麦肯锡讲了个词，叫 Next Best Experience

你的客户，是被你"推"跑的

前几天，一个做消费品牌的朋友来找我喝茶。

他说，营销预算一分没少，效果却越来越差。短信发出去，点开的人越来越少；活动上线，参与的人寥寥无几。他问我：是不是我的营销出了问题？

我说，可能不是营销的问题，是你对"客户"的理解出了问题。

他有点懵：什么意思？

我给他讲了一个词。这是麦肯锡研究了很多年、专门写过文章的概念，叫 Next Best Experience，中文可以翻成"下一次最佳体验"。

先看清楚：现在的客户，是怎么被对待的？

答案两个字：被推。

销售要冲业绩，把折扣往群里狂发；客服守在呼叫中心，等客户找上门；市场部按季把广告铺开。三拨人，谁也不看谁，谁业绩压力大谁嗓门大。

所以你自己就是客户，一天之内常常被这么折腾：

下午三点，调研团队发来一份问卷。四点，忠诚度团队推来一条"开通自动扣款"。五点，营销团队送来最新套餐的优惠。

上午刚被打扰过的人，下午直接按下"我同意退订一切"。

这不是体验，是骚扰。

那它到底是个啥？

Next Best Experience，我习惯用大白话把它翻译一遍：

在每一次接触发生之前，先替客户回答一个问题——"这一刻，你到底需要什么？"

以前，公司的每个动作，出发点都是"我想卖什么"。

这套东西反过来：先想客户此刻需要什么。刚多收的钱退了吗？刚打的电话接清了吗？先把这些处理好，等他气顺了，再把那件当下真正有用的东西递过去。

这一步，胜过一百条带折扣的推送。

而且我不是拍脑袋说的。麦肯锡给了三组数字，我记了很久：

• 客户满意度，能提 15% 到 20%；
• 收入，能多 5% 到 8%；
• 服务成本，能省 20% 到 30%。

一家公司要能同时拿到这三样改变，对"客服"部门的态度会直接反转。客服不再是成本，是摇钱树。

同一个客户，两种活法

光讲概念太干。我讲一个客户，叫他阿强吧。一家医疗保险的会员，有糖尿病。

没上这套系统之前，阿强的人生是这样的：

他报销时出了差错，被收了一笔手续费，气不过，打客服投诉。打了三通电话，事才说清。可就在同一天，公司又推来"加入糖尿病管理计划"的邀请。他刚受了气，顺手把消息关掉。

接着，他忘了交保费，被收滞纳金。月底的体验问卷来了，他看都没看，直接关了。

你发现没有：每个环节，公司都在"就事论事"。没有一套流程，把阿强当成一个完整的人。

上了 Next Best Experience 之后呢？

费用不对，系统第一时间发现，自动把多收的钱退回去，还送一张道歉的咖啡券。报销有错，提前被标记，有人跟进帮他核对。那个糖尿病管理计划，也不再顶着"为您推荐"的推销嘴脸，而是选在他心情最平顺的那天，以"帮您把血糖管好、续费再省一点"的形式，重新出现在他面前。

阿强填了问卷。这一次，他很开心。

公司更划算：打进电话的人少了，重复投诉少了，本该流失的客户留下了。

这叫"一进一出，两头都赚"。

阿强的故事还有一个味道更重的词，叫客户终身价值。

什么叫客户终身价值？不是他今天这一单值多少，是他未来三年每一次选择和行动加起来，值多少。所有对客户做的好事，最终都在算这笔账。

四个盒子，装成一台引擎

理念讲完，讲手艺。这套东西要落地，靠一台引擎。拆开看，就是四个盒子。

第一个盒子：数据的底座。

把客户留下的一切痕迹——账单、交易、App 点击、客服话单——全部倒进一个"数据湖"，洗干净，拼成能随时查的表。说白了，就是把客户这几年的来龙去脉，铺成一张大 Excel。

第二个盒子：三个预判模型。

它们回答三个问题：他会不会流失？他该不该升级？这条消息走哪个渠道？

预测判断不是分开的。客户被标记"高风险流失"，系统马上把他从一切促销名单里摘出来，改放进"留客名单"：发忠诚度权益、做服务改进。另一个客户"流失风险低、升级空间大"，系统就给他递上一份温和的升级邀请。

