友情提示：本文共有 4384 个字，阅读大概需要 9 分钟。
引
有一位用户向客服吐槽了QQ邮箱的某些功能，过了很短一段时间，QQ邮箱的客服主动联系了这位客户，并告知该功能已经进行优化、迭代。用户对此表示很诧异而且深受感动，认为自己得到了尊重和认可。后来这位用户将事件发布在网上赞美了QQ邮箱并得到不少网友的关注点赞。对于QQ邮箱来说，提高了产品在用户的心目中的形象和感知，一定程度上带动了新用户的引流，对于用户来说，倘若他恰巧是一位《引爆点》中的意见领袖，对于QQ邮箱的带动效果不言而喻，不管怎样，这位用户肯定成了产品的忠实用户。
事实上，像这种由于快速响应用户需求而获得成功的案例，在现今并不少见，它向我们证明了，重视用户需求且快速做出响应的重要性。商家品牌要善于从多个渠道去收集用户信息，尤其是在能够直接与用户发生交流的领域，例如客服行业。
随着电商行业的不断发展，客服行业开始精细化，不再是以只处理麻烦为主体。这时候理解的客服，是一个站在产品和用户之间的连接者。一方面把产品传递的价值，想办法传递给用户。另一方面把用户的需求反馈回来，因为需求从来不是一成不变的，产品只有在不断的迭代中，才能保持生命力。
本文将从用户需求反馈的角度，看客服是如何对运营、产品带来帮助的。
1
客服之于产品运营
1985年4月，可口可乐公司以新配方替换它的旗舰可乐品牌，此时，发生了一个典型的营销失误。品牌方本以为配方的改变会增加可口可乐的销售量，却没想到结果恰恰相反。这个行为遭到了消费者的抵触，在销量不断下滑的同时，可口可乐的总部每天差不多收到1500个电话以及大量的信件，都是来谴责可口可乐公司的行为。于是品牌方立刻重新启用了可口可乐经典的老配方。
在这个案例中，可口可乐能够迅速反应到自己的营销失误，一部分是因为直观的销量下滑，而更大一部分原因还是由于消费者的准确反馈——经典口味的可口可乐不仅仅是一种软饮料，它更是美国精神的一个代表，不应该被轻易改变。随着时代的进步，尤其是如今互联网技术的发展和电商平台的兴起，消费者反馈的渠道已不再只局限于电话和信件了，人们更愿意通过网络去和客服沟通关于商品详情和购买感受的信息。品牌商家从消费者处获得信息的方式更简便了，但同时信息量也更大了。
上面这个案例中，受消费者反馈直接影响的是产品方面——可口可乐重启了原来的配方，但事实上，消费者反馈还会影响到品牌商家的很多方面，比如运营，比如宣传，比如物流等等。而商家与消费者反馈接触最频繁的途径就是在网络平台，通过客服。那么，客服接收到的关于消费者意见的信息会如何影响商家品牌的产品和运营的呢，让我们接着往下看！
例如，产品上线初期，用户在使用的过程中避免不了会出现一些问题，有产品BUG、使用问题、需求等等。产品经理需要从用户那里收集关于这三类的问题，然后从这些不同类型的问题里提取为后续产品迭代提供方向的信息。那么如何以最快的速度搜集到这些问题呢？当然要首先要在顾客和客服的通话文本中去找啦。
再比如，在用户运营工作中，为了延长用户生命周期，我们要想方设法留住顾客，让顾客创造价值——用户生命周期价值（CLV）。 更形象一点的比喻，菜市场的王大妈在你每次光顾以后都会给你随手送上一把大葱，并不是因为你帅气美丽，而是他们知道小成本留住你，在未来你将创造更大的价值。那么，如何针对性地留住客人就取决于你是否了解顾客的需求（或者痛点）了。试想一下，如果你做菜从来不用葱，“王大妈送葱”就是没有意义的。而获取需求的快捷渠道，客服对话文本就是其中之一。
