【客户服务体验】体验驱动系列

第一弹:用户声音的系统性捕捞到聚焦

【客户服务体验】体验驱动系列将分为“声音捕捞”、“深度分析”,“设计度量”三个环节进行阐述,本文将对第一个环节“声音捕捞”进行详细探讨。

以下为正文

设计师在工作中,为了完善产品体验,最常规的就是通过调研获取用户反馈。那么还有哪些渠道可以找到用户声音呢?我们在以下文章里,以双11活动为例,发现淘宝、天猫平台体验问题。从问题渠道、分类、提炼体验问题、思考四个维度来和大家分享。

一、问题从哪里来

需要找到产品体验问题,首先要从用户声音(VOC)来源着手。以双11举例,我们整合了双11期间,用户声音的来源从以下几个方面获取:

热线、投诉、在线、小蜜、退款、淘宝/天猫反馈、舆情(微博/内网/新闻/政府/论坛/微信公众号)、其他。

二、问题怎么分类

面对那么多问题渠道来源,都是哪些问题类型呢?这里最快捷的方法,就是和对应的产品、运营负责人获取一些问题case,然后对问题case进行梳理归类。我们发现主要分服务类和平台类问题。再细分下,主要分技术、产品、设计、咨询(客户纯电话咨询)四个大类。

我们进一步发现,涉及到技术、产品、设计、咨询,甚至有的问题是结合技术、产品、设计综合型问题。设计师的角色我们无法把问题都解决。但是我们能够通过问题归类,将问题反馈/推动给对应的技术团队/负责人区解决问题。

从解决问题的初衷来看待问题,从业务视角对用户反馈进行分类:

三、如何提炼体验问题

我们以双11为契机,以找到淘宝体验问题为目标,对VOC进行了一波人肉实操。

1.总量与抽样

由于每天的数据量都是千万级用户原声,单从人力是无法完成如此庞大的数据搜集。我们根据双11前-中-后5天进行人肉抽样。

过程很艰辛,通过人肉抽样分析,我们发现体验问题主要集中在热线、小蜜、在线居多,投诉、退款、舆情居少。奋战了3天,我们将抽样的体验问题划分出来:

2.设计与业务视角图

在12个体验问题里,我们制定了设计视角图,作为体验问题的维度划分。同时对体验问题进行交叉定位,织成“捕捞”设计问题的网。

3.影响力计算

从用户反馈问题的渠道来映射问题的紧急程度,从而制定影响力评分,并与业务方沟通达成共识。确定分数的合理性。

热线:电脑交流,急切程度高 2分

投诉:上升到投诉,急切程度高 2分

舆情:印象面较大,急切程度高 2分

在线:找到客服文字沟通,急切程度中 1分

小蜜:和小蜜文字沟通,急切程度较低 0.5

退款:引起退款的原因复杂,相关度低 0.1分

通过交叉表来制定

影响力=VOC广度 x VOC紧急度

VOC广度=相关VOC数量

VOC紧急度=根据用户反馈渠道来定义紧急度

4.问题模版

将不同渠道收集的问题、设计图、原声、权重分、影响范围整理呈现,并反馈提交问题。以解决问题的角色定位,和技术同学达成战略握手。

四、思考:更高效发现问题

每天千万级的用户原声,单纯依靠人力定期去抽样摸排既不能对原声整体建立认知,也很难长时间持续耗费精力。如何才能解决这样的问题? 我们有一个非常初步的计划:

面临的挑战

挑战一、设计问题的跨专业定义

判断用户反馈的一个问题,通过设计的力量能不能解决? 在一个相对专业的设计岗位者看来都是很容易判断的,但将这个判断标准下行到客服小二处,就没有那么简单了,这时需要我们去定义规则和边界。

目前我们能应用到的分类方式还是非常粗线条的,如图是我们在人肉实践的案例中用到的分类,当它需要被跨专业准确传递到客服小二处,需要我们去明确每一条细则下的典型案例是什么,语义特征是什么,并且做好客服小二端的专业判断支持者。

挑战二、设计问题向算法传递

目前通过机器自主学习出来的结果仍然存在:精准度不高、发现新问题能力不足等。所以我们仍需要给算法输出每个体验类别的规则,辅助算法更加精准得找到设计师关注的问题。举例图2中的分支“设计视角-信息和内容-是否提供了必要的信息”这一情况说明我们如何通过抽象原声的共性,并给算法提供规则。

预见的结果

由于以上谈到的挑战,从人肉发现问题到算法发现问题的过渡正在缓缓徐行,但从未放弃。可以预见让算法拥有甄别用户原声的价值可以给平台的优化带来有价值的的前瞻性和动力。文末,用一张图把人肉和算法做对比。

第二弹:用户体验问题的根源挖掘与深度分析

我主要工作是同时支持多个阿里经济体客服系统的定制设计需求,在保障业务快速覆盖的同时,还要提升各个经济体的用户体验满意度。

 

工作难点:

需求跨多国家多行业(Lazada、AE、飞猪、饿了么、高德等),且每个都有自己特有的业务逻辑,我需要在短时间内快速理解全盘业务,准确梳理业务和用户场景之间的关系,洞察机会点,给予业务方和产品专业建议,并设计出符合各个产品业务目标的最佳方案。