第三个盒子：GenAI 来说话。

系统决定，谁来开口？AI。

关键是内容，不只是套模板，还要带着刚才的记录。比如它知道刚给阿强退过一笔钱，文案里自然会有"账单我们重新结算好了，您再看看……"这种很有代入感的表达。语气还配合渠道：短信短平快、邮件从容、聊天框留点呼吸。

再往前一步，是 Agentic AI。它自己试几种句式，猜客户的反应，然后自我调整。从"套模板"，慢慢长成"越写越准"。

第四个盒子：把话递出去。

消息要顺着对的渠道、对的时间发出去：短信、邮件、App 弹窗。也要接住真人：客户打进来电话时，坐席面前已经弹出 AI 给的建议。

四个盒子装完，引擎立起来了。

三个案例，让数字说话

光讲原理，你心里会打个问号。我挑三个真实场景。

支付公司：预测谁在"松手"

一家全球支付服务商，最怕大商户流失。

它给商户做了"数据分身"，用模型预测未来 7 天，这家商户的业务会不会下滑。之后把人分类：有流失迹象的，优先服务、给政策兜底；还有向上空间、但手头紧的，给新功能、搭一个缓冲。

结果：商户流失率，一年最多下降 20%。

航空公司：让补偿"分人"

以前，客服处理航班延误，人人都一样，统统一张券。

上了 AI，系统先看清楚：这位是被折腾三次的商务常客，还是难得飞一次的度假旅客？

前者，客气而大额地补，配上诚恳的道歉。后者，正常发券。

结果：找对值得挽回的客人的能力，提升 210%；满意度，提升 800%；高价值客户里"想走"的比例，降了 59%。

这不是"看人下菜"的歧视，这叫"尊重"。多年的老客户和第一次的客人，本来就不该被一样对待。

电信公司：认真听了一次"别烦我"

欧洲一家电信公司，做了一个大胆决定：只要客户还有没解决的投诉，或者正处售后流程里，不许给他们发任何促销。

先把事办完，再谈生意。"办完"两个字，排在"卖出"前面。

结果：客户满意度，直接追平全市场第一。

比技术更难的，麦肯锡自己栽过

我知道，看到这里你心里会犯嘀咕：听起来不错，落地很难吧。

对，难。但最难的真不是技术。

麦肯锡给自己员工做了一个内部 AI 助手，叫 Lilli。按理说，这就是一个技术项目，搭建、训练、部署。

可这个"技术项目"，最终超过一半的精力，花在了"让人用起来"上：铺进日常流程、做培训、改习惯。模型本身，只占很小一块。

我把这记下来：再好的模型，有人信、有人用，才等于有。

所以别急着买系统。先把"大家相不相信、动不动手"这两件事摸清。路，才走得下去。

想进门，给你六个热身动作

起步不用大，方向要对。麦肯锡给的清单，我精简成六步：

1. 先打样：拉几块关键数据（CRM、账单、运营），放进一个小湖，跑一遍，看数据齐不齐、脏不脏。
2. 挑一把快刀：别一上来整全家桶，先选一个最值钱的场景，比如流失预警或追加购买，跑透一个模型。
3. 备零部件：MLOps、DevOps、MarTech 这些，不必一次买齐，够用就好。
4. 打通运营：建一个跨部门小组，定统一"联系规则"。市场、销售、客服对同一个客户，服从同一套纪律。
5. 设对照组：一开工就建两组，全程对照，变化马上能算出数。
6. 两条腿走路：一边做小小的样板项目，让结果尽快出现在晨会；一边收拾数据湖、跨部门治理这些"大件"。

六件事看着多，其实一条主线：先用小胜让公司信，再把大坑填平。

写在最后

那天，朋友听完，沉默了一会儿，问："那这套，能救回我们跑掉的客户吗？"

我说，它可能救不回那些已经走的，但至少能让你在客户心里"准备离开"之前，先看到问题在哪。

其实做这套东西的公司也不多。能做完四盒子、还能坚持到底的，恐怕很少。

最后送你一句我一直记着的话：

在客户没有开口之前，就看到他想要什么。

祝你，比你自己的客户，先了解你自己客户的下一步。下一次的体验，刚好是最好的那一次。