如何去衡量品牌商家的产品运营工作是否按计划进行，且达到预定目标，销售量固然是相当重要的一个指标，与此同时，消费者在与客服沟通过程中所反馈出来的信息其实也能帮助商家在产品和运营方面发现不少问题。就如同可口可乐的案例中，消费者反映的——经典口味的可口可乐代表了美国精神，不应该被轻易改变这一信息就帮助公司迅速找出了在销售量下降的背后，存在于产品自身的问题。
而在当时的经济发展水平和科技发展水平背景下，一是因为客服规模小，且仅仅只有售后客服，能发现的问题有限；二是由于缺乏能够高效收集、总结、归纳问题的工具。导致人们仅仅只看到了产品存在的问题，却没有看到客服之于产品的重要性。
2
客服通话帮助产品运营
上文中我们提到了，现在的消费者更多地是通过网络去和客服沟通关于商品详情和购买感受的信息。这些文本数据会涉及客户信息、产品信息和其他相关部门的信息。我们也认识到产品部门与运营部门的职责分别是通过改进产品优化用户体验和对可量化的指标做出快速反应以推动销售。那么，如果我们对客服通话文本，也就是消费者反馈信息进行分析提取，将会对品牌商家如何改进产品运营带来很大的帮助。
通过客服文本改进产品
每一个从事电商行业的工作者都不得不承认客服的重要性，从哲学的角度讲，产品的好坏，“实践是检验真理的唯一标准”。
客服工作每天会和大量的顾客进行沟通，在这个过程中，不仅是可以了解客服部门自身存在的问题，还可以了解其他部门需要协调或解决的问题。例如 “你们的产品太硬了，用起来不舒服”，类似于这样的问题其实就属于产品部门需要解决的问题。将这种有价值的意见报至产品部门，就可以帮助公司产品的不断优化。
除此之外，售前客服在接待顾客的时候，经常被问到的一个问题是：这几款有什么区别？你觉得我买哪一款比较好？这其实涉及的问题就是：同价位的产品当中，哪一款是我们利润最高的，客服就要诱导顾客去购买利润最高的那一款，这样才能最大化公司的利润。这就要求产品部门在设计产品的时候，要考虑到成本和利润之间的关系，以及将哪一款产品作为主推款。
另外，顾客也经常会问客服：同样的东西，为什么B比A贵？这就涉及到产品的功能“升级”是否对顾客有吸引力。客服要做的就是向顾客传达为什么B比A贵？是多添加了某样成分，还是使用某种黑科技。产品部门能够从这些对话中获取的信息就是：“升级”产品在功能和价格上是否能够吸引顾客，如果不能，要如何改进。
以护肤品行业为例，我们会定期以产品的关键词进行搜索，去收集顾客的意见。意见收集好之后，再把只是简单吐槽，而没有讲述具体功能点的意见排除掉，而去关注一下产品的好评和差评，特别是一些有效评论——对产品的具体功能点进行称赞或吐糟的。然后把一些具体的反馈（一般是收集负面反馈）用EXCEL汇总起来，分门别类处理一下，发送给产品部门。
通过客服文本改进运营
以每日优鲜的运营部门为例，该公司将运营部门具体细分出四个大的团队，把客服容纳进运营部门内，并通过客户文本数据改善内部的运营工作：
1）一线团队，就是线上的客服，专门处理顾客的各种问题，工作内容大致可以分为售前咨询、售中引导、售后服务和客户回访四个部分，
2）内部改善部，这个业务团队主要是管理客服质检、客服培训以及知识库更新等等工作内容。这个团队会通过用户在聊天内容中反映出的问题产生联想，以此推动流程优化改善、及时止损。比如说客户反映“客服只给他推荐产品，而不对产品进行说明，一点都不专业”，工作人员就要想办法对客服进行专业知识的培训，并对此进行质检，看类似的问题有没有再次出现，如果有，说明培训的效果还没有达到。
