客户服务渠道的大数据
大数据如何提升客户体验
# 大数据如何提升客户体验在现代商业环境中，大数据已经成为提升客户体验的重要工具。
通过收集、存储和分析海量的数据，企业可以深入了解客户需求、行为偏好，优化产品和服务，从而提升客户满意度和忠诚度。
以下是一些大数据如何提升客户体验的方法：## 1. 个性化推荐和定制化服务利用大数据技术，企业可以根据客户的购买历史、浏览行为、兴趣偏好等信息，进行个性化推荐和定制化服务。
通过分析客户数据，企业可以理解客户的需求和喜好，并向其提供相关的产品或服务建议。
个性化推荐和定制化服务可以让客户感到被重视和关心，提升客户的满意度和购买体验。
## 2. 实时反馈和问题解决大数据分析可以帮助企业实现实时反馈和问题解决，及时满足客户的需求和解决潜在问题。
通过监测客户的交互数据、社交媒体反馈等信息，企业可以迅速捕捉到客户的关切和不满，并及时采取行动进行改进。
实时反馈和问题解决可以提升客户对企业的信任和忠诚度，增强客户体验的质量。
## 3. 优化用户界面和交互设计通过分析用户行为数据和反馈意见，企业可以优化产品和服务的用户界面和交互设计，提升用户体验。
大数据分析可以帮助企业了解用户的喜好、使用习惯、痛点等，并根据这些信息进行界面调整和功能改进。
优化用户界面和交互设计可以使产品更加易用和直观，提高用户满意度和使用效率。
## 4. 情感分析和情绪识别大数据分析可以帮助企业进行情感分析和情绪识别，了解客户在购买和使用过程中的情感状态。
通过分析客户的社交媒体评论、在线聊天记录等数据，企业可以了解客户的情绪和反应，及时调整营销策略和服务方式。
情感分析和情绪识别可以帮助企业更好地理解客户需求、改善服务体验，以提升客户的情感连接和满意度。
## 5. 360度客户视图和关系管理大数据技术可以帮助企业建立全面的客户视图和关系管理系统，从而更好地了解客户，提供个性化的服务和沟通。
通过整合各个渠道和系统的客户数据，企业可以建立客户画像，包括购买历史、互动记录、联系人信息等。
利用大数据优化客户关系管理
利用大数据优化客户关系管理随着信息技术的不断发展，越来越多的企业开始利用大数据进行客户关系管理。
通过收集大量的客户数据，分析客户的消费习惯、购买偏好和行为特点等信息，企业可以更好地了解客户，为客户提供更为精准和个性化的服务，提升客户满意度，获得更多业务机会。
本文将从大数据优化客户关系管理的原理、过程和案例展开阐述。
一、大数据优化客户关系管理原理大数据的优化客户关系管理的原理是：通过大数据技术对客户信息进行分析，从而发现潜在的商机和客户需求，进而提供个性化的服务，最终实现企业与客户之间的有效沟通和合作。
具体而言，大数据优化客户关系管理的原理包括以下几点：1. 收集大量客户数据，包括客户信息、购买记录、行为特征等。
2. 针对这些数据进行分析，深入挖掘客户的需求和偏好，了解客户的消费心理和行为习惯。
3. 根据客户的需求和偏好，为客户提供个性化的服务，增强客户的满意度和忠诚度，提升客户的生命周期价值。
二、大数据优化客户关系管理过程大数据优化客户关系管理的过程包括数据采集、数据分析、客户分类、服务个性化和优化反馈等环节，具体如下：1. 数据采集：企业通过多种渠道收集客户数据，包括客户信息、购买记录、行为特征等。
这些数据可以通过数据挖掘、数据清洗等技术进行加工处理，得到更为准确和有用的信息。
2. 数据分析：通过数据分析技术对数据进行统计和分析，发现客户的需求和偏好。
这个过程中，可以采用多种分析方法，如聚类、关联规则、决策树等，以便深入挖掘客户的消费行为和心理。
3. 客户分类：根据客户的消费习惯和购买特点进行分类，为客户分配不同的标签和属性。
这样可以方便企业进行不同的营销推广和服务个性化策略，满足客户的不同需求。
4. 服务个性化：结合客户标签和属性，为客户提供更为个性化的服务。
这包括产品推荐、营销刺激、服务回馈等，可以有效提高客户的满意度和忠诚度，增加客户对企业的信任和支持。
5. 优化反馈：对客户行为和反馈进行监测和分析，不断优化服务内容和方式。
大数据客户关系管理
大数据客户关系管理在当今数字化时代，企业要取得成功并保持竞争力，客户关系管理（Customer Relationship Management，CRM）成为一项至关重要的战略。
