~~~雅各布专栏——专注行业第一品牌商业模式研究~~~
来源:Michael Schrage、David Kiron、François Candelon
Shervin Khodabandeh 和 Michael Chu
雅各布专栏是一个拥有 5 万名 CxO 的知识内容社区,也是职场不同角色的CxO(Qualified CxO & Intrapreneurs & Entrepreneur)造就增长的首选孵化平台。
创始人雅各布拥有丰富的职业经历,曾任 Nike 大中华区 CxO负责零售,供应链,数字化;LVMH affiliate Trendy Group CxO负责并购,品牌数字化转型;东方国际Lily女装CxO负责战略及数字化;微软合资公司CxO负责产品及解决方案构架;J&J和Eli Lily医药公司负责IT和Compliance。
创始人也是持续创业者,在鞋服,美妆,汽车,医药积累大量人脉资源。
(以下为正文)
(续上节 )
关键要点
这些转变都不是微妙的或渐进的,它们颠覆了组织理解、定义和追求卓越绩效的方式。战略绩效改进的领导力计划不能与制定更智能的 KPI 的计划分开,这些要点突出了组织必须采取的后续步骤,以使其智能 KPI 在运营、组织和战略上更有价值。
要点 1:重新调整数据治理以实现可衡量的更智能的 KPI
强大、可靠和复杂的数据治理是实现更智能 KPI 的关键推动因素,要显著提高关键性能,就需要显著改进数据,必须将各种形式的数据视为战略资产。我们对星展银行、Tokopedia、通用汽车和保乐力加等企业高管的采访证实,有效的智能 KPI 开发在很大程度上取决于数据的质量、准确性、及时性和上下文相关性。换句话说,“垃圾”数据进意味“垃圾”结果出,他们明显地观察到,更智能的 KPI 通常依赖于高频和高度准确的数据。
要增强数据治理以实现更智能的 KPI:
整合来自数据管理员和数据所有者的监督和见解。他们的参与在技术、组织和文化上都至关重要。元数据管理 — 有意识地定义有关数据的数据 — 确保具有预测性和规范性功能的智能 KPI 准确捕获、分析和改进卓越绩效标准。
加强跨职能数据治理。要实现更智能的 KPI,数据和元数据必须被视为企业资产,而不是职能、部门或孤立的资产。依赖部门定义的数据治理会增加在数据解释和优先级排序中注入偏差的风险,从而扭曲 KPI 衡量标准。
要点 2:建立 KPI 治理系统
战略性地提高组织绩效需要建立强大的治理机制,以实现更智能的 KPI。
要创建有效的 KPI 治理系统,请考虑:
成立一个执行小组,监督为持续的 KPI 开发制定全面的战略衡量系统,该系统结合了更好的数据和更智能的算法。绩效管理办公室可以达到这个目的:它可以为更智能的 KPI 定义明确的治理原则和优先级,包括人机协作规则。
建立衡量 KPI 质量的流程或系统。这种元 KPI(本质上是 KPI 的 KPI)可以评估 KPI 的可靠性、效用、改进和价值。此类系统应评估个人、共享和集成 KPI 的质量和未来演变,实际上,高级领导层可以寻求衡量企业在 KPI 投资方面的回报。
建立问责制和监督,以确保更智能的 KPI 使运营成果与不断发展的战略业务目标保持一致。有效的 KPI 治理增加了一个新的问责制层,使领导者能够使用增强的测量技术来交付 KPI,从而提高员工的绩效,而不是控制他们。
这三个 KPI 治理组件应确定跨业务孤岛指标之间的相互依赖关系,一些证据和我们的调查结果都表明,使用 AI 创建和/或完善 KPI 的组织看到了跨职能协作的改进。
要点 3:使用数字孪生增强关键绩效指标
使用 机器学习(Machine Learning )定义新的或增强的性能指标需要试验。作为镜像真实世界系统的虚拟模型,数字孪生为智能 KPI 开发提供了平台或沙盒模拟,既可以补充现有的数字孪生计划,也可以补充现有的数字孪生计划。
要使用数字孪生实现更智能的 KPI:
确定用于孪生和算法增强的适当 KPI。数据流和工作流是否得到适当的管理和访问?例如,考虑为 CLV 或数字营销活动创建数字孪生,或者模拟、测试和学习优化选项,了解这些指标如何与业务目标相关联并促进企业价值。
