企微咨询顾问
体验家XMPlus-全旅程客户体验管理
智能家居用户的体验会随时间变化：首次激活时可能觉得新鲜，持续使用后逐渐遇到设置困难，服务介入后又可能恢复信心。理解这一过程，需要把不同场景、不同时间的评价连接成连续的客户体验档案。
体验家 XMPlus 客户中心通过客户信息、分组标签、体验指标、历史反馈及客户历程，帮助企业理解同一人的体验。在此基础上，体验家规划中的“客户体验健康度”将多个场景题目进行加权汇总，形成可解释的综合评价。结合 MCP 数据连接，企业还可以按客户 ID 组织 AI 纵向分析，识别体验下降、问题复发与服务恢复的过程。
客户的信息往往分散在不同系统：订单记录产品，App 记录绑定与使用，问卷记录评价，服务系统记录安装和维修。每个系统只描述经历的一部分。
例如，一名用户安装后认为指导不足，随后逐步学会使用；更换网络后再次反馈连接困难，客服帮助后恢复操作，但对品牌的推荐意愿仍然较低。
如果只看最新评价，团队可能忽略问题反复发生的背景。如果只看购买金额与使用次数，也难以判断用户是在满意地使用，还是带着不满继续使用。
体验家客户中心的价值，是围绕客户组织这些信息，使团队能够同时理解当前状态、历史经过和后续行动。
体验家客户中心集中管理客户信息，支持员工绑定，并按关联关系组织可见范围。服务人员可以在明确归属下了解需要跟进的客户。
智能家居还应区分个人、家庭与设备。同一人可能有多台设备，同一设备也可能由多人使用。业务客户标识用于连接个人历程，家庭、设备和服务信息则作为独立维度关联，具体关系由业务数据提供。
客户分组和标签可以帮助组织新近安装、需要使用指导、维修后待回访等不同任务。体验家支持手动标签，企业可以明确分类依据、维护人和复核时间，让客户差异真正支持服务。
体验家字段管理提供自定义字段与展示管理入口。项目可以围绕已掌握的信息设计产品类别、安装阶段或服务归属等属性，具体字段和维护方式按接入配置落实。
客户属性与每次反馈的场景参数需要分别保存。客户可能先后使用不同产品，不能仅用档案中的最新型号解释全部历史回答。
客户详情可以查看历史交互及每次体验状况。近期评价帮助快速了解当前问题，连续回答则解释为什么会形成这一状态。
同一个低分，可能是第一次发生，也可能是多次处理后再次出现。保留时间、场景、评价对象和原始意见，才能支持有效判断。
结合客户历程、预警信息及事件中心的处理记录，可以沿着以下路径理解服务过程：
在哪个阶段遇到问题 → 提交了什么回答 → 是否进入跟进 → 采取了什么行动 → 后续体验是否恢复。
这让客服、产品和运营有机会围绕同一份背景协作，减少重复询问。
安装顺畅不代表产品效果满意，功能满意也不代表售后满意。智能家居的总体体验，需要保留这些不同维度。
体验家规划中的客户体验健康度，将从旅程的多个场景问卷中选择题目，通过加权计算形成综合分数。它是一项规划方向，具体上线与配置范围应按项目确认。
| 体验维度 | 可纳入的评价内容 | 业务意义 |
| 安装激活 | 预约、现场指导、绑定与配网难易 | 能否顺利开始使用 |
| 产品效果 | 清扫、烹饪、环境调节等实际感受 | 核心功能是否满足需要 |
| App 操作 | 控制、设置、结果查看与提示理解 | 数字操作是否便利 |
| 家庭协同 | 成员共享、联动设置、多人使用 | 能否融入家庭日常 |
| 服务与品牌 | 维修、问题解决、信任与推荐意愿 | 是否形成长期认可 |
一个可解释的模型是：
场景得分＝该场景有效题目标准化得分的加权平均。
客户体验健康度＝各有效场景得分的加权平均。
权重应反映产品定位和研究目标。例如，扫地机器人更重视清洁效果与使用便利，高频联动产品可能更关注设置和协同。但权重不是通用标准，需要通过项目研究确定并保留版本。
不同问卷可能采用五分制、十分制，或用高分表示更困难。加权前要转换到相同范围，并统一高分含义。
正向题可以按以下方式转换到 0—100 分：
标准化得分＝（原始得分－量表最低分）÷（量表最高分－量表最低分）×100。
反向题需要相应反转。推荐意愿可作为模型输入之一，但个人推荐评分与群体 NPS 是不同指标，应分别解释。
一个综合分数需要同时说明用了哪些题、覆盖哪些阶段、反馈距今多久。没有售后经历的用户，其售后场景不能直接计为零分。