然而，传统的CRM方法面临着信息获取不全、数据分析困难等问题。
随着大数据技术的发展，大数据客户关系管理应运而生，为企业带来了更广阔的发展空间。
一、大数据客户关系管理的定义及价值大数据客户关系管理是通过采集、整合和分析大量的客户数据，从而更好地理解客户需求和行为，为客户提供个性化的产品和服务。
它不仅能增加销售额，提高客户满意度，还能帮助企业预测客户行为，提供更精准的市场营销策略。
大数据客户关系管理的核心思想是“了解客户，满足客户”。
二、大数据客户关系管理的数据源大数据客户关系管理依赖于各种数据源，包括但不限于以下几个方面：1.客户数据：包括个人信息、购买历史、网页浏览记录等。
2.社交媒体数据：通过监测和分析社交媒体平台上用户的言论和互动，获取客户的意见和反馈。
3.第三方数据：通过购买或合作方式获取的外部数据，如地理位置信息、行业分析报告等。
三、大数据客户关系管理的应用1.个性化推荐：通过对客户数据的深度分析，企业可以根据客户的兴趣、购买历史等个性化推荐产品或服务，提升客户的购买体验和忠诚度。
2.客户细分：根据客户的购买行为和偏好，将客户进行细分，制定针对性的营销策略，提高市场响应效果。
3.预测分析：通过对历史数据的分析，结合机器学习和数据挖掘技术，预测客户的未来行为和需求，提前做出相应的调整和安排。
4.客户反馈分析：通过对客户在社交媒体上的言论和互动进行监测和分析，及时了解客户的意见和需求，改进产品和服务，增强客户满意度。
四、大数据客户关系管理的挑战1.数据安全和隐私问题：大数据客户关系管理涉及到大量客户的个人信息，企业需要加强数据安全管理，保护客户的隐私。
2.技术要求：大数据的处理和分析需要大量的计算资源和技术支持，企业需要投入大量的人力和财力来构建和维护大数据客户关系管理系统。
如何利用大数据提升客户服务体验
如何利用大数据提升客户服务体验在当今数字化时代，大数据已成为企业提升竞争力的重要资源。
对于客户服务而言，大数据的应用更是带来了前所未有的机遇和挑战。
通过有效利用大数据，企业能够更深入地了解客户需求，优化服务流程，提供个性化的服务体验，从而增强客户满意度和忠诚度。
一、大数据在客户服务中的重要性大数据能够为客户服务提供全面、深入的客户洞察。
以往，企业对客户的了解往往局限于基本的信息和有限的交互记录。
但借助大数据，企业可以收集和分析来自多个渠道、多种类型的数据，包括客户的购买历史、浏览行为、社交媒体反馈、客服沟通记录等等。
这些丰富的数据能够帮助企业描绘出更完整、细致的客户画像，了解客户的偏好、需求、痛点以及行为模式。
大数据有助于预测客户需求。
通过对历史数据的分析，企业可以发现客户行为的趋势和规律，从而提前预测客户可能的需求和问题。
例如，根据客户的购买周期和产品使用情况，提前为客户推送相关的产品推荐或维护提醒，这种前瞻性的服务能够极大地提升客户的体验。
大数据能够实现精准的客户细分。
不同的客户群体有着不同的需求和期望，通过大数据分析，企业可以将客户细分为不同的类别，针对每个细分群体制定个性化的服务策略，从而提高服务的针对性和有效性。
二、收集和整合客户数据要利用大数据提升客户服务体验，首先需要广泛收集各种客户数据。
这包括来自企业内部系统的数据，如销售系统、客户关系管理系统（CRM）中的客户信息、交易记录等；也包括来自外部渠道的数据，如社交媒体、在线评论、市场调研等。
在收集数据的过程中，要确保数据的准确性和完整性。
错误或不完整的数据可能会导致错误的分析结果和决策。
同时，要注意数据的合法性和合规性，确保在收集和使用数据的过程中遵守相关的法律法规，保护客户的隐私。
收集到的数据往往分散在不同的系统和渠道中，需要进行有效的整合。
建立一个统一的数据平台，将各类数据集中起来，并进行清洗、转换和标准化处理，使得不同来源的数据能够相互关联和对比，为后续的分析提供便利。
大数据时代下的客户关系管理策略
大数据时代下的客户关系管理策略随着大数据时代的到来，客户关系管理的策略也在不断的变化和发展。
在过去，企业通常采用传统的客户关系管理方法，这些方法通常是比较简单和直接的，，但往往不能满足现代企业的客户管理和业务需求。
在这篇文章中，我们将讨论大数据时代下的客户关系管理策略，并探讨如何利用大数据来完善客户关系管理，提高企业的业务能力和竞争力。
