Genesys EMEA体验编排VP:效率与忠诚的取舍是个伪命题,AI时代可以全都要
一句话结论
Genesys EMEA 体验编排副总裁 Paulette Toynton(银行业出身,从业”一百万年”)在这支 15 分钟对谈里给出的核心判断:效率与客户忠诚之间的取舍是上个时代的遗产——AI 编排时代可以同时拿到效率、客户体验和员工体验;而做到的前提是理解完整客户旅程、让数据带着统一标识流过每一个接触点,并用”数字起点必须数字终点”的原则设计旅程。
取舍论为什么过时了
Toynton 从自己的银行业经历出发:她入行时,客户体验和效率就是一道单选题。今天她的判断是 AI 让这道题被取消——你可以同时改善效率、客户体验和员工体验,而且三者互相咬合:员工每天都和客户说话,员工不高兴客户就不会高兴。
更重要的是收入逻辑:快乐的客户买得更多;如果你高效解决了客户的问题,你就赢得了展开下一场对话的资格——新的贷款方案、储蓄产品,都是在”这次请求被满意解决”之后才有机会谈的。效率不是体验的对立面,而是体验的入场券。
客户痴迷为什么总停在口号
对”组织都谈 customer obsessed 但很少做到”的问题,Toynton 的归因是数据:“历史上最大的问题是数据没有意义。一半你看不到,看得到的那一半你也问不动。“只能靠经验和直觉提出假设。
她的答案指向透明度:未来(其实已经可用)是完整客户旅程的完全透明——你能看清哪些旅程有效、哪些无效,从而同时交付效率和共情。她给了一个每个人都被折磨过的例子:“我不应该重复告诉你你已经知道的信息”——客户被迫复述身份和背景,是数据不连通最直观的伤害。
从”口号”到”运营”的分界线,可以用三个可检验的标准来划:第一,客户档案是否在所有渠道间实时同步——坐席接起电话的前三秒能不能看到客户刚在 App 里做过什么;第二,旅程指标是否有唯一责任人——每个关键旅程段有没有明确的 owner 和 dashboard,而不是各部门各看各的满意度;第三,“客户被迫重复”是否有计数器——重复核验身份、重复描述问题的次数被持续追踪并下降。三条全部成立,customer obsessed 才从墙上的标语变成每天可管理的数字。

一个当天就能修的实例:投诉电话的错 routing
对谈里最有说服力的是 Toynton 亲历的案例。她的团队在上线 Genesys Cloud 之前不明白一件事:打进投诉热线的客户 100% 会被问”这是新投诉还是已有投诉”——如果答”新投诉”,会被转走:“新投诉不打这个号码,我们要转接你。”
她的原话:“想象一下,我是一个非常恼火的客户,费劲打了投诉电话,却被告知因为这是新投诉所以不能跟投诉团队说话。疯了(Madness)。”
修复方式是系统级的:这类投诉被改为自动分流到正确的团队,一次到位。关键在于这类改动可以实时测量——你可以做 AB 测试,看到改动对时间、转接次数、坐席效率的即时影响。“数据给了你完全看清发生了什么的能力,然后做流程改进、策略改进,然后立刻看到改变产生的效果。”
这个案例还揭示了旅程断点的一个普遍规律:最伤客户的断点往往藏在”部门边界规则”里——新投诉归 A 团队、存量投诉归 B 团队,规则对内清晰、对客户却是黑箱。识别方法不是开会头脑风暴,而是把”客户被迫转接/被迫重述”的点位从通话数据里拉出来排序:转接率最高的那个分流规则,通常就是当天能修、当天能测的第一个快赢。Toynton 团队的修复顺序正是如此——先看清数据,再改规则,再用同一套数据验证效果。
治理不是刹车,是合规即体验
在 EMEA 监管环境(数据主权规则等)下,Toynton 对治理的框架很务实:
第一,理解规则也要理解规则的意图,即使写法不清晰。
第二,按风险分级。识别哪些流程有风险、哪些没有;让 AI 先回答那些不需要敏感数据的简单问题。落到操作层就是一张三级清单:低风险问题(营业时间、账单查询、进度跟踪)交给 AI 全自动处理;中风险场景(产品咨询、投诉受理)AI 处理但全程留痕、可回放;高风险动作(大额交易、变更身份信息、监管报送)保留人工确认点,AI 只做信息准备。这张清单本身就是给监管审计的最好说明材料。
第三,技术能力已经就位:PII 掩码、敏感数据抽取、欧洲主权云(European sovereign cloud,正在交付中,数据可以留在客户要求的位置)。她举了一个瑞士客户的例子:对方的数据限制”非常强烈”,甚至高于监管要求,但因为完全理解了对方的诉求,最终用加密+数据管理能力满足了它。
她提醒:不是所有场景都需要最高级别的尽职调查,而且这类问题厂商大多已经解过很多次。监管者的本意也不是为难企业——“监管常常就是关于改善客户体验的”,交付透明、可审计的完整客户旅程,恰恰是同时向监管和客户证明数据被正当使用的方式。

