前阵子吹了一大通牛,现在是回来填坑的时候。举一个如何利用大数据在咨询项目中发挥巨大价值的案例,虽然那个时候还不知道大数据这个词汇。

项目背景

2005年,我司(某国际大咨询公司)接到某国国际超大运营商的一项目,要求规划其呼叫中心战略。听起来无比高大上的项目,其实背后的故事很有(fu)趣(za)。某大领导提出天才想法,要求对呼叫中心的流程及菜单做出重构。这个重构还不是一般的重构,而是双重重构。

第一重如下图,整个改变呼叫中心的流程。

第二重是重构呼叫中心的菜单。

大老板的想法实在是太颠覆了,手下们都是虎躯一震娇喘连连。谁都不敢立即推广而扛雷,于是只好请来了国际知名大咨询公司做项目给建议。(说到这里,大家大概明白了咨询的价值之一:扛雷)

项目启动

拿到项目之后,大趴们自然很开心得想着数钞票。至于项目嘛,国际先进经验、经典客户调研理论和实践等都可以轻松上场嘛!其实他们不知道,那个时候的某国手机市场已经吊打全球了。欧洲最大的电信运营商在整个欧洲的手机用户还没有该国一个联邦的用户多。爱立信的定价专家曾经来给该国的运营商们讲课,直接被扫地出门:该国的手机资费复杂程度,已经远超世界各国,漫游+被叫主叫+增值服务+亲友号+小区号……

公司的一个项目经理很快带着我们几个小伙伴儿开始项目了,也准备按照常规套路展开:组织用户调研+Focus Group、从集团公司拿经营数据做分析、巴拉巴拉。我当年也是年少轻狂不知愁滋味,斗胆给项目经理建议:

• 传统方式太low,首先调研的样本有限,而且面对面问用户某个呼叫中心的服务好不好,实在不靠谱,不具备参考性

• 呼叫中心应该能收集到用户的海量数据及唯一ID(手机号),可以试试用纯定量的方式来评估效果和解决问题

以当下的眼光来评价上述建议实在是太稀松平常了,这不就是一套统计系统而效果评估吗,现在哪个App或者网站没有这些?但是这个项目发生在2005年,CNZZ也仅仅是在当年成立,友盟是在2010年成立。而且即使如此,目前几乎所有的咨询公司还是在用客户调研的办法解决类似的问题。

幸运的是我们项目经理是毕业于美国名校的生物PhD而且从事多年数学奥赛,对于我这个疯狂想法表示支持,让我放手去做。我也只提了两个条件:找一台服务器跑海量数据;找一个清华计算机系的本科生和我配合写程序。

项目就此启动。

项目过程

当年,运营商总部的数据都是宏观数据,很难微观去观察每个用户的行为,特别是每个用户在每个时间段的行为。所以我只好要求呼叫系统的开发商——华为定制开发,给我们增加输出详细日志的功能。华为真是NB的公司,居然同意并快速响应了我这个要求。也得益于10年前我还是小鲜肉,华为工程师实在架不住我们这般软磨硬泡和恩威并施。

我们提出的数据收集方式和数据格式如下,要求系统详细记录用户的每次操作行为以及操作时间。

通过华为的日志输出,每天得到上百万的session(基本等于网站的UV),已经上千万的行为数据(基本等于网站的PV)。为了处理这个海量的数据,我们两用上了SQL Server和C++。(抱歉那个年代还比较土,不知道去用MySQL)。这个量级能够着大数据的门槛了吧?

同时基于多年做科学实验的研究方法论和经验,非常注重对比测试control test,而且受到了学生物的项目经理的指导(搞生物没有盲测怎么玩儿)。在华为工程师的帮助下,在呼叫中心的前端做分流,比较不同控制组。现在这套理论和方法叫做AB Testing。

项目成果

这套新方案的核心思路是:在同等资源投入情况下(资源投入=投入的坐席人数及服务时间),用户体验如何变化。数据要反映的核心落在用户体验,因此需要用相应的数据指标来表征。电信行业一般用接通率(略等于用户的等待时间或者服务质量),因为我们的数据能够微观到每一个用户,所以我们又加了一个全新的指标,即同一用户在一定时间内的重复拨叫概率。因为它和用户的问题未被解决而需再次服务的概率正相关。该概率越高,表示用户体验越差。

下图是我们的一个分析结果。恰恰是海量数据帮助我们发现了真正的问题:

• 新方案上线后,接通率提升,按照传统思路这是好现象,可立即执行

• 但是微观的数据同时显示,同一用户在一定时间内的重复拨叫概率却提高了。真正的解释是:新方案降低了服务质量所以腾挪出坐席资源,但是话务员并未能解决用户的问题,造成许多用户再次拨打人工坐席

下面是对呼叫中心新菜单的分析(这个类似于今天对网页及App的各种UI的优化),实现了整套的转化漏斗(感觉是不是很超前)。

下图是用户进到呼叫中心,第一次按键的时间分布图。

没有海量的数据,传统分析套路是:

没有海量的数据,传统分析套路是:

大量人肉发问卷,让大家一个个填写问卷觉得哪种菜单设计好,然后拿Excel或者SPSS做统计

找一堆人做深度用户访谈(Focus%20Group),觉得菜单哪里好为啥好,然后写定性的报告

以上工作大概需要两三个管理咨询顾问加上一个专业的市场调研公司忙乎一两个月,才能形成一个极小样本的报告,同时还要运营商配合,邀请使用过新菜单的用户来某高大上的场所进行面谈。Focus%20Group的现场如下图,还必须配上好吃好喝,以及请专业的主持人。