| 需要保留的信息 | 作用 |
| 场景与题目构成 | 解释分数从哪里来 |
| 权重与规则版本 | 区分体验变化和计算变化 |
| 有效反馈时间 | 识别近期与历史信号 |
| 场景覆盖情况 | 避免把信息不足视为体验差 |
| 分项及原始回答 | 定位短板并核验判断 |
总分便于概览，分项与历史负责解释，两者应共同呈现。
问卷中关联的产品、版本、使用阶段与服务信息，可以在分析中承担三类作用。
第一，作为解释维度。同样出现配网不满，需要区分是否集中于某类产品、某版本或重新配网场景，缩小排查范围。
第二，作为模型适用条件。刚完成安装的用户尚未经历长期使用，可以先观察激活和学习；使用较久的客户，再纳入更多效果与服务评价。
第三，作为综合模型的输入。若企业希望纳入活跃、连接结果或服务频次，应先定义标准化和权重，并保留主观体验与运营表现两个分项，避免混淆来源。
购买金额可以影响服务安排，但不能证明体验更好。设备操作频繁也不一定意味着满意，仍需要结合评价和场景理解。
体验家 MCP 支持读取问卷信息、列表和答卷详情。当答卷保留统一客户标识、时间与场景参数时，可以组织同一客户连续历史的分析。
链路可以设计为：
读取历史答卷 → 按客户 ID 归集 → 对齐时间和场景 → 计算变化 → AI 结合原文解释 → 形成跟进建议。
假设两位用户的综合体验分数同为 70 分。甲从 90 分逐步下降到 70 分，乙从 45 分经过服务帮助回升到 70 分。这里的数字仅用于说明模型，前者需要关注下降原因，后者需要确认恢复是否稳定。
只看当前值，会错过变化方向。纵向分析可以结合时间、重复问题和服务节点，生成更有背景的客户摘要。
智能家居值得关联的节点包括首次安装、配网、版本更新、新设备接入、维修和回访。AI 可以辅助回答：不满是否在某节点后开始，同类问题是否反复出现，服务后相关评价是否恢复，功能恢复后品牌信任是否仍然偏低。
问卷以外的完整服务、预警记录及健康度历史，需要通过相应接口或数据流程补充，并按同一标识关联。这样才能形成完整分析背景。
先计算分数变化、场景差异与重复问题，再让 AI 结合原始意见解释。分析结果应保留对应时间和回答，便于人员核查，进一步决定是否需要指导、回访或技术排查。
酷开项目通过不同家庭类型研究使用习惯与痛点，提示智能家居体验需要理解使用者和家庭情境。美菱冰箱项目按选购、配送、安装、使用和售后评价，则说明客户关系跨越多段服务。
将这些阶段的反馈按客户身份连接后，企业可以区分一次安装不满、持续操作困难和维修后恢复，并围绕具体经历安排跟进。
体验家客户中心提供连续记录的基础；明确的计算模型帮助概括状态；AI 历史分析进一步解释变化。三者配合，使客户运营能够围绕真实经历展开。
客户中心的后续动作可以形成循环：识别需要帮助的用户、理解历史、安排跟进、记录行动、收集后续评价，再更新对客户状态的判断。
对安装困难用户，重点可能是教学；对重复反馈同一故障的用户，需要核实是否真正解决；对服务后恢复的用户，则观察稳定性与信任变化。
体验家让客户体验成为可以持续积累的信息。综合评价帮助看到状态，纵向分析帮助理解经过，而每次后续反馈又为改善效果提供新的依据。
满意度通常针对一道题或一个场景；规划中的健康度综合多个场景题目，概括整体体验，同时需要保留构成与时间。
可以围绕客户查看历史交互及各次体验状况，结合相关反馈和事件记录了解问题与处理过程。具体信息范围取决于实际采集、关联和接入情况。
答卷保留统一客户 ID 和时间后，可以通过 MCP 获取可用问卷数据，组织纵向分析；额外业务记录需要相应接入。
相同总分可能来自不同场景、不同覆盖与不同趋势。原始回答和历史分项让团队能够解释变化，并采取针对性行动。
扫码关注体验家公众号，随时随地获取体验家观点
免费订阅
提交信息，我们将定期为您推送更多您喜欢的内容
我们将定期为您推送更多精彩内容
南山区招商街道太子路111号深圳自贸中心12A-10
0755-21615848
contact@surveyplus.cn
扫码关注体验家公众号
Copyright © 2023 XMPlus 瀚一数据科技（深圳）有限公司 粤ICP备18114013号-2
粤公网安备44030502005360号
