财富 500 强公司正在围绕 程序化营销（“学习营销”） 进行大量投资。 程序化营销 中最常实施的用例之一是客户旅程映射和分析。为什么？因为，破译个人客户旅程的“具体细节”（并推断意图）是改善客户体验和提高品牌忠诚度的核心。
具体而言，目标是：
- 按 角色 可视化和映射端到端客户旅程
- 优化正确的旅程属性，将收益提高 30% 以上……发现网络、移动和物理渠道、内容和体验的正确组合，以最好地实现目标
- 使营销人员能够识别个人和群体的旅程瓶颈
- 利用实际行为数据来增强和个性化每个客户的体验
为了促进跨渠道营销、销售、商务或服务，公司必须能够将所有点连接起来，以便了解客户如何跨渠道和接触点与他们互动的“大局”。 Customer Journey Analytics 可帮助组织了解客户去过的地方、他们想要实现的目标以及特定问题导致他们进入特定渠道的原因。
许多客户平均使用五种不同的渠道联系公司和服务提供商。他们从网络快速切换到电话、社交媒体、聊天、交互式语音响应、访问零售点，具体取决于当时最方便的方式，同时希望公司记住他们所说的和所做的他们过去的一些互动。
然而，作为一个整体的公司，以及营销、销售和服务等部门，将这些渠道中的每一个都作为孤岛进行管理，独立地优化每个渠道的客户体验，但在客户从一个渠道跳到另一个渠道时，却无法跟踪他们的整体旅程。问题的一个重要部分是分散的数据……产品、销售、活动和客户数据由多个部门、机构和供应商管理。
客户旅程分析和数据科学
鉴于随着时间的推移，随着客户在不同渠道之间移动，每次旅程都可以采用无数路径，因此确定哪些路径导致增长、客户忠诚度和满意度是数据科学的挑战。
一种新型的客户旅程分析解决方案正在出现，它使用预测和实时分析以及机器学习 (ML) 技术来识别客户行为模式并帮助确定客户的下一步行动、流失的可能性或对特定产品的兴趣或报价。组织可以使用此信息实时个性化客户体验，方法是在交互发生时决定向客户提供哪些优惠或消息。
路径分析使组织不仅可以关注个人旅程，还可以了解每天发生的数千次旅程的影响。通过分析和监控跨渠道路径，公司可以发现关于表现出相似行为模式的人群的重要见解。这可以识别曾经可能未被发现的问题和机会。
旅程和路径分析中的数据科学挑战
在客户旅程中有数百万个属性需要收集、汇总和监控。建模的挑战是要知道哪些可以预测机会和成本？
- 组合
- 重量
- 命令
- 定时
- 执行上下文
如何以 95% 的准确率预测 购买路径？ 一个优秀的数据科学团队将构建和改进模型，这些模型可以将客户细分和评分到个人级别，隔离最关键的属性以根据数千种行为属性采取行动。
概括
每个主要供应商——IBM、Salesforce.com、Oracle——都在推出支持客户旅程和路径分析的新产品和平台。
为什么？因为许多营销组织正在发生转变，从关注关键时刻转向关注客户旅程。客户旅程是客户围绕需求与品牌进行的一系列谨慎的互动。
了解和解决这些旅程为管理客户体验和参与创造了真正的价值，远比提高单个接触点的性能更重要。端到端流程很重要。