一、利用大数据构建全面的客户档案客户档案是客户关系管理中的重要组成部分，它包括客户的基本信心，交易记录，客户反馈等信息。
在过去，这些信息通常是分散在不同的系统中，不同部门之间难以互通，导致了客户信息的丢失和信息冗余。
但是，随着大数据技术的发展和应用，企业可以利用大数据技术构建全面的客户档案，将不同部门和渠道的客户信息整合起来，更加全面的了解客户的需求和行为，以提供更好的服务和支持。
二、利用大数据分析客户行为和需求了解客户的行为和需求对企业来说至关重要。
在大数据时代下，企业可以利用大数据技术对客户数据进行分析，了解客户的行为和需求。
通过深入分析客户数据，企业可以识别客户的需求模式，预测客户的行为和需求变化，从而为客户提供更好的个性化服务和支持，提高客户满意度和忠诚度，进而提高企业的业绩和竞争力。
三、借助大数据技术优化客户体验在大数据时代下，客户期望获得更好的客户体验。
为此，企业可以利用大数据技术分析客户的行为和需求，从而提供更好的个性化服务和支持。
企业可以将分析结果应用到产品设计和创新中，以满足客户的需求和期望。
除此之外，企业还可以利用大数据技术来优化客户服务体验，例如，利用大数据技术实现客户快速响应和解决问题，提供更好的客户服务和支持体验，进而提高客户满意度和忠诚度。
四、提高客户参与和互动在大数据时代下，企业可以利用大数据技术提升客户参与和互动。
通过将大数据技术应用到市场营销和客户服务中，企业可以快速获得客户的反馈和需求，并快速响应和解决问题。
此外，企业还可以利用大数据技术实现个性化营销和服务，通过针对特定客户的需求和行为进行定制，提高客户参与和互动，进而提高客户忠诚度和业绩。
利用大数据做好客户管理
利用大数据做好客户管理随着大数据的出现，客户管理的方式也发生了改变。
对于各种规模的企业来说，客户管理是非常重要的，并且是最终获得成功的关键之一。
利用大数据技术，可以更好地管理客户，提高客户体验和满意度，并且最终增加企业的利润。
一、大数据技术对客户管理的影响大数据技术已经在众多领域深入应用，在客户管理方面它主要发挥以下作用：1.数据整合：大数据技术可以将分散在多个渠道上的客户数据和交易数据整合起来，为企业提供有关客户行为和需求的全面分析。
2.客户细分：大数据技术可以根据客户的需求、行为和购买历史等因素，将客户分成多个细分群体，这有助于企业更好地理解不同群体的需求，以及啥时运用不同的营销策略来满足他们。
3.客户洞察：大数据技术可以为企业提供客户的详细画像，并通过分析他们的偏好、行为和需求来创造出更精细化的营销策略。
4.个性化营销：大数据技术可以为每一个客户提供个性化的营销策略，根据他们的需求、购买行为、兴趣和偏好等来推荐适合的产品和服务。
二、如何利用大数据技术做好客户管理1.数据收集：企业需要收集客户的数据，并存储在可靠的平台上，这样可以为后续的数据分析和挖掘提供基础。
2.数据分析：使用大数据分析工具，对客户数据进行分析。
相关数据的挖掘可以帮助企业理解客户的真实需求、购买习惯、偏好和利益存款需求等行为，从而提供更好的产品和服务。
3.建立客户档案：企业应该建立客户档案，统计客户的关键信息，如年龄、职业、性别、地域、收入水平等。
在建立客户档案时，应该基于信息的代理人，用有效的方式提高数据质量。
4.基于客户需求的定制化营销：根据客户的特殊需求，制定针对性的促销计划，从而吸引客户的购买。
企业还可通过提供专业的商品服务，来满足客户的需求，赢得客户忠诚度。
5.高度整合化：利用大数据技术，对客户关系、销售数据、客户服务数据、客户评价等进行整理分析，建立起一个高度整合化的客户信息管理体系。
这样企业就可以更精确地了解客户需求，提供个性化的服务。
收集和分析客户数据的方法及技巧
收集和分析客户数据的方法及技巧在当今的商业环境中，收集和分析客户数据是一项至关重要的任务。
通过有效收集和分析客户数据，企业能够更好地了解客户需求、提升客户体验并制定更有针对性的市场策略。
本文将介绍一些常用的方法和技巧，帮助企业高效地进行客户数据的收集和分析。
一、在线调查在线调查是一种简单且经济高效的客户数据收集方法。
企业可以通过设计调查问卷，向客户提问关于产品偏好、购买行为和使用体验等方面的问题。
通过将调查问卷发布在网站、社交媒体和电子邮件等渠道，企业可以快速收集大量的客户数据。
