化之一就是企业手里的数据越来越多，它们可能都有用，但是因为分散亟需融合管理。

从行业层面看，散落在各处的多源数据可能存在着5个问题：

从品牌层面看，未来商业成功的关键之一源自企业相关数据利用程度，依托完整的架构系统及数据模型对多源数据进行整合分析、利用，高效提升企业的资源利用率。项目围绕体验数据、运营数据以及舆情数据进行数据挖掘分析，获取企业后续业务经营和客户体验提升的策略和行动。

从运营层面看，内外部双视角洞察，客户驱动+业务运营诊断，共同作用使日常体验管理更加全面。

今天我们就一起来聊一聊体验管理中的数据：

数据角色的变化

数据在体验管理中的角色是帮助组织更好地了解客户，但同时，数据本身和体验管理对数据的需求也在不断改变，体验管理数据化的态势由此而来。

首先，数据本身在延展，交易数据在向交易前后延展，触点数据在向旅程两端延展，节点数据在向上下游延展。

其次，体验管理对数据体量的需求在改变，大数据对传统调研的影响和辅助并存。对于企业而言，数据量级只要能解决体验问题即可，并不追求不必要的大数据和大样本调研。

此外，体验管理对数据指标也更加挑剔，除数据本身的敏感性、有效性、准确性外，还需要数据的关联性、代表性、可落地性，体验管理数据指标池的门槛也随之越来越高。

最后，数据融合愈发重要，体验数据（X-Data）与运营数据（O-Data）的融合已被提及多年，现阶段的核心重点在于厘清哪些“X”与哪些“O”融合对体验管理更加有效。更重要的是，O-Data部分通常发展历史、成熟度均高于X-Data，因此，X-Data应主动向O-Data对齐并不断细化O-Data。

我们认为，这是当前比较有效的数据融合方式。

（1）数据本身的演进

▶数据的多元化：

在以体验为中心的管理运营中，数据本身的作用并没有发生变化--依然是帮助企业更好地了解客户。但随着科技发展，企业了解客户的维度和渠道更加丰富，与客户相关的数据信息也愈发多元，客户体验数据的来源早已不再局限于调研体系和客服系统中。

大数据环境下，客户不经意间的行为都会留下数据痕迹，成为了解客户的重要线索。未来，要构建完善的客户体验管理体系，契机在于如何将千丝万缕的线索串联起来，据此真实还原客户心理、合理预测客户需求，形成以数据为基础的客户运营体系，同时还要与体验管理的关键节点相关联，最终实现体验数据的价值。

▶数据的延展性：

客户数据的持续发展和扩张给体验管理更多数据可能性，体验数据正在沿着客户旅程向两端不断延伸，并在延伸过程中持续优胜劣汰。虽然数据本身并无优劣之分，但数据对体验管理来说却有好坏之别，也正是这种差别，使数据在延伸过程中完成自我更新和迭代，比如体验改善需要更有抓手的数据、客户运营需要更有客户视角的数据、品牌营销需要更有结果导向的数据。这正如大浪淘沙，几番甄别，使体验数据变得更加充实。

当前，体验数据具备很强的关联性和融合性，也就是说，体验数据不再局限于指标本身，而是涵盖了其背后一整套体验管理机制和运营逻辑。

（2）体验管理对数据要求的变化

▶客户核心行为数据：

客户核心行为是区分场景的。

在体验管理场景化的今天，不同场景的客户需求、体验触达、客户感知有所不同，这也是差异化体验、定制化服务等体验相关字眼不断被提及的原因。但是，体验管理需要在纷繁复杂的场景化趋势中找到客户的核心行为，这些行为要能与客户需求、客户感知相关联，决定了企业在场景中对客户体验的触达方式和渠道。

（露营场景）

▶X-Data与O-Data的融合：

体验数据要赋能企业的决策和战术，需要兼顾客户感知和企业运营的特点，这也是X-Data与O-Data结合使用的重要原因之一。当前，行业对X-Data和O-Data的梳理已经相当成熟，两类数据所构成的指标池不断完善。对于任何企业来说，虽然可以从中挖掘信息但也带来巨大的数据搭建成本等压力。

因此，体验数据影响企业策略的关键并不在于两类指标的大小，而在于两类指标池的融合方式。同时，这其中也蕴含了企业的经营逻辑选择，即运营导向还是体验导向，导向不同则指标池融合时的主导指标和协同指标也有所不同。

▶数据的整理和使用：

体验管理对于数据的应用可以说层出不穷，从数据清洗、整合、建模到数据分析、检验和展示，多样化的方法论、统计模型、咨询模型、用研模型不断涌现，这当然能使数据得到更好的整理和应用，但也容易让企业开展体验管理时忽略数据最原始也是最有效的作用--量化评判。

