没有人希望客户不满意，这对企业不利，而且说明可能出了问题。因此，当客户表达担忧或提出投诉时，您不妨倾听一下。

如今，公司拥有各种数据驱动机制来跟踪客户。数据告诉他们客户是谁，他们购买什么，他们来自哪里，以及他们下一步可能会做什么。如果缺乏某项有用的数据，他们可以在公开市场上寻找。

但数据科学家Marcia Tal认为，有一种数据公司已经拥有，但却没有充分利用，那就是客户投诉数据。

Tal曾在花旗集团工作了 25 年，后来在纽约成立了自己的咨询公司Tal Solutions和PositivityTech。

“我认为这比我预想的要有价值得多，”Tal说，她曾带领团队在花旗集团的 40 个渠道建立了决策管理功能。“在这方面投入的资金还完全处于起步阶段”。

投诉即旅程

投诉数据在旅程分析中扮演着重要角色，公司试图跟踪客户旅程，希望最大限度地提高客户满意度，当然也希望带来更多消费。几十年来，旅程分析一直是大数据和分析团体积极关注的领域。

投诉数据的问题在于，回报可能遥遥无期，也可能永远不会到来。Tal认为，这绝对不是大数据树上最容易摘到的果实之一。

“这是树顶上的荔枝，你必须爬到别人的肩膀上才能摘到。”她告诉Datanami。

同样，在大数据分析的现阶段，Tal对更多公司没有投入更多精力来利用投诉数据感到惊讶。

“工具是有了，数据也有了，但从文化上讲，你们是否真正把与客户的互动当作有价值的数据资产来考虑和对待呢?”她说，“归根结底，我认为客户会告诉你他们要做什么。”

战略影响

Tal对使用投诉数据来发现不满意的客户，以便在他们下次光顾时为其提供八折优惠券并不感兴趣，她对从情感分析的角度来了解客户对其业务的感受也不感兴趣。

她感兴趣的是发现公司内部可能正在酝酿的更严重问题的迹象，而这些问题却不在做出重大决策的高管们的视线(和头脑)之内。

例如，当客户与公司在交易中发生争议时，他们可能会提出投诉。在信用卡公司，一旦该投诉被提交给监管机构，计时就开始了，公司有六个月的时间来解决该问题。如果六个月后问题仍未解决，公司通常会注销这笔金额并宣布问题已解决。

“为了在损失率上提高几个基点，企业会花费数亿美元，”Tal说。“然而，人们对投诉的看法却不尽相同。而我的观点是可以同样对待投诉，因为它的影响同样有价值。”

数据分析小组被大量数据淹没，从噪音中分拣出有价值的信息并非易事。在海啸般的噪音中，公司往往要等到围绕某个主题的投诉量达到一定程度(比如，异常长的等待时间)，才会采取行动。

在 Tal 看来，机会在于公司可以在投诉量较小的时候采取更加积极主动的方法分析客户投诉数据，并在这些问题演变成严重问题之前将其扼杀在萌芽状态，从而节省数亿美元的潜在成本。

“可能要过一年或两年才会出现问题。我们已经看到的问题是，当投诉量还比较小的时候，你会怎么处理?”她说。“这才是真正的问题所在。”

投诉数据的长尾

在大数据出现之前，Marcia Tal就已经开始从事 “大数据 ”工作。她在花旗银行和其他公司拥有四十年的工作经验，见证了分析趋势的发展演进。 她处理过多种类型的数据，客户投诉数据让她印象深刻，因为这些数据很难处理，但却蕴含着巨大的潜力。

客户在投诉中告诉业务往来公司各种各样的事情，但他们在倾听吗?在很多情况下，他们没有。

“投诉是有一个过程的，”Tal说。“它可能始于询问，可能始于一个问题，也可能直接就是投诉。它有自己的演变过程，这个演变过程会对它收到的任何刺激做出反应，无论这些刺激来自哪个渠道，都可能导致更多的摩擦或更少的摩擦。它可能引发很多事情。而且，其传播范围的广度比我以前想象得要科学得多。”

挖掘长尾客户投诉数据并非易事。尽管由于OpenAI 的 ChatGPT和谷歌的Gemini等大型语言模型(LLM)的出现，自然语言处理(NLP)技术得到了快速发展，但要从这类数据中获取价值，目前还没有灵丹妙药。

当 Tal与客户合作挖掘客户投诉数据时，她更喜欢使用原始通话记录。客户对话摘要不起作用，因为它们是员工筛选的结果，而 Tal正在寻找的信号往往会在筛选中消失。虽然LLM在某些领域可能有用武之地，但Tal和她的团队使用定制的NLP工具进行关键分析。

“我不一定要求情感。我在寻找你会根据正在发生的事情采取的具体操作和战略行动，”Tal说。“这是一个人机迭代的过程。至少我认为目前的技术水平是这样的。也许再过五年就不是这样了，但我认为现在就是这样。”

投诉数据非常长尾，Tal说。“客户开始告诉你哪里有问题。他们这样做并不是因为他们想分享自己的问题，而是因为他们遇到了真正的问题，或者他们经历了某些事情并正在寻求解决方案。”

归根结底，人们希望被倾听。这在当今以自动化为主流的企业环境中并不容易。人力呼叫中心成本高昂，因此公司倾向于将客户互动交给聊天机器人。这虽然可能有利于盈利，但也存在疏远客户的风险。

Tal正等待着服务公司像半个世纪前的美国制造商一样，致力于 “全面质量管理”，以提高产品价值。利用客户投诉数据和NLP工具改善客户服务是一个机会，但这需要服务公司走出自己的舒适区。

“每个行业都能从中受益，”她说，“如果品牌能够证明他们确实在利用这些数据做一些事情，也许我们会听到更多人的声音。如果我们能听到更多人的意见，那么我们就能真正开发和改进我们的产品和服务。”