如何成功开启客户成功运营之路？( 六 ) 高薪|信用|专题|模型|互联网广

视觉异常：指的是机器人不能准确完成人脸识别任务，包含识别未能识别人脸数、识别人脸异常数；

触屏异常：指的是机器人不能准确执行触屏操作，包含触屏无反应次数、触屏执行指令错误次数；

导航异常：指的是机器人未能启动导航或导航中断以及其他原因导致失败，包含雷达异常、定位异常、重定位异常；

ASR异常：指的是机器人不能准确识别语音，包含未能识别次数、识别错误次数；

NLP异常：指的是机器人不能准确处理语音，包含未能处理次数、处理错误次数；

TTS异常：指的是机器人不能准确语音播报，包含未能播报次数、播报错误次数。

第二种情况，续费异常客户通过分析和设计来改善。
在收益层面的异常客户是通过数据分析来管理和干预的，对客户分层后，每个客户可以得出一个分值。低于平均分的客户需要引导和激活，提升机器人使用数据和续费率。得分高的客户，继续保持。
如果一年服务合约到期，客户决定续约，这说明产品很好吗？
其实产品的好坏，很多时候还是靠服务去传递给客户组织里的终端用户。服务合约结束的时候客户决定续约，其实是对上一个合约期内的产品实现价值的肯定。
或者说，终端用户（接待后台管理员或老板）使用之后感觉达到或者超过了当初购买这个服务时的预期价值。而这个价值是在整个合约期间都在交付的。所以客户成功的核心，也应该是如何在这个合约期间让客户持续不断地认可服务的价值。
所以，当我们发现到期客户未续费、应当续费未续费这一类异常客户时，应该提前做客户成功设计，考虑做好每个新客户的价值规划。
不同客户的预期目标不同，我们要与客户一起规划如何达到这个预期值，同时用阶段性报告的方式不断提示客户，这是我们共同努力的成果。达到客户预期而不续约，应该不会发生，从而大大降低流失率。
6. 监测落地机器人的各项数据当客户成功经理的主动服务意识逐渐建立起来后，需要通过工具来让客户成功人员主动并客观地掌握客户的情况，而对客户的判断不只停留在少数人的主观臆断。
同时从公司层面，及客户分析层面，需要借助更多的数据为客户做好服务，提前介入，避免流失。
通过数据分析结果跟踪到同类客户，并及时的整理案例，再举一反三应用到到其他类客户，提供更多标准化建议，从而使客户成功工作变得专业而简单。
比如观察到某些应用不太好的客户，推送一些同行业同样应用的业务场景，让客户更容易接受，触达更有效，以猎户星空机器人的一些基本数据示例。
7. 搭建客户场景业务模型客户运营需要统计机器人落地客户和行业明细，把常说的“场景”再具象化，再落地。
场景不是指单纯的物理地点，描述的是什么人在什么时间什么地点做什么事。平移到机器人身上，说的就是机器人替代了原本人类要做的事情，是一种场景服务或场景业务。
有了场景业务模型，可以比较清晰地表现出投放机器人后，与之相关的多个维度信息。分别是行业层、场景层、功能层、客户层、方案层。用户体验是上层，感知到企业类型、行业信息、机器人使用地点和技能。客户是中心层，场景方案做底层支撑。
我们把一些长期性的工作经过积累反省和加工，梳理成知识点，总结成方法论。也方便后期复盘和团队分享学习。把碎片工作集中化，执行工作理论化，理论不一定都是空谈，也可能是精华。
数据和内容不准确，逐渐修正就好，最终肯定会变成机器人业务知识网络中的一个个点，这些也是机器人客户成功运营的一部分。以猎户星空为例，场景业务对应机器人功能模型设计如下：

文章插图
每个分层对应的内容和数据会优化和更新，将全场景打散，对单个场景做业务和技能匹配模型。这样，对于指定行业-场景客户更有针对性，对症下药。
一是可以引导新客户正确使用场景下的机器人；二是和老客户复盘，发现模型的不足并完善；只有把客户场景及原本的业务吃透，才能反哺到产品的创新设计和迭代，才能主动地和客户沟通更具体更真实的需求，才能帮助客户成功，才能实现收益导向。
8. 创建标杆客户体系机器人合作标杆客户不是虚名，应是一个实体，有计划、有组织、有规模、有内容。他们是智能服务机器人客户名单中的典范群体，在参差不齐中挑选的优质群体。