同时，通过设置必填项和逻辑跳转等功能，可以确保数据的准确性和完整性。
二、网站分析企业的网站是一个收集客户数据的重要渠道。
通过使用网站分析工具，如Google Analytics，企业可以获得一系列关于访客行为的数据，如访问量、页面停留时间和转化率等。
这些数据能够揭示客户的兴趣和偏好，帮助企业改善网站设计和内容，提升用户体验。
三、社交媒体分析随着社交媒体的迅速发展，它已成为了一个重要的客户数据来源。
企业可以通过监测社交媒体平台上的讨论、评论和反馈等信息，了解客户对产品和服务的看法。
此外，社交媒体分析工具，如Hootsuite和Sprout Social，能够提供关于品牌声誉、用户情绪和竞争对手活动等方面的数据，帮助企业更好地了解市场态势和客户需求。
四、客户反馈和投诉积极主动地听取客户的反馈和投诉，是另一种重要的客户数据收集方法。
企业可以通过电话、电子邮件、在线聊天和社交媒体等渠道，主动征集客户的意见和建议。
此外，建立一个简单易用的投诉处理系统，能够让客户更方便地提出投诉，并及时处理和回复，从而提升客户满意度和忠诚度。
五、数据分析技巧收集到的客户数据需要经过分析才能转化为有价值的信息。
以下是一些常用的数据分析技巧：1. 数据可视化：通过使用图表、表格和图形等可视化工具，将大量的数据转化为直观和易于理解的形式，从而更容易发现数据中的趋势和关联。
大数据在商业银行的具体应用
大数据技术在商业银行的应用场景主要包括以下几个方面：
1. 客户画像：通过收集和分析客户的内部和外部数据，包括基本个人信息、交易记录、浏览行为等，构建详细的客户画像，从而更好地了解客户的需求、风险偏好和购买行为。
这有助于银行实现精准营销和个性化服务。
2. 精准营销：利用大数据技术分析客户数据，挖掘潜在客户、优质客户和可能流失的客户，从而有针对性地开展营销活动。
例如，通过实时营销、交叉营销、场景营销和个性化营销等方式，提高营销效果和客户满意度。
3. 风险管控：大数据技术在风险管控方面的应用主要包括中小企业贷款风险评估和欺诈交易识别等。
通过分析大量数据，银行可以更准确地评估贷款企业的信用状况和还款能力，降低信贷风险。
同时，大数据技术可以帮助银行及时发现并预防欺诈行为，保障客户资金安全。
4. 运营优化：大数据技术可以帮助银行优化市场和渠道策略，提高产品和服务质量。
通过分析客户行为数据和市场趋势，银行可以更准确地把握市场需求，调整产品定价和促销策略。
此外，大数据技术还可以用于优化客户服务流程，提高客户体验和满意度。
5. 非现场审计：大数据技术可以用于内部审计工作，全面揭示银行的风险状况。
通过收集和分析非结构化数据，如规章制度、会议记录、合同文本等，审计人员可以更准确地评估银行的内部控制效果和风险水平，为银行提供有效的风险防范建议。
综上所述，大数据技术在商业银行的应用场景包括客户画像、精准营销、风险管控、运营优化和非现场审计等，这些应用有助于提高银行的经营效益、风险管理和客户服务水平。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
远传标签
排班市场 占有率第一
IVR分析市场 占有率第一
呼叫中心研究院
同济大学算法实验室
上海研发中心
AAA信用企 业
自主知识产权 高新技术企业
资深咨询团队
客户遍布20余省市
CCCMM
杭
州
市
标
重 点
准 评
CMMI四级资质
场调研…
远传技术服务案例
客户分布 业绩规模
15 个省市 44个运营商客服中心和营业厅
2家 运营商的集团公司 9家 大型金融保险公司的客服中心 6家 电子商务公司客服中心 4家 大型制造企业客服中心 3家 航空公司客服中心 10余家 物流 政府 医疗 保健等客服中心
10年服务经验 273个 服务合同（含47个咨询合同）
纳入业务培 训计划
主动沟通
不正常
关爱
帮助提升员工业 务能力
改善管理，降低 流失率
圈定不同业 务强势群体
加入人员属性 挖掘业务强势 群体主要特征
加入人员 属性因子
各类业务经 验总结
不同类型员 工特性研究
改善业务，提升 业务能力
改善招聘、日常 管理、培训等各
方面
Hangzhou Utry Communication Technology Co.,Ltd.