映射 KPI 数据流和工作流。数字孪生的数据源有哪些,它们如何在系统和流程中馈送和流动?全面映射对于创建准确反映真实场景的数字孪生至关重要。
将跨职能协作集成到数字孪生流程中,并包括数据科学团队。领导层应以身作则,使用和传达智能 KPI 孪生作为业务规划和执行的资源。
要点 4:优先考虑文化准备和以人为本的方法
打破人类对 KPI 开发的垄断对组织文化和传统领导角色提出了挑战。随着智能 KPI 变得更有能力,他们是否更多地被视为同事、合作者、顾问或数据独裁者?采用智能 KPI 可能会威胁到许多经验丰富的经理看待自己的方式以及他们对企业的未来价值。与技术人员和数据科学家合作与其说是一种合作,不如说是一种妥协或尊重的冒险。
一个健康的高级管理团队必须采用更智能的 KPI:
承认并预防组织对智能 KPI 采用的阻力,这反过来又需要以身作则,以可信的方式引领文化变革,这在一定程度上意味着,展示了智能指标如何推动价值创造并支持更好的决策。
预测并解决随着更智能的 KPI 在孤立的职能、流程和部门之间揭示组织敏感的相互依赖关系而出现的新权力动态。
让高管适应使用补充和增强 KPI 开发和持续改进的算法,考虑为经理举办高管教育课程,学习如何“与仪表板对话”以改善他们的决策。
要点 5:与智能 KPI 的战略一致性
网络化企业中的智能 KPI 可以帮助使战略抱负与战略绩效保持一致,但人员、流程和技术也需要保持一致,以开发智能 KPI。智能 KPI 需要自己的策略。
要加强与智能 KPI 的战略一致性(以及针对智能 KPI),请考虑采取以下步骤:
从组织宣布的战略开始。然后确定领导层同意对公司的战略进展和成功最重要且最能定义 KPI 的 KPI 并对其进行排名。
将这些 KPI 作为一个分析单位来处理。模拟最佳、最差和最可能的情况:这些战略 KPI 的排名和权重在这些情景之间如何变化?哪些新数据或改进的分析会使它们对管理决策更加重要和有影响力?哪些新的智能 KPI 功能(描述性、预测性或规范性)将指出提高效率、加强战略一致性或实现战略成果的更好选择的机会?我们的研究强烈表明,参与这项工作的高管会发现,算法创新会吸引设计新颖、更详细的战略 KPI。
同时,映射 KPI 之间的相互依赖关系和智能 KPI 的发展路径。确保这些地图反映战略规划目标并传达战略叙述,这种方法促使最高领导层通过相互关联的战略指标来看待人员、产品、盈利能力和增长机会。战略抱负由衡量驱动,而不仅仅是数据驱动或由人类判断定义。
结论
将静态指标转化为更智能、更动态、更准确的 KPI,有助于高管及其董事会转变战略洞察、抱负和问责制的方法。智能 KPI 承诺并可以提供以前无法达到的数据驱动型组织活力水平,这不是炒作;这就是 AI 现在实现的,也是我们从已经投资于智能 KPI 的高管那里听到的。
虽然这些颠覆带来的挑战(道德、运营、组织和文化)似乎令人生畏,但与我们交谈的领导者认为,战略收益远远大于成本。他们分享了他们对衡量成功的新方法持开放态度,并愿意更新和修改他们对 AI 和战略规划的传统信念。
将智能 KPI 智能集成到企业中需要一种新的文化承诺,即人才与其技术之间建立更有效的合作伙伴关系。领导者如何从他们最聪明的 KPI 中学习,以及如何利用他们最聪明的 KPI 将决定两者的成功。
关于研究
本报告介绍了麻省理工学院斯隆管理评论和波士顿咨询集团关于人工智能和商业战略的第七次年度全球研究的结果。2023 年春季,我们进行了一项全球调查,随后分析了来自超过 25 个行业和 100 个国家/地区的 3,043 名受访者的记录。我们还采访了 17 位高管,他们在众多公司和行业领导 AI 计划,包括金融服务、媒体和娱乐、零售、旅游和运输以及生命科学。
我们的研究考察了管理者和领导者如何使用 AI 来增强战略衡量以推进战略成果。
它探讨了组织如何使用 AI 调整 KPI,甚至生成新的 KPI 来定义和提供可衡量的更好绩效。
