煙草行業(yè)正在大力推行數(shù)字化轉(zhuǎn)型，提升在線知識(shí)服務(wù)質(zhì)量是為客戶服務(wù)提供數(shù)字化服務(wù)的重要支撐。依托在線知識(shí)服務(wù)平臺(tái)，通過強(qiáng)化在線服務(wù)數(shù)據(jù)定義、采集、分析和應(yīng)用，從而提升在線知識(shí)服務(wù)內(nèi)容創(chuàng)作、推送與運(yùn)營質(zhì)量是一種有效的數(shù)字化途徑。其中包括在數(shù)據(jù)定義上形成了比較全面的數(shù)據(jù)清單；在數(shù)據(jù)分析上給出了一套分析方法；在數(shù)據(jù)應(yīng)用上探索出一組應(yīng)用場景等等。

未來，加強(qiáng)在線服務(wù)數(shù)據(jù)研究和應(yīng)用，將成為在線知識(shí)服務(wù)提質(zhì)增效的關(guān)鍵內(nèi)容。

在線知識(shí)服務(wù)價(jià)值與挑戰(zhàn)

在線知識(shí)服務(wù)存在的價(jià)值?？蛻絷P(guān)系管理（CRM）是營銷的重要內(nèi)容，把客戶關(guān)系演化為同窗關(guān)系，以知識(shí)服務(wù)為媒介，能有效提升客戶與客戶、客戶與企業(yè)之間的人際互動(dòng)和社交往來。在線知識(shí)服務(wù)也可以讓企業(yè)和客戶的關(guān)系24小時(shí)在線，提高互動(dòng)頻次，強(qiáng)化客戶黏性，深化客戶關(guān)系。通過在線知識(shí)服務(wù)，可以幫助企業(yè)獲取客戶在線學(xué)習(xí)、興趣愛好、生活習(xí)慣等海量行為數(shù)據(jù)。掌握了這些數(shù)據(jù)，企業(yè)對(duì)客戶的畫像分析更加精準(zhǔn)、豐富、全面，對(duì)客戶需求的把握和挖掘更加精準(zhǔn)。

在線知識(shí)服務(wù)面臨的挑戰(zhàn)。以圖文、短視頻、直播為主要形式的知識(shí)服務(wù)內(nèi)容，其創(chuàng)作壓力較大，尤其是可持續(xù)的創(chuàng)作供給是個(gè)難題。對(duì)于在線服務(wù)數(shù)據(jù)采集、分析和應(yīng)用重視程度和實(shí)際突破都還不夠。

在線服務(wù)數(shù)據(jù)定義與采集

與在線學(xué)習(xí)類APP對(duì)用戶行為數(shù)據(jù)的研究類似，卷煙零售客戶使用在線知識(shí)服務(wù)平臺(tái)過程中留下的數(shù)據(jù)除了基本信息，最重要的就是行為數(shù)據(jù)。信息化平臺(tái)一個(gè)很大的優(yōu)勢就是可以記錄用戶行為過程數(shù)據(jù)?；拘畔ㄓ脩鬒D、用戶名、電子郵件、注冊(cè)日期、賬號(hào)狀態(tài)等內(nèi)容。用戶行為包括登錄行為、學(xué)習(xí)行為和社交行為等方面，登錄行為數(shù)據(jù)包括最后登錄日期、總登錄次數(shù)、每日平均登錄次數(shù)等；學(xué)習(xí)行為數(shù)據(jù)包括學(xué)習(xí)時(shí)間、參加課程數(shù)量等；社交行為數(shù)據(jù)包括社交分享頻率、社交網(wǎng)絡(luò)連接等。

平臺(tái)數(shù)據(jù)采集既困難又容易，關(guān)鍵看是否有平臺(tái)相應(yīng)功能的支撐。如果有采集功能，那么數(shù)據(jù)都是自動(dòng)留痕的，能夠輕松獲取。如果沒有采集功能，那一切都是零。有了采集功能之后，也會(huì)衍生出一個(gè)運(yùn)營管理方面的問題，那就是管理者喜歡對(duì)這些行為數(shù)據(jù)進(jìn)行考核，倒逼營銷服務(wù)人員干預(yù)客戶的使用行為，從而引發(fā)不滿。這是要盡可能克制的，用戶行為數(shù)據(jù)是用來分析問題，優(yōu)化知識(shí)服務(wù)內(nèi)容供給的，一旦納入考核就會(huì)讓行為變形，得不償失。

在線知識(shí)服務(wù)數(shù)據(jù)分析

通過平臺(tái)功能開發(fā)，采集客戶在線學(xué)習(xí)行為數(shù)據(jù)，分析內(nèi)容推送時(shí)間、類型、時(shí)長、形式等與閱讀量的關(guān)系，進(jìn)而研究客戶在線學(xué)習(xí)行為數(shù)據(jù)，精準(zhǔn)識(shí)別客戶需求和興趣，在此基礎(chǔ)上可以更加有針對(duì)性地創(chuàng)作知識(shí)內(nèi)容。