分析维度模型
如投诉抱怨/重复来电+业务/产品类别、座 席+静默时间+超长通话时间等；任意维度 均可交叉分析并进行自动根源原因分析。
分析 报告 及应 用
分析
监听录音确认分析推论 ，根据系统提供的数据 与图表，形成可视化分 析结果。
应用
减少处理时长 减少客户流失 改善业务流程
改善自助服务 提升销售能力 提高客户满意度
客户服务渠道的大数据
议程
一、数据、技术和理念 二、远传对渠道大数据的利用研究 三、远传技术简介
Hangzhou Utry Communication Technology Co.,Ltd.
数据规模整体呈现急剧增长态势
2005~2020年全球数据量及预测
资料来源:IDC
2011~2016年中国大数据市场规模
处理流程； CC-CMM认证……
软件
U-BDMP联络中心大数据挖掘平台 U-CCMS运营管理系统（首创，排
名第一）； U-CKMS结构化多媒体知识库管理
系统； U-IOS呼叫中心IVR智能分析系统
（首创，排名第一）；
U-CBA跨渠道客户行为分析系统 （首创）；
BPO运营
培训基地； 业务外 包运营； 人力资源 输送； 服务领域运 营外包； 座席外包 ； 满意度回访； 离 岸外包业务； 质检 单项外包服务； 市
科
审
技 型
委 员
企
业 双软 国家重软企业
企业
远传产品
以管理优化为核心，涵盖服务领域、多电子渠道的管理提升 和服务创新。公司以顾问理念为先导，软件工具为辅助，外 包运营为实践，提供服务领域一揽子解决方案。
咨询 服务渠道建设规划
； 服务渠道运营管理； 跨渠道客户行为分析； 岗薪体系设计； 知识管 理和知识库运营； 微信 运营咨询； 嵌入式运营 ； 数字化管理诊断； 预
议程
一、数据、技术和理念 二、远传对渠道大数据的利用研究 三、远传技术简介
Hangzhou Utry Communication Technology Co.,Ltd.
远传联络中心大数据产品研究步骤
数据准备
数据采集
数据结构化
语音文件 在线对话文本
业务工单 ……
语音识别 语音文本化 语义索引
……
分类建模
Hangzhou Utry Communication Technology Co.,Ltd.
应用场景1-离网＆入网意向用户发掘
Hangzhou Utry Communication Technology Co.,Ltd.
离网＆入网意向用户挽留＆营销
分析离网＆入网的服务特征，建立对应的业务类别，发现有离网＆入网倾向 的服务录音并定位用户名单，进行离网原因分类，并通过外呼策略进行目标 用户的挽留＆营销，从而为企业创造价值。
主题分析
Hangzhou Utry Communication Technology Co.,Ltd.
IVR客户行为分析挖掘主题
IVR承载业务优化
• 话务和业务热点捕捉，实 现业务与客户需求合理匹 配，保证IVR承载符合其 渠道特性和用户需求的业 务
• 通过轨迹分析和统计，分 析IVR来电原因
• 准确捕捉人工来电原因
IVR转人工行为分析和管理
对首层转人工和非首层转 人工客户进行轨迹分析， 了解客户转人工的原因， 以进一步优化菜单结构和 业务流程，同时可以实时 提供给客服代表，使客服 代表可以提前了解客户需 求，提高服务效率。
Hangzhou Utry Communication Technology Co.,Ltd.