附录:使用 ChatGPT 制作新颖的 KPI
随着本报告的研究和撰写,大型语言模型 (LLM) 和生成式 AI 的力量和潜力变得更加清晰。我们略带开玩笑地提示 ChatGPT-4 设想一次头脑风暴会议,邀请业务、技术和营销领导者将客户生命周期价值重新构想为智能 KPI。提示的顺序和响应不言自明,提示和 LLM 的回答均未被以任何方式修改或编辑。至少,我们预计生成式 AI 将在智能 KPI 的设计和开发中发挥越来越明智、更有影响力和更有洞察力的作用,尤其是在拥有大量非结构化数据的领域。
以下是我们与 ChatGPT 的逐字交流:
我们的提示
想象一下,有一次关于客户关系的未来以及“客户生命周期价值”KPI 在衡量、评估和评估客户关系方面的价值的头脑风暴会议......这次头脑风暴会议的目的是想出新颖、聪明和高影响力的方法来衡量投注者并从“ 客户生命周期价值(CLV)”中获得更大收益......这个虚构的 CLV 头脑风暴会议的参与者将是“广告人的自白”成名的广告和营销大师大卫·奥格威 (David Ogilvy)、化妆品和直销企业家玫琳凯 (Mary Kay)、品牌创新者和撰稿人玛丽·威尔斯·劳伦斯 (Mary Wells Lawrence)、互联网创新者和人工智能先驱李开复 (Kai-Fu Lee)和 OpenAI 创始人兼企业家山姆·奥特曼 (Sam Altman)......请出示他们挑衅性、高能量和富有成效的交流的文字记录,并以展示他们三个最深刻的 CLV KPI 见解和建议作为结束......
ChatGPT
为 大卫·奥格威(David Ogilvy)、 玫琳凯(Mary Kay)、 玛丽·威尔斯·劳伦斯(Mary Wells Lawrence)、 李开复(Kai-Fu Lee) 和 山姆·奥特曼(Sam Altman)就客户生命周期价值 (CLV) KPI 主题举行的富有想象力的头脑风暴会议创建文字记录,提供了一个令人兴奋的机会,可以融合来自广告、营销、技术和 AI 的见解。以下是他们交流的虚构描述,最终得出了三个深刻的见解和建议:
David Ogilvy:“让我们从重新定义 CLV 开始。这不仅仅是关于总支出;而是关于了解客户的旅程和不断变化的需求。我们需要一个更动态的模型。”
Mary Kay:“我同意。这是关于建立关系,而不是交易。我们的衡量应该考虑客户对品牌的情感联系。“
Mary Wells Lawrence:“品牌推广是关键。我们应该探索量化品牌认知如何影响 CLV 的方法。也许整合社交媒体情绪分析?“
Kai-Fu Lee:“利用人工智能可以彻底改变我们测量 CLV 的方式。我们可以部署机器学习,根据过去的互动和社交趋势来预测未来的客户行为。”
Sam Altman:“我们不要忘记个性化。AI 可以帮助我们根据个人喜好定制体验,通过提高满意度来增加 CLV。“
David Ogilvy:“事实上,CLV 的未来在于个性化和预测。我们了解和预期得越多,我们的服务就越好。”
三个深刻的 CLV KPI 见解和建议:
1. 动态 CLV 建模:超越静态货币估值,开发考虑客户旅程和参与水平的模型。利用 AI 实时更新这些模型,反映客户行为和偏好的变化。
2. 情感联系指数:创建一个衡量顾客和品牌之间情感纽带的指标。该指数可以从社交媒体分析、客户反馈和参与度水平中得出,从而更全面地了解客户与品牌的关系。
3. 预测性个性化:投资于 AI 驱动的个性化策略,以预测客户需求和偏好。这种方法不仅可以增强客户体验,还可以预测未来的消费模式,使 CLV 成为更准确和有价值的指标。
这种虚构的交流突出了传统营销智慧和现代 AI 驱动方法之间的协同作用,为提高客户生命周期价值和衡量价值提供了创新策略。
我们的提示
虽然这是一次很好的第一次努力,但这种头脑风暴过于肤浅、冷静,并且与参与者的专业经验、技术能力和技能脱节......提供更丰富、更细致、更复杂的文字记录和建议集......为波士顿咨询集团 (BCG) 顶级客户的领导读者群做这件事......