3）外部改善部，这个部门是运营部门比较有战斗力的团队，直接触及到企业内部各个业务部门的问题改善。这个部门与其他部门有着非常高的强联动性，目的是把控商品质量及物流配送的服务体验。比如客户反应“我们家是老人，不送货上门就不买”，运营人员就要和物流部门进行沟通。
4）用户声音前瞻团队，工作人员会通过客服与客户的聊天记录等等渠道，前瞻性地知道店铺的用户要什么、潜在的非店铺的用户要什么，以及什么样的商品在传播等等。通过这些信息，然后再去做一些传播，比如做社群、视频传播等。
店铺为了延长用户生命周期，会想方设法留住顾客，对客服服务进行质检就是方法之一。客服主管会通过抽查客服通话文本，对每一位客服的情绪、话术规范等等进行检查，然后根据已经量化好的一套话术规则，对客服员工的服务质量进行评估。以售前客服的销售话术为例，客服主管会从“挖掘客户需求”、“向客户给出建议”、“推荐产品”等方面去评估该客服的“专业服务”能力，如表一所示：
综上所述，产品部门和运营部门都需要定期对客服对话文本进行收集、整理、分类、提取的工作。然而，客服每天都会和顾客发生很多对话，在客服收到的这些大量意见中，分为有价值的和无价值的，如果我们想从这些繁琐冗杂的信息中提取中有用的，关键的，可以为我们所用的数据，就要对大量的对话文本进行深度解读。目前人力所能完成的调查工作只能通过抽样的形式，覆盖面不广，信息不全面。那有没有什么方法能够对全部的通话内容进行调研呢？人工智能或许能够帮助我们完成这件事。
3
AI帮助调研产品运营数据
客服的通话文本中包含了很多信息，其中就有关于如何改进产品和如何优化运营的意见，比如客户觉得她买的鞋子磨脚，商家就要考虑如何把鞋子设计得不磨脚，比如客户等了很久都没有人回答他的问题，运营团队就要思考如何培训客服能够做到尽快回复。如何从这些海量的信息中提取出完整的、有用的信息数据，是现今困扰我们的一个问题。如何解决这个问题，我们想到了人工智能。
近几年，依赖机器学习、深度神经网络等技术的不断深入，人工智能、自然语言处理等相关技术亦得到了爆发式发展。目前针对不同行业、不同领域的智能文本分析需求都出现了前所未有的定制化智能解决方案。
例如客服对话文本调研。客服话文本调研本质上就是对客服通话文本进行文本分析，并根据既定目标需求，在海量信息中抓取有用的关键信息。而这恰好就属于自然语言处理技术的研究领域。自然语言处理技术是一种基于机器学习技术，帮助人类和计算机最终实现完全相互理解及沟通的人工智能技术。利用自然语言处理技术，计算机就能智能而且高效地对每一通对话进行多维解析。
接下来就让我们来看几个功能示例：
1）情绪分析。基于人工智能情绪分析引擎的自然语言处理技术，可以自动分析通话文本中包含的情绪表达。不管是顾客的对话文本，还是客服的，他们的满意、感激、愧疚等等情绪（最多细分到12维）都可以通过计算机进行实时解读。
2）观点聚类。不同于传统的关键词匹配，观点聚类不限制具体的词汇表达，而是通过智能解读段落大意之上，自动将相似的观点进行归类、整合、提炼。例如系统能将“为什么面膜B比面膜A贵了一百多块钱？”和“面膜B这么贵，它贵在哪里？”统一归类成观点：“为什么面膜B贵？”。
3）规则设置。通过大量的数据训练，基于情绪解析、相似度文本匹配以及词法句法分析等技术，对关键句子的上下文逻辑关系，进行实时智能解析的一种人工智能技术。例如系统统一归类成观点“为什么面膜B贵”之后，计算机就知道接下来客服的回答应该是“因为面膜B含有XX成分，这个成分比较珍贵……”。从“为什么”到“因为”之间的逻辑关系就是机器学习研究的内容。
本文如果对你有帮助，请点赞收藏《客服通话文本如何帮助产品运营》，同时在此感谢原作者。
