Stratifyd:数据驱动业务价值，让决策更精准|案例篇

以下内容来源于Stratifyd 高级解决方案经理周冠男在AWS网络研讨会中的演讲内容「案例篇」。

如需查看完整演讲视频，请点击链接：//aws.amazon.bokecc.com/news/show-3542.html?from=singlemessage

如需下载Stratifyd演讲课件，请点击链接：http://stratifyd.mikecrm.com/84eQbE6

前两篇介绍了构建数据驱动业务体系的方法以及如何利用增强智能技术释放数据价值，为了帮助大家更好地理解数据在业务工作流中发挥的价值，本文将结合几个有趣的案例，为大家介绍增强智能技术在挖掘数据价值、驱动企业科学决策方面发挥的重要作用。

增强智能助您轻松找到数据背后的故事

无论是结构化数据还是非结构化的语音、文本、视频数据，增强智能是否可以给我们带来更深入的商业洞察呢？答案是肯定的。增强智能的本质就是将人类擅长的技能与机器能力相结合，赋予人类更强的分析能力，帮助人们更快地找到数据背后的故事。接下来会给大家介绍几个有趣的案例，从数据分析的深度和自动化两个角度去展开。

1. 数据分析深度：只有结构化数据是远远不够的

数据驱动业务体系：

电商数据收集—>NLU 分析—>业务建议

美国某领先健康护理快消品牌借助 Stratifyd 挖掘非结构化电商反馈，完成新品上市验证。

故事背景：事业部打算推出新的卷纸 SKU。新款卷纸采用无中心纸筒的新设计，不仅降低了制造成本同时也节省了仓储物流空间。为了验证是否受消费者欢迎，他们在电商平台上进行了一次带有试验性质的短期促销活动，发现销量不错。

结构化数据的积极推论：无论从财务角度还是销量角度，似乎都预示着如果正式将其推广到市场中，公司将获得高额利润。

但是，非结构化数据却得到相反的结论。

数据分析部门利用 Stratifyd NLU 模块对消费者的评论进行深度挖掘，发现消费者的反馈是比较负面的，系统自动归纳出的主流话题为：

• 该产品销量不错只是因为很多消费者是冲着牌子和新品促销折扣购买的；
• 很多消费者收到产品后才发现是无中心纸筒的卷纸，表示自己没仔细看商品介绍买错了；
• 很多消费者表示不喜欢这种设计，并声称不会再买这种卷纸了。

决策层听取了数据分析部门的这些洞察发现，决定停止该产品的正式推广计划。

2. 数据分析深度：挖掘客户主动表达的业务痛点最有价值

数据驱动业务体系：

反馈数据收集—>情感/文本分析—>业务建议

美国某领先的金融集团旗下银行，借助 Stratifyd 情感预测及话题抽取模块发现手机银行体验痛点。

故事背景：银行的 DCX 数字化客户体验部门为了提升客户在全行各个业务触点的体验，维持长久的客户关系，推行以 NPS 作为核心指标的决策驱动型数字化转型项目，旨在发现客户生命旅程的业务痛点。其中在手机银行部门进行客户反馈收集及分析过程中，他们发现了诸多问题：在更新手机银行 App 后，整体客户情感和 NPS 都出现了下滑情况，仅仅通过用户的行为，并没有很好地找到问题出在哪里。

DCX 数字化客户体验部门利用Stratifyd增强智能平台收集并分析了 App 内的文本反馈和手机应用市场的公开评论后，有了重大发现：

• 部分手机指纹验证功能出现多次验证不通过的问题，大量客户在短时间内表达了相当程度的沮丧情绪；
• 另外，一些功能因为美观问题被收纳到“hamburger”样式的菜单中，导致有需求的客户无法找到这些功能，反而在页面中停留了很长时间，业务无法顺利展开。
• 发现产品设计和流程问题后，该银行的产品团队立即着手修复此功能，客户的满意度得到提升，留存率也大大增加，这正是得益于 Stratifyd 提供的转型工作和非结构化数据分析能力。

3. 数据分析深度：掌握客户口味偏好，调整产品研发战略

数据驱动业务体系：

电商数据收集—>NLU 分析—>业务建议

Stratifyd帮助某全球知名烟草集团监控竞品市场动态，洞察消费者口味趋势和情感诉求，开发新口味市场。

故事背景：该烟草集团在全球都有电子烟销售业务，寻求与Stratifyd合作主要是出于两个目的：一方面是为了更好地监控竞争对手的市场动态，找到差异化竞争优势；另一方面想更好地了解消费者的口味偏好，以推出更迎合市场需求的产品。

在研究竞品的消费者反馈时，发现 “口味”是一大话题，消费者尤其喜欢糖果、咖啡、红糖等口味，深挖发现很多消费者提到“孤独感”，这些口味可以让他们放松，是很好的情感依赖。

以上发现引起决策层的注意，后来企业在及时调整了电子烟口味策略，弱化真烟，更加偏重生产甜口味的烟。此外，该企业也积极地研究其他领域（如饮料、食品）最流行的口味是什么，将这些发现也整合在电子烟的研发工作流中。

通过这个案例可以看出，如果不以客户需求为中心，就很难发现这些商业洞察。

4. 数据分析自动化：意图识别模型，帮助人员判断

数据驱动业务体系：

收集数据—>相关性判断—>意图识别—>运营执行

中国某500 强集团旗下人力资源外包及品牌咨询服务公司，使用 Stratifyd AI AutoLearn 模块，打造自动化多层意图识别模型，完成运营业务的数字化转型。

故事背景：该企业帮助客户运营品牌并提供咨询服务，其中一个策略就是提升客户品牌在社交媒体上的发声并增加消费者互动。最开始该工作需先由人工团队对社交媒体内容进行筛选和分类，识别意图后交由运营团队进行消费者互动，但因为相关内容体量大，产能有限无法实现业务规模化，效率低。

解决方案：借助 Stratifyd增强智能数据分析工具，数据分析师完成 AI 模型训练，实现文本的自动分类与意图识别，大幅提升运营效率，产能得到指数级优化。

5. 数据分析自动化：潜客识别模型，优化产能分配

数据驱动业务体系：

通话录音—>转文本—>潜客模型识别—>意向客户筛选分组

中国某保险行业外呼团队，利用 Stratifyd AI AutoLearn 训练潜客意向判断模型，找到高意向客户，节约产能，提高成单。

故事背景：该保险公司有数百名代理人以电话营销的方式销售保单，通常情况下，一个代理人要打4通电话才能促成一单，为了提高销售单量，加快成单时间，该公司急需一种解决方案，帮助其快速分析客户与代理人质检的通话内容，快速甄选更有可能成单的高价值潜客。

解决方案：Stratifyd可以全面分析客户与代理人互动数据，利用AI模型训练框架快速识别出匹配业务目标的高价值潜客。模型训练全自动完成，每完成一次通话即可给出是否进入下次触达流程的判断结果，帮助外呼部门在单位时间内快速找到更多的高意向成单客户。在Stratifyd AI训练模型的帮助下，150个代理人一周内的成单率提升了20%！

-----------------------------------------------------

斯图飞腾（Stratifyd Inc）在全国诚募合作伙伴，如果对我们的产品感兴趣或有商务合作意向，欢迎发邮件（partner@stratifyd.cn）或关注微信公众号（Stratifyd）联系我们。