用戶單一行為分析。用戶單一信息分析可以評(píng)估用戶的活躍度與學(xué)習(xí)參與度，識(shí)別長期不活躍用戶，評(píng)估用戶的使用習(xí)慣，分析用戶的學(xué)習(xí)偏好與推薦內(nèi)容的相關(guān)性，幫助平臺(tái)改善學(xué)習(xí)內(nèi)容推薦算法。還能評(píng)估平臺(tái)上不同內(nèi)容的瀏覽、下載、分享等使用情況，幫助識(shí)別熱門內(nèi)容和用戶反饋良好的資源，優(yōu)化資源庫。亦可分析用戶在平臺(tái)上的社交行為，識(shí)別活躍的社交用戶，評(píng)估社交行為對(duì)平臺(tái)活躍度的影響。

用戶綜合行為分析。用戶綜合信息分析可以分析特定時(shí)間段（日、周、月）內(nèi)平臺(tái)的使用趨勢，如新注冊(cè)用戶數(shù)、總登錄次數(shù)、互動(dòng)次數(shù)等。幫助識(shí)別平臺(tái)活躍度的波動(dòng)和時(shí)間趨勢，便于調(diào)整平臺(tái)的推廣與活動(dòng)策略。也可分層分析用戶群體，了解不同類型用戶的行為模式，幫助識(shí)別哪些用戶群體最需要引導(dǎo)和激勵(lì)，優(yōu)化運(yùn)營策略，評(píng)估平臺(tái)的內(nèi)容推薦系統(tǒng)效果，如推薦內(nèi)容的點(diǎn)擊率、瀏覽量和完成率。幫助優(yōu)化推薦算法，提升用戶體驗(yàn)。識(shí)別流失用戶，分析用戶流失的可能原因，如登錄頻率下降、頁面瀏覽減少等也是一項(xiàng)主要的分析內(nèi)容，有助于平臺(tái)制定用戶挽留策略，提升用戶留存率。

用戶行為偏好分析。用戶行為偏好信息分析可針對(duì)同一類客戶（如新用戶、活躍用戶、學(xué)習(xí)用戶等）對(duì)不同內(nèi)容的消費(fèi)和交互情況，幫助識(shí)別哪些內(nèi)容最受特定用戶群體歡迎，并進(jìn)一步優(yōu)化內(nèi)容的推薦和展示。也能分析相同內(nèi)容（如視頻、文章、課程等）在不同用戶群體中的表現(xiàn)，幫助確定哪些內(nèi)容適合不同用戶群體，并優(yōu)化針對(duì)性的推薦和推廣策略。

在線知識(shí)服務(wù)數(shù)據(jù)應(yīng)用

在線知識(shí)服務(wù)數(shù)據(jù)應(yīng)用的終極目標(biāo)是提升供給質(zhì)量，通過輸出好內(nèi)容吸引客戶自愿學(xué)、主動(dòng)看、“刷”不停，而不是通過強(qiáng)制手段逼迫客戶登錄“打卡”。具體應(yīng)用方面，除了根據(jù)數(shù)據(jù)反饋，強(qiáng)化知識(shí)內(nèi)容選題精準(zhǔn)性和生產(chǎn)創(chuàng)作的質(zhì)量，還需要強(qiáng)化基于客戶需求的匹配規(guī)則設(shè)計(jì)，從而為個(gè)性化智能推送提供依據(jù)。

內(nèi)容與用戶匹配規(guī)則設(shè)計(jì)。設(shè)計(jì)基于用戶行為和內(nèi)容偏好的匹配規(guī)則，包括內(nèi)容的觸發(fā)條件、推送時(shí)間和頻率。幫助實(shí)現(xiàn)個(gè)性化推薦，根據(jù)不同用戶的行為特征推送最適合的內(nèi)容。

用戶畫像匹配規(guī)則與推薦策略。從用戶的特征、內(nèi)容偏好、匹配規(guī)則以及推送策略等方面，建立用戶個(gè)性化推薦機(jī)制，優(yōu)化內(nèi)容分發(fā)效果。

在線知識(shí)服務(wù)平臺(tái)對(duì)于提高客戶滿意度、提升客戶服務(wù)工作質(zhì)效具有明顯影響。全面掌握數(shù)據(jù)指標(biāo)定義、數(shù)據(jù)分析方法和數(shù)據(jù)應(yīng)用場景等在線知識(shí)服務(wù)數(shù)據(jù)分析與應(yīng)用技能，對(duì)于提升在線知識(shí)服務(wù)質(zhì)效有長遠(yuǎn)價(jià)值。隨著行業(yè)內(nèi)各單位對(duì)在線知識(shí)服務(wù)的不斷深化實(shí)踐，在線知識(shí)服務(wù)數(shù)據(jù)的采集、分析和應(yīng)用將越來越豐富。