事实上，体验管理初始目标之一就是评判体验的好坏，因此企业才引入量化指标。企业希望利用指标数字的大小和不同维度间的比较，来帮助企业判定当前体验水平的高低以及在行业内的位置，而这些可能需要的只是一把尺子或一个闯值，但这既是体验管理的本源，也是数据的本质。

（3）新数据和新融合

▶新数据：

新数据不仅指新的指标、新的数据，而且还对应新的目标。鉴于未来的不确定性，体验管理更倾向于聚焦那些确定的部分，比如企业的体验管理目标。对应于目标，企业可以给体验管理数据的获取渠道、扩展方向、研究方法明确边界和路径，如此获取的新数据将更有效地支持企业的经营目标和营销需求。

▶新融合：

以需求为导向构建客户体验管理体系，不仅需要企业理解客户的生活场景，更要理解企业自身是如何在客户的生活场景中传递体验的。也就是说，企业需要建立品牌体验原景与客户生活场景的“两景融合”，此为新融合。融合的关键点，在于确定两者之间产生Gap的具体时刻 (MOG，Moment of Gap)，不同于关键体验时刻 (MOT，Moment of Truth)的应用，MOG将进一步拉近客户与品牌的距离，帮助企业利用当前的技术手段，构建客户场景需求数据与品牌体验传递数据的实时关联，最终实现新融合。

数据博弈的演进

数据在体验管理中的博弈是经常存在的，正如体验与经营的非零和博弈状态，体验管理中的数据博弈也可以通过有效的策略实现双赢。

（1）企业希望客户告诉的 vs 企业可以回应的

企业并不总是明确知道哪些是需要客户提供的内容，这就像客户说不清自己的需求一样。但企业可以通过一些结构化的设计，将客户的反馈进行整理、归类和分析并从中找到企业需要的信息。当然，这里所说的客户反馈，仍然包括企业主动询问客户和客户主动向企业反馈两种方式。

得到客户的反馈后，企业需要有所回应。对企业内部来说，这种回应是体验问题得到解决的闭环结果;对客户来说，反馈的问题得到企业关注并给予回应，客户与企业、品牌的粘性将不断增强。再者，如果客户在社交圈中传递其得到回应的良好体验，企业与品牌将在市场竞争中建立更加牢靠的诚信口碑和责任口碑。

但值得注意的是，企业的回应也是有选择性的，当多个客户反馈同一个问题时，企业又并不具备一一回应的能力，这时企业就需要根据价值分层、分享意愿等确定回应的优先级别。

（2）客户的付出 vs 客户的回报

站在客户视角，客户的付出可分主动付出和无意识付出两种情形。

客户主动付出: 包括参与企业组织的调研、主动通过企业客服等渠道反馈问题等。企业需要理解的是，无论何种场景都会与客户产生触点并占用客户的时间和精力，而有触点意味着有体验交付，占用客户资源则意味着客户会产生需要回报的潜意识。那么，对于企业来说，关注各触点环节上的体验交付质量以及客户对回报的预期，就是必然。

客户无意识付出: 并非客户不主动，而是客户的这种付出行为并不针对企业和品牌，更多是客户个人分享。因此，客户无意识付出一般不会与企业产生触点，客户也不会在潜意识中有企业要回报的预期。此时对于企业来说，这恰好是一个给客户创造惊喜的好机会，而这种场景下得到企业回报的客户，大概率会成为企业的忠实拥护者。

（3）数据洞察和体验提升

体验数据洞察的结果并非仅应用于体验提升，还会涉及生产品牌、营销、运营等多个方面。即便是聚焦于体验提升，其影响力和决策力也不是完全绝对的，这在体验管理中是一种常态。类似的，由于体验提升的落地方案需要涉及众多部门、协调众多资源、评估众多约束条件等，所以体验提升也并非总是完全依赖于体验数据洞察的结果。

正因为两者之间这种弱相关的绑定关系，使体验洞察和体验提升之间常发生目标不协同、路径不一致的情形。对于企业来说，为体验洞察和体验提升建立统一或互相妥协的目标、相互依存的路径是体验管理中亟待解决的问题。

（4）数据的融合与应用

X-Data与O-Data在融合时，常出现结论南辕北辙的情形 (例如波动趋势相反)，如果将视角局限在指标本身，那么很容易陷入不断解释、不断调和的窘境。因此，站在更高维度审视二者的融合和差异，才能找到更好的解决方案。

企业在体验管理中需要解决“体验好不好”“问题在哪里”、“该如何解决”这三个问题，X-Data与O-Data在解决这些问题时要做到各司其职，既互不交叉又互相补充。如此一来，即便数据指标层面出现矛盾，指标的作用却不矛盾，反而呈现出更加多样化的体验洞察结果，为体验管理提供更多可能性。