在售后服务中，如果把每个客户的服务时间做个统计，你会发现一个比较有意思的事情：通常小部分客户会消耗团队大部分工时。尽管从服务满意度角度，我们期望实现客户服务的均衡覆盖。
但基于投入产出考量，当一个“钱多事少” 客户与“钱少事多”客户同时出现问题，我该优先服务谁？理论上应优先响应前者以实现资源效能最大化。
在实际服务中，当客服同时面对两个客户的服务请求时，往往难以快速判断客户是 “钱多事少” 还是 “钱少事多”。因此，构建售后画像成为解决客服服务决策问题的关键手段。
售后用户画像本质上是基于业务需求构建的客户特征模型。若以提升客户服务满意度为目标，画像需解决的是如何将服务分配给更优质的客户；若旨在促进售后增购，则需挖掘具有高忠诚度和潜在需求的客户群体。因此，售后用户画像的构建因业务目标而异。
本文将以提升客户服务满意度为核心进行售后画像的实践。
图 1：最终效果图
点此咨询同款解决方案
>>
在售后画像的具体落地实践中，主要借助多款工具协同分析：有数 BI (数据分析工具)；网易CodeWave (智能开发平台)；网易七鱼(客服工具)。
图 2: 架构图
图 3: 操作演示图
1.利用财务数据可以知道：
指标1: 客户商务阶段 (关注项目状态);
指标2: 客户优先级 (利用维保金额数据, 可以对客户分高低优先级);
指标3: 维保状态 (合同中有效期)。
2.利用工时数据可以知道：
借助工时数据，我们能够依据问题处理时长和问题处理次数这两个关键指标，对用户进行象限划分，具体如下：
第一象限：该象限内的用户呈现出投入时间长且问题数量多的特点。从战略层面考量，我们期望战略客户处于这一象限。
第二象限：处于此象限的用户问题数较多，但投入时间相对较短，这表明处理单个问题的时间较长，不过问题本身相对简单。对于这类用户，建议尽可能地建立丰富的常见问题解答（FAQ）资源库提供给客户，从而有效提升客服人员的工作效率。
第三象限：此象限的用户具有投入时间短且问题数少的特征。如果战略客户落在这个区域，我们会将其认定为优质客户。对于这类客户，一般会积极主动地开展多种主动服务，以进一步巩固良好的合作关系，提升客户满意度和忠诚度。
第四象限：该象限的用户表现为投入时间长但问题数少，这意味着处理单个问题的时间较长，且问题的难度较大。针对这类问题，我们期望由团队中的核心客服人员负责处理，并且鼓励他们将处理过程和经验进行分享，以便提升整个团队应对复杂问题的能力。
从客户角度来说：处理时长是实际成本，所以我们一般不希望普通客户落在一四象限，如果落入一四象限可能会适当降低响应。我们一般希望对每个客户的处理时间尽量短，所以象限2，3的客户理论上会认为事少客户。
从下图中可以发现，第三象限的客户最为密集，甚至有可能第一象限、第二象限和第四象限的客户总数之和都不及第三象限的客户数量多。这一现象也进一步验证了 “小部分的客户数会消耗掉团队大部分的工时” 这一观点。
图 4: 象限划分图
参考线的设置：利用数据动态的平均时长和问题处理次数。
内置逻辑：有数BI提供的LOD函数可以实现跨粒度分析。
图 5: 逻辑演示图
最终将画像变成二维表。
图 6: 二维表效果展示
首先，在智能开发平台中对api接口进行注册。
图 7: 操作演示
其次，利用智能开发平台逻辑将数据定时清洗到售后画像表中。
图 8: 操作界面图
点此咨询同款解决方案
>>
设计一个智能开发平台页面，如图所示：
图 9: 智能开发平台页面截图
当把页面集成在七鱼时，需通过七鱼系统将对应群聊 ID 及客户标签回传。随后，系统将依据这些回传参数，高效从画像表中找出用户画像信息。
调度智能开发平台页面代码，将七鱼的群 ID 等参数传给智能开发平台。
图 10: 操作演示图
为充分释放售后画像的核心价值，助力每位团队成员优化服务策略，需强化服务产出比的认知引导，确保员工在服务高峰期面临任务冲突时，能够快速做出最优决策。
试想有两种方式：一种分析师/领导告诉你们现在每个客户的画像情况，但当你客服工具消息响起时，对前面说的客户的画像的事情估计也抛之脑后了（缺少强提醒机制）。第二种方式是当会话响起时，有个客户画像摆在你面前，自然而然就会思考如何服务。
图 11: 最终效果展示图
优网科技秉承"专业团队、品质服务" 的经营理念，诚信务实的服务了近万家客户，成为众多世界500强、集团和上市公司的长期合作伙伴！
优网科技成立于2001年，擅长网站建设、网站与各类业务系统深度整合，致力于提供完善的企业互联网解决方案。优网科技提供PC端网站建设（品牌展示型、官方门户型、营销商务型、电子商务型、信息门户型、DIY体验、720全景展厅及3D虚拟仿真）、移动端应用（手机站、APP开发）、微信定制开发（微信官网、微信商城、企业微信）、微信小程序定制开发等一系列互联网应用服务。
公安局备案号：
专属顾问