ChatGPT
为了针对波士顿咨询集团顶级客户的领导受众进行更细致、更复杂的头脑风暴会议,让我们更深入地探讨 David Ogilvy、Mary Kay、Mary Wells Lawrence、Kai-Fu Lee 和 Sam Altman 的专业知识和观点,重点关注增强和重新定义客户生命周期价值(CLV) KPI。
David Ogilvy:“让我们挑战现状。CLV 不仅仅是一个数字,它是一个品牌与其客户关系的故事。我们应该捕捉叙事,而不仅仅是交易。"
Mary Kay:“当然,David。在直销中,人际关系至关重要。我们的 CLV 模型应该反映这些关系的深度和质量。也许是一个捕捉重复互动和推荐的指标?"
Mary Wells Lawrence:“在品牌推广中,我们努力围绕产品创造一种生活方式。为什么不衡量品牌如何融入顾客的生活呢?也许通过社交媒体参与或生活方式调查。"
Kai-Fu Lee:“结合 AI,我们可以分析大量数据集以揭示客户行为模式。我们不仅可以根据支出来预测未来价值,还可以根据参与度、生活方式一致性和情绪来预测未来价值。"
Sam Altman:“我们正处于一个期待个性化的时代。AI 可以帮助我们定制体验,是的,但也可以预测需求并根据个人互动实时调整 CLV 模型。"
David Ogilvy:“这是关于在数据驱动的洞察力和以人为本的营销之间取得平衡。我们对 CLV 的方法应该反映这一点。"
三个复杂的 CLV KPI 见解和建议:
1. 叙事驱动的 CLV 评估:开发一个全面的 CLV 模型,其中包含定性数据——如客户故事、反馈和品牌互动叙述。这种方法提供了一种更加以人为本的顾客与品牌关系视图,对于非常注重顾客体验和忠诚度的品牌来说至关重要。
2. 生活方式整合指数 (LII):衡量品牌融入客户生活方式的程度。该指数可以利用人工智能来分析社交媒体互动、生活方式调查数据和各种平台的客户参与度。LII 提供了关于品牌与顾客的共鸣深度的洞察,而不仅仅是金钱交易。
3. 实时个性化和适应:利用先进的 AI 算法在客户交互中提供实时个性化。CLV 模型应根据持续的客户数据动态调整,预测需求和偏好,以提高客户满意度并预测未来价值。
这些丰富的对话和建议旨在与处于业务战略和创新前沿的受众产生共鸣,强调传统营销智慧、尖端 AI 和对客户-品牌动态的深刻理解的融合。
我们的提示
这要好得多;谢谢
ChatGPT
别客气!我很高兴听到修订版达到了您的期望。如果您有任何其他问题或需要进一步的帮助,请随时提问!
