在不断发展的数据科学领域中，两个高级功能相互补充以从数据中获取价值：信息管理和决策科学。一个人不能在没有另一个人的情况下发挥最佳功能，并且通常期望数据科学家同时执行这两种功能。在最有效的数据驱动型组织中，专家是这两个职能的核心，而他们的技能组合使他们能够有效地跨越。
信息管理的任务是所有主要的数据来源、清理和组织。虽然至关重要，但信息管理团队需要一个决策科学部门来做好基础工作并将其转化为战略性的东西。决策科学家分析和报告他们仔细收集的数据，并使用它来促进整个公司做出更好的决策。它还直接增强了客户的决策能力，因为 CX 越来越适合人们的需求。
决策科学不仅包括
机器学习和深度统计方法——它还融合了用户体验组件，因此我们可以更准确地评估和改善客户体验。我们通过深度分析有效地确定“是什么”，并将其与理解潜在客户心理的“原因”相结合。因此，决策科学促进了我们业务中真正为客户服务的战略决策。
以下案例是决策科学启发的一些改进示例。在您努力实现真正智能的客户体验时，使用它们来指导您自己的数据科学部门，无论大小。
绘制客户旅程并计算其成功率
在进行任何更改之前，您应该规划客户的整个旅程。对于我们的销售流程，这意味着从他们开始使用我们的网络资产开始就深入了解他们，从研究到初次接触——通过各种方法，包括聊天、在线购买流程或我们的机器学习——注入 IVR 系统——最终满足他们的需求。我们绘制了每个步骤以了解客户旅程从开始到结束的样子，并且对于此旅程的每个步骤，我们都根据历史数据计算了成功的概率。例如，对于 IVR 中的每一步，我们都知道此人成功满足其需求而不是放弃路径的可能性。
最终，我们发现，与其他步骤相比，一些客户在某些步骤中放弃旅程的几率更高。我们采用了这些放弃率并分析了与通往它们的路径的相关性，以确定客户的意图并支持建议以消除或更改单个步骤或路径。这种方法可以大大改善 CX，从而提高转化率。
您自己的数据有力量。用它！
在检查客户旅程时，我们发现在某些点上，客户是根据地理列表和我们从合作伙伴和第三方获得的数据进行路由的。虽然路由在概念上是正确的，但当我们根据自己的客户成功率分析自己的数据时，我们发现了潜在改进的领域。
这里的一个关键学习是，第三方数据可以在可能缺少专有数据的领域为您提供帮助，但是一旦您拥有基于您自己的流程和客户的足够历史数据 - 没有什么能比这些洞察力更胜一筹。使用这些数据，您就可以开发能够迅速形成竞争优势的专有方法。这确实是数据科学有机会开始塑造您的业务模型的地方。一旦我们开始在适当的情况下使用我们自己的数据来引导客户流量，受影响客户的体验就会大大改善，转化率也随之提高，并为我们和我们的合作伙伴创造了充足的额外价值。完全通过决策科学的视角查看我们的数据，实现了全面的三赢。
左右脑：加入用户体验和分析视角
现有的独特方法之一是让用户体验专家和数据科学家密切合作。通过将这两个学科整合到决策科学团队中，可以建立一种关系，使公司与那些使数据科学和用户体验相互孤立的公司区分开来。从广义上讲，数据科学家研究客户在做什么，而用户体验通过告诉公司客户做出某些选择的原因来为我们的洞察力带来价值。拥有经过培训的 UX 团队可以从心理学角度了解客户旅程，这有助于识别一系列机会并真正丰富了我们的决策科学。
其中一个机会是我们在搜索流量中使用的登陆页面，该页面以流行的互联网捆绑包为主导。虽然总体上是成功的，但通过热图分析 UX 显示页面上出现了一组分散的点击，这表明了某种程度的混乱或一组比之前假设的更加不同的需求。我们没有假设所有客户都在寻找这些捆绑包，而是提供了一组清晰但更广泛的选项，让每个客户只需单击一下就可以找到他们真正想要的东西。这些选项是根据人们用来创造更顺畅体验的关键字进一步定制的。使用 UX 提供的工具和视角，再加上
数据分析，我们将该页面重组为菜单样式，
让决策科学为您的公司服务
如果您正在寻找使用决策科学的新方法，或者觉得您的数据没有被充分利用，请首先将注意力转移到以客户为中心. 在您做任何其他事情之前，请绘制您的客户的整个旅程。然后，想想客户在这段旅程中经历了什么，并与您的 UX 团队一起探索他们选择背后的原因。
了解旅程的每一步将使您能够影响客户与您的业务的每个接触点——提供更智能的客户体验。在几乎所有情况下，为客户做正确的事就意味着为企业做正确的事。牢记这一点，永远不要停止寻找改进的机会。
扫码加好友，拉您进群
全部版块
我的主页
收藏
