套餐
知识

82%的公司画了客户旅程地图,只有47%真的在用

一篇关于 AI 客户旅程地图的学习文章:引用 Gartner 2019 年调查,82% 的企业画了旅程地图,仅 47% 真正用上数据;文章讲解地图实时刷新、AI 倾向评分与个性化案例(星巴克、Netflix、丝芙兰、IceCartel),并提示数据、系统与温度三道门槛。

ai-marketingscoringevidence
2026-09-15SupaMarketers4 分钟阅读

Two stick figures pin a large hand-drawn journey map to an office wall under a big 82% sign — draw a journey map; on the right the same map hangs dusty with a cobweb while a stick figure walks away tossing a coin under a 47% sign — actually use it, with a gut calls thought bubble; caption: a map you don't use is just decoration

A framed photograph of a frozen winding path labeled photograph — drawn once, goes stale; a bold hand-drawn AI arrow points to a living road where a stick figure walks while data dots stream in and refresh arrows read updates in real time, labeled documentary — recalculates as she moves

前几天,我和一位做电商的朋友吃饭。

他跟我吐槽:公司花了好几个月,画了一张特别漂亮的客户旅程地图。用户从第一次看到广告,到下单,到收货,到售后,每一步都标得清清楚楚,打印出来贴在办公室墙上,像一幅作战图。

我问:那你们最近的运营决策,是照着这张图做的吗?

他愣了一下:还真不是。拍脑袋的时候,居多。

我说,那你这不叫地图。

你这叫装修。

什么叫客户旅程地图?

客户旅程地图,就是把一个客户从认识你、到买你的东西、到用你的东西、到推荐给别人,这一整条路上经历过什么、卡在哪里、开不开心,画成一张图。

做这张图的目的,说白了就两个:让客户爽,让客户省力。2023年,Statista 有一份统计,品牌们做旅程地图,主要就是冲着这两件事去的。

想法很好。

但是,图是死的,客户是活的。

2019年,Gartner 做过一项调查:82%的企业,都画了客户旅程地图。可只有47%,真正用上了图里的数据。

也就是说,超过一半的公司,辛辛苦苦画出来的图,最后就挂在墙上吃灰。

为什么?

因为画图的方法太原始了。访谈几个客户,发几份问卷,开几轮会,靠人的观察和经验,把散落的行为拼成一条旅程。这张图拍完的那一天,就开始过时了。

客户上个月还爱在睡前刷购物App,这个月就改成午休摸鱼了。你墙上的图,还是老样子。

传统的旅程地图,是一张照片。拍的是过去的客户。

而今天,有一样东西,正在把这张照片,变成一部实时更新的纪录片。

AI。

AI 进到客户旅程地图里,到底改变了什么?我说三件事。

第一件事,地图自己会动了。

以前,一年更新一次地图,算是勤快的。现在,机器学习模型盯着全量数据:网站上的每一次点击、每一笔订单、每一条评论,24小时不停歇地刷新这张图。客户走到哪,图就跟到哪。

顺带,数据收集、清洗、分析这些重复劳动,机器全包了。人腾出手来,干真正需要人的事:做判断,定策略。

第二件事,图能往前猜了。

这就说到一个概念:AI 倾向评分。

什么叫倾向评分?

说白了,就是给每个客户算一个概率:他下一步,买,还是不买。

软件公司 Progress 的产品营销负责人举过一个例子:把客户在每个触点上的行为、旅程里的关键节点,喂给预测模型。模型会告诉你,哪些客户大概率马上行动,哪些大概率要流失。然后,你的营销预算,重点砸向那些大概率会买的人。

你想想看,以前撒预算,像撒胡椒面,人人有份,人人没感觉。现在,每一块钱,都往胜率高的地方去。

这才叫算账。

第三件事,个性化,从口号变成了动作。

一家做珠宝配饰电商的公司,IceCartel,把这件事做得细到让我有点吃惊。

你在购物车里放了东西,没买,转身走了。搁以前,这单基本就死了。现在,机器记着这事。你下次打开商品页,没买完的东西就在原地等你,旁边还告诉你:买这枚戒指的人,大多配了一条什么链子。

弃购率,就这么一点点被拉了回来。

而且,机器在全量数据里翻出来的那些隐藏规律,比如哪类客户在哪个时刻最容易动心,人眼根本看不出来。就算看出来了,也来不及算。

一家做礼品卡和支付的公司,Blackhawk Network,有位高管打过一个特别贴切的比方:AI 对客户旅程的作用,就像导航软件对开车的作用。路况一变,路线立刻重算。

对,就是这种感觉。地图不再是一张图,它是一条会自己重算的路。

这套玩法,大公司早就用起来了。

星巴克有个内部系统,叫 Deep Brew。你在它App里收到的每一次推荐,背后都是预测分析在算。它甚至把店里的库存和排班也一并优化了:客流高峰前备足货,把合适的人排在合适的时段。

Netflix 更直接。它用AI猜你想看什么。猜完还不算完,大家看片的行为数据,反过来决定它该拍什么剧。观众用脚投票,票数直接进了选题会。

丝芙兰呢,把AI用在了"不敢买"这件事上。这只口红涂在自己脸上,到底什么颜色?打开虚拟试妆,对着手机先看效果,再下单。美妆生意里最大的顾虑之一,就这么被拆掉了。

你看,同一个技术,有人拿来推商品,有人拿来定内容,有人拿来拆顾虑。

工具是同一个,想象力不是。

但是,凡事总有反面。

上这套东西之前,有三道坎,你得先想清楚。

第一道坎,数据。

AI 要算得准,就得吃得深。你的点击、订单、位置、社交痕迹,全是料。数据越多,预测越准。可数据越多,你肩上的责任就越重。一旦泄露,客户对你的信任,一夜清零。合规不是成本,是入场券。

第二道坎,系统。

AI 不是接根线就能用的电饭煲。老系统、老流程、老报表,和新工具之间,隔着大量的改造活。要花钱,要招人,要培训。很多公司想用,就是接不上。

第三道坎,温度。

这是最容易忘的。机器知道你买过什么,但它不知道你今天过得好不好。客户投诉的时候,最想听到的不是一段标准话术,而是一个真人在乎他。

自动化负责效率,人负责共情。这两件事缺了哪件,客户旅程都会在某一环,突然掉下去。

那天吃完饭,我跟我那位朋友说:先别急着撕墙上的图。

让数据活起来,让机器把图重新画一遍,画成一部每秒都在更新的纪录片。然后,把你团队里最懂客户的那几个人,派到图前面去,盯着,看哪里该出手。

客户旅程地图,从来不是画出来的,是长出来的。

照片会过时。

纪录片不会。

祝你,早日把它画活。

继续阅读