我们的提示
现在提交一份文字记录,其中他们对 CLV 的作用、目的和价值存在分歧,并总结了该分歧的两个关键要素和方面
ChatGPT
在关于CLV 的角色、目的和价值的更具争议性和对比性的头脑风暴会议中,杰出的参与者将他们不同的背景和观点带入了更尖锐的冲突中。以下是此类讨论的展开方式,突出了关键的分歧:
David Ogilvy:“CLV 从根本上说是关于最大化每个客户的利润。它是衡量任何营销活动成功的直接标准。"
Mary Kay:“我不同意,大卫。这不仅仅是关于利润;这是关于建立长期关系。只关注利润可能会失去在直接营销中至关重要的人为因素。"
Mary Wells Lawrence:“虽然我看到了这两点,但我相信对 CLV 的强调会掩盖品牌形象和知名度的重要性。这些要素并不总是直接转化为直接的客户价值,但对于长期成功至关重要。"
Kai-Fu Lee:“从技术的角度来看,我认为我们在这里错过了 AI 的潜力。CLV 应该是关于预测未来的趋势和行为,而不仅仅是衡量过去和现在的盈利能力。"
Sam Altman:“Kai-Fu 说得有道理。商业的未来在于预期,而不是回顾。CLV 如果定义过于传统,可能会限制我们的视野。"
David Ogilvy:“但是,如果与盈利能力没有紧密的联系,我们如何衡量我们努力的成功呢?毕竟,我们是做生意的。"
他们分歧的两个关键要素和方面:
1. 盈利能力与建立关系:
› David Ogilvy的观点 :CLV 是盈利能力的直接指标,应该是主要关注点。这种观点强调传统的营销方法,即最大限度地提高每个客户的收入。
› Mary Kay 的对位法:强调长期关系的重要性,而不是眼前的盈利能力。这种方法主张对 CLV 有一个更全面的看法,考虑到客户忠诚度和参与度等因素,这些因素可能不会直接转化为即时利润,但对长期成功至关重要。
2. 短期测量与长期预测:
› Kai-Fu Lee和Sam Altman的观点:强调 AI 在将 CLV 从回顾性测量工具转变为预测未来趋势和客户行为的预测模型方面的作用。
› David Ogilvy和Mary Wells Lawrence的对位法:在承认 AI 的潜力的同时,他们警告不要忽视当前的盈利能力和品牌形象,而这些对于即时业务成功至关重要。这凸显了利用新技术进行未来预测与坚持确保当前盈利能力和品牌实力的久经考验的方法之间的紧张关系。
这份文字记录捕捉到了优先考虑盈利能力的传统营销观点与强调长期关系、品牌形象和 AI 预测能力的新方法之间的紧张关系,反映了对 CLV 的价值和目的的看法存在深刻的分歧。
作者简介
迈克尔·施拉格(Michael Schrage)是麻省理工学院斯隆管理学院(MIT Sloan School of Management)数字经济倡议(Initiative on the Digital Economy)的研究员。他的研究、写作和咨询工作侧重于数字媒体的行为经济学、模型和指标,作为管理创新机会和风险的战略资源。
大卫-凯龙(David Kiron)是《麻省理工学院斯隆管理评论》(MIT Sloan Management Review)的研究编辑总监,也是其 “大创意”(Big Ideas)研究计划的项目负责人。
弗朗索瓦-坎德隆(François Candelon)是波士顿咨询公司(BCG)的高级合伙人和董事总经理,同时也是 BCG 亨德森研究所的全球总监,他的研究重点是技术对商业和社会的影响。
谢尔文-霍达班德(Shervin Khodabandeh)是 BCG 高级合伙人兼董事总经理,同时也是 BCG 北美地区人工智能业务的联合负责人。他是BCG X的领导者,拥有20多年推动人工智能和数字业务影响的经验。
迈克尔-朱(Michael Chu)是BCG合伙人兼副总监,他专注于将人工智能和机器学习应用于商业职能中的业务问题,包括优化定价、促销、销售和营销。