但是按照我们纯定量的思路,完成我们这个全样本的工作,总共需要:一个会写程序的咨询顾问,一个实习生以及一个华为的工程师(该人在完成生成日志的模块后就彻底和这个项目没关系了)。大概做了两个月,但是真实只做了一个月,后面一个月的时间我们两基本在发呆,但是项目确实卖了两个多月。

项目反思

项目的结果当然是很好啦,让客户深深地震撼了。不过各位看官肯定会反问我,既然效果这么好,为啥咨询行业现在还没有动静呢?我只能说:人一生都在和惯性对抗,要颠覆自己太难了。

管理咨询公司不愿意被技术替代

围绕着咨询公司的一堆做市场调研的公司,他们不愿意被技术替代

每个管理咨询公司或者市场调研公司都有庞大的数据团队,通过手工负责人肉数据收集,他们不愿意被技术替代

但是用技术完成上面的服务,几十万就可以把我和那个实习生打发了,我们俩还要乐得屁颠屁颠的。特别是如果这个技术服务被产品化了,可能整个软件或者系统就只能卖几千元,甚至在互联网+思维下这是免费的服务。但是这个项目在当年创造了大几百万到过千万的收入,损失的可是国家的GDP,我们保7的目标怎么办?

最后是对技术的反思。技术生来就是颠覆者,颠覆别人同时也被人颠覆(越来越体会巴菲特对技术公司的不感冒)。但无论怎么样,数学等基础科学以及critical thinking等基本方法论才是最持久的,即使在没有大数据或者AB Testing等热词的情况下,插上技术的翅膀,它们也能发挥巨大的作用。

数据冰山

http://zhuanlan.zhihu.com/hemingke

分享这篇观点 

0

相关内容中国管理咨询网祝朋友们猴年大吉新纶科技聘韬睿惠悦、普华永道实施人力资重庆市合川区人民医院绩效管理咨询服务招江苏南京壹城建设集团有限责任公司所需的如何成为一个管理咨询顾问，如何开设管理咨北京丽泽金融商务区控股有限公司管理咨询北京顺义新城地产开发有限公司管理咨询项大数据对零售银行有哪些作用，波士顿咨询如大数据成为物流金融研究的新型推进利器北京市中日友好医院基于精细化成本核算的最新更新内容blog-10仓库机器人为亚马逊每年省下9亿美元成本blog-10令人惊讶的关于用户增长的故事——来自Ru邮箱的blog-10LV换新代言人背后：零售网络不再是奢侈品牌增长主blog-10苹果的猴年大“急”blog-10麦肯锡：其实中国创新能力的真实水平让人吃惊blog-10令人惊奇的退货心理学blog-10德国汽车清洗公司创新与商机blog-10麦肯锡，BCG和贝恩咨询能在中国一直增长？blog-10麦肯锡-中国寿险业：走向价值创造blog-10埃森哲2016年技术展望(图文)

管理咨询APP 

点击安装管理咨询APP，可以了解最新管理咨询、科技、健康知识！

微信长按图标，选择识别图中二维码，即可下载安装！

• 大量人肉发问卷,让大家一个个填写问卷觉得哪种菜单设计好,然后拿Excel或者SPSS做统计

• 找一堆人做深度用户访谈(Focus%20Group),觉得菜单哪里好为啥好,然后写定性的报告

以上工作大概需要两三个管理咨询顾问加上一个专业的市场调研公司忙乎一两个月,才能形成一个极小样本的报告,同时还要运营商配合,邀请使用过新菜单的用户来某高大上的场所进行面谈。Focus%20Group的现场如下图,还必须配上好吃好喝,以及请专业的主持人。

但是按照我们纯定量的思路,完成我们这个全样本的工作,总共需要:一个会写程序的咨询顾问,一个实习生以及一个华为的工程师(该人在完成生成日志的模块后就彻底和这个项目没关系了)。大概做了两个月,但是真实只做了一个月,后面一个月的时间我们两基本在发呆,但是项目确实卖了两个多月。

项目反思

项目的结果当然是很好啦,让客户深深地震撼了。不过各位看官肯定会反问我,既然效果这么好,为啥咨询行业现在还没有动静呢?我只能说:人一生都在和惯性对抗,要颠覆自己太难了。

• 管理咨询公司不愿意被技术替代

• 围绕着咨询公司的一堆做市场调研的公司,他们不愿意被技术替代

• 每个管理咨询公司或者市场调研公司都有庞大的数据团队,通过手工负责人肉数据收集,他们不愿意被技术替代

• 但是用技术完成上面的服务,几十万就可以把我和那个实习生打发了,我们俩还要乐得屁颠屁颠的。特别是如果这个技术服务被产品化了,可能整个软件或者系统就只能卖几千元,甚至在互联网+思维下这是免费的服务。但是这个项目在当年创造了大几百万到过千万的收入,损失的可是国家的GDP,我们保7的目标怎么办?

最后是对技术的反思。技术生来就是颠覆者,颠覆别人同时也被人颠覆(越来越体会巴菲特对技术公司的不感冒)。但无论怎么样,数学等基础科学以及critical thinking等基本方法论才是最持久的,即使在没有大数据或者AB Testing等热词的情况下,插上技术的翅膀,它们也能发挥巨大的作用。

数据冰山                      http://zhuanlan.zhihu.com/hemingke