服务总规模 67000 席 再次合作率 83%
Hangzhou Utry Communication Technology Co.,Ltd.
RY
E 店J j1[
、 1
飞
，、 f .f)
谢谢 ．
一一一 一一一一一
业务/数据建类
分析建模
确立分类主题
分类关联分析模型
关联词提示
交叉分析模型
业务/数据归类
趋分析模型
……
……
挖掘分析
结果展现
自动根源分析
报表体系
分类关联分析 索引关联分析
交叉分析 趋势分析
分析报告 可视化查询 多渠道应用
普通统计分析
……
……
Hangzhou Utry Communication Technology Co.,Ltd.
Hangzhou Utry Communication Technology Co.,Ltd.
如何利用海量录音，通过各类关联分析，全面掌握话务 员各方面表现情况，并采取相应措施，提升运营绩效？
海量录音 转译
各业务通话 时长分析
加入技能 因子
圈定不同业 务弱势员工
加入技能因子 后确定弱势现 正常 象是否正常
确认离 网特征
建立离网用户特征分类； 基于分类定位全部的离网 录音；
离
确定离 网名单
匹配录音索引，生成离网 意向用户名单
网 意 向
客
户
营
离网原 因分类
对用户名单进行人工核实； 基于人工核实对离网原因 进行进一步详细分类
销 漏 斗
离网用 户挽留
基于离网原因分类，匹配 不同的挽留策略； 进行外呼挽留。
应用场景2-通过语音分析提升运营能力
IVR满意度分析与管理
根据满意度调查结果 和客户按键轨迹进行 分析，找出不满意度 的业务以及影响客户 满意度的原因，持续 改善IVR业务，提高 客户满意度
客户按键轨迹 客户满意度路径分析
IVR节点业务优化
分析各类业务和节点指 标，挖掘影响用户体验 和业务成功率的原因， 给出优化建议。包括播 报顺序、语言清晰度、 业务模式优化、分析过 程规则化等。
• A/BTesting 关联规则分析 • 分类 聚类 遗传算法 • 神经网络 预测模型 时 • 模式识别 间序列分析 • 回归分析 系统仿真 空 • 机器学习 间分析 • 社会网络分析 自然语言分析
MapReduce R语言 等
大数据相关 技术
• 结构化、非结构化和 半结构化数据
• 分布式文件系统 • 关系数据库 • 非关系数据库 • 数据仓库 • 云计算和云存储 • 实时流处理
IVR客户行为分析经典模型
业务冲浪轨迹 业务失败节点
业务关联模型
• 在客户的浏览轨迹中发掘业务之间的相关性 • 根据业务相关性，优化菜单结构和导航过程，设置快速
跳转，使客户能快捷的找到相关业务，提升用户体验 • 根据业务相关性，设计个性化营销方案，实现向上营销
和交叉营销。
业务挽回模型
• 在客户的业务办理轨迹中发掘想要办理但没有办理成功 的业务
接触渠道用户轨迹 接触渠道客户行为信息
• 服务特征 • 内容偏好 • 营销活动特征 • 消费特征 • 业务特征 • 终端偏好 • 渠道偏好 • 基础属性
客户标签
评价指标体系
• 改善渠道用户体验 • 提升自助服务有效性 • 精准营销提升业务办理量
效果评估
• 渠道-业务匹配模型 • 渠道业务分布模型 • 客户渠道偏好模型 • 客户业务偏好模型 • 业务关联分析 • 自助服务有效性模型 • ……
在线对话（非结构化）
IVR
IVR客户行为日志（半结构化）
网日站志
网站客户行为日志（半结构化）
然而，联络中心在这些数据的利用上一直 力有未逮
Hangzhou Utry Communication Technology Co.,Ltd.
近年大数据相关技术的发展为利用这些数 据提供了保障
• ETL
• 数据众包
资料来源:计世咨询
Hangzhou Utry Communication Technology Co.,Ltd.
信息以及智慧运用信息创造价值的能力 是左右我们未来的核心
数据
技术
理念
联络中心各服务渠道每日会产生海量数据
…
文本数据
联络中心
日志数据
其中90%以上为非结构化或半结构化数据
>90%
录音数据（非结构化）
• 标签云 • 聚类图 • 空间信息流 • 热图 • ……
构建可视化、全局化分析体系