度量 AI 价值的正确姿势:先留基线
对”怎么建 AI 商业案例、怎么衡量投资价值”,Toynton 的方法论可以叫”培养皿法”:
现状就是你的培养皿(petri dish)。关键动作是在上线 AI 能力之前,先把现状数据留存下来——有了今天的基线,每上线一项能力就能测出它带来的差异,“完全透明,没有争论空间”。
具体操作时有三条要点值得照抄。第一,基线指标要在 AI 上线前冻结:处理时长、转接次数、话后处理时间、首触解决率、NPS,取改造前稳定运行期(比如四个完整周)的均值,写进项目章程,避免上线后”回头挑对自己有利的窗口”。第二,每项 AI 能力单独开 AB 测试:像投诉分流这类改动,可以一边保留旧路径一边灰度新路径,实时对比两项指标,效果立刻可见——Toynton 强调这类改动”你可以看到改变已经产生效果,无论是对时间、转接还是坐席效率”。第三,把差值换算成同一套口径:对客户意味着什么、对坐席意味着什么,然后”它自己会相乘”——客户体验改善驱动留存,坐席效率改善驱动成本,两条线在收入端汇合。
她还点名了容易被忽略的受益角色:营销、反欺诈、合规。完整旅程数据让”该说的话是否都说了”(合规)、“是否识别出了弱势客户”(适当性)这类检查变得可直接验证——AI 不只服务客服 KPI,它重塑的是整个面向客户的运营。
数据策略:别等”修好数据”再转型
对数据这块硬骨头,Toynton 直言存在一个流行误区:“有人认为必须先把数据修好再开始转型——你会花一辈子去修数据。“这不是正确路径。
正确路径是平台化:搬到端到端的编排平台后,客户标识(identifier)全程携带,你第一次真正理解完整的客户体验。她描述了数据割裂的典型症状:某个团队自认为做得很好,“客户爱我们”,但客户同时在另一个不相关的团队那里经历糟糕体验——品牌和服务的损害你根本看不见。
她的建议非常直接:“尽可能多地打开 Genesys Cloud 的开关。也许有些部分你被供应商锁住,平台允许你连接那些数据。但你越全力以赴,数据流就越通畅”——既支撑战略决策,也让虚拟坐席或人工坐席在当下这一刻拥有个性化体验所需的全部洞察。
给数据团队的三个核对动作:第一,确认客户标识(identifier)能否从官网、App、电话、短信每个入口一路携带到后台,任何一环断裂就形成一个测量盲区;第二,盘点”自感觉良好”的团队,用外部基准(NPS、第三方评测)交叉验证——内部满意度高但外部基准不动,通常意味着别的环节在漏分;第三,把渠道间的被迫跳转次数做成常规报表,它是”旅程割裂”最诚实的计数器。
旅程设计的第一原则:数字起点,数字终点
Toynton 给出的编排范式值得逐字记录:每一个接触客户的人、每一个渠道,都应该被 AI 编排起来,让客户无论从哪里开始、到哪里结束都得到最好的体验。
目标永远是首次接触解决(first touch resolution),而首次接触往往不是电话——是官网、是 App。所以要赋权客户在他们想要的地方开始和结束,而不是强迫他们换渠道。她的关键判断:“我们真的希望客户数字优先。但如果他们从数字渠道开始,我们却造出把他们逼进人工渠道的旅程,这不仅对我们成本高,对他们也很沮丧。从数字开始的,就留在数字渠道解决。”
把这条原则转成可执行的检查清单,客服运营团队可以每周跑一遍四个问题:本周有多少客户从数字渠道开始、最后却在人工渠道结束?这些被迫迁移的点位里,排前三的原因是什么?每个点位缺失的是数据(AI 不知道答案)、权限(AI 不能执行动作)还是流程设计(默认转人工)?修复后数字渠道的完结率是否回升?四个问题本身就是”数字起点数字终点”的运营仪表盘。
对未来的想象她的表述是:“做品牌体验蛋糕的所有原料,现在都摆在货架上了。“未来 3-5 年真正的问题不是技术可用性,而是三张地图:想清楚你的旅程、想清楚在哪里部署、想清楚人在哪里出场——毕竟组织里约 75% 的员工都以某种方式面对客户(外勤销售、客户经理、私人银行家),编排能力应该覆盖他们所有人。


运营团队怎么用这套思路
如果你正在推进客服中心的 AI 转型,这支对谈给出一条可执行的路线:第一步,上线任何 AI 前先固定现状基线指标(处理时长、转接率、话后时间、NPS),没有基线就没有说服力;第二步,从投诉分流这类”当天可修、即时可测”的旅程断点入手,用快赢建立组织信心;第三步,数据策略不追求先修好再动,而是选择能携带统一客户标识的平台,让数据随能力上线自然流动;第四步,按风险分级安排 AI 的落地顺序——低敏场景先行,高敏场景等 PII 掩码等治理能力到位。
原文信息
- 原视频标题:The end of the CX trade-off: How AI powers loyalty AND efficiency
- 频道:Genesys
- 讲者:Greg Thomas(Genesys)对谈 Paulette Toynton(Genesys EMEA 体验编排副总裁)
- 发布日期:2026-06-11
- 视频时长:约 15.3 分钟
不错不错,已加入书签。