本文通过「问卷投放」和「用户访谈」调研方式,深入细节,快速了解业务并分析需求和用户实际操作场景之间的关系,抽丝剥茧地对体验问题的根源挖掘与深度分析。调研分析的越深入透彻,对后期业务规划和设计方向越清晰,方案越具说服力。

 

1.问卷投放

 

目的:大体了解产品现状,聚焦用户痛点,找到优化方向,也是为后期实地调研明确目标,圈定范围。

样本量:有效回收数量占比≥60%,有效回收越多,数据越准,问题反映越客观。

问卷主要包含:

1.了解概况,判断问题范围:用户概况(角色占比、涉及功能、渠道等)、产品满意度(整体和各角色)、体验指标、功能使用概况

2.收集用户原声,聚焦体验痛点:用户痛点描述或选择

通过以上方法,可得到以下信息:

1. 满意度低的主要原因:小二的使用低效

2. 使用低效的原因:查询信息低效

3. 查询低效的功能:信息视图(信息查询工具,帮小二快速定位客户咨询问题的原因)

4. 信息视图低效原因:查询路径太长+缺少辅助判断的信息

 

所以设计的优化方向:

业务目标:提升小二的查询效率

设计目标:缩短查询路径,补齐判断信息

设计抓手:业务信息视图

设计策略:按照小二实际的服务场景查询路径设计信息

 

但还有2个关键问题:服务场景有哪些?查询路径是什么?这时就需要通过访谈继续「抽丝剥茧」。

 

2.用户访谈

 

目的:深入理解用户真实使用场景,以及与业务之间的关系。「问卷」只能了解概况,但「调研」,能细到具体某个字段在场景中的作用。

 

注意事项:

1.访谈中不要问用户「需要什么」或「觉得还有什么提升点」这类问题,是问不到答案的。因为当B端用户在习惯了系统操作后,他们只会机械式的使用,不会太多思考。

2.问清每个角色、每个场景、每一个跳转步骤、每一个需要看的信息的作用和目的,这样能挖到用户的本质诉求,自己从中发现机会点。

3.访谈中,用户给出的第一个答案,往往不是本质原因,所以要多问几个为什么!

 

「案例」我在观察小二查询信息的时候发现,无论进线问题是什么,小二永远都会先看该用户几个购买行为数据,但这些数据跟问题并没有关系

·我问:为什么要看这些信息?

·小二:因为要看用户退货退款多不多。

·我问:为什么要看这个?

·小二:占比大不大说明这个人购买行为好不好。

·我问:为什么要看这个?

·小二:因为要看这个人信用度好不好。

·我问:为什么要看这个?

·小二:因为这可以判断他所说话可不可信

 

所以小二看这些数据的本质原因是为了了解用户的购买「信用度」,底层诉求是判断当前服务对象说的话和提供的证据是否可信!机会点是要加一个「信用度」标签,就能省去他们看多个数据并计算占比的时间了。

通过访谈,收集到了很多信息,要如何整理分析呢?

1. 梳理角色关系

目的是确定哪些角色需要哪些功能,同一个功能会涉及多个角色,同一个角色也会用到不同的功能。这样梳理,不仅方便后面按角色梳理多个功能的使用流程,也方便在设计/优化该功能时同时兼顾到多角色使用该功能的场景和目的。

2. 按角色筛选TOP场景,明确调研范围

「案例」以一线小二为例:他们工作是根据用户咨询问题,找到原因,并给出相应的解决方案。因此他们的TOP场景就是咨询问题。由于咨询问题有成千上万,需要通过用户进线咨询问题的占比数据,按咨询量高到底排序,选出TOP场景。若场景颗粒度很细,需要针对相似的查询信息和路径,将场景进行归类。

3. 按TOP场景,串联业务逻辑和角色使用路径

按照归类场景,梳理小二具体的查询信息及路径。内容包含:流程+具体路径+具体信息+信息作用+页面截图(截图能让其他人在看你报告时体感更强,也更易理解)。梳理完后,会对业务和用户有了非常深入的理解,这为你之后报告和设计环节提供强有力的依据支撑。

4. 抽象该角色的通用流程

若top场景的使用路径很多且有共通之处,可再抽象一层通用流程。

「案例」小二的通用服务流程:

5. 竞品分析(流程+页面)

分析竞品,取其精华,去其糟粕,让后期设计效果事半功倍。

6. 分析问题

梳理完细分场景、通用流程和竞品分析后,很容易发现问题的根源。按照页面和流程两个维度,逐一分析,就能挖掘设计机会点。

「案例」综合以上分析得出:

7. 优化策略+提案

通过以上分析,推导下一步优化策略和提案。策略是优化方向和具体的Action,提案并非具体设计方案,而是让你的策略更视觉化,让听众画面感更强。

「案例」场景化信息视图优化策略:

效果

我用以上方法梳理分析,可快速了解用户场景、诉求和痛点,做到比业务运营和产品更了解业务和用户场景,提出对业务指标提升的专业建议及优化策略/提案。在半年内帮3大产品(LAZADA、AE、饿了么)挖掘了180+个体验问题,其中82%的问题被采纳排期及落地。以此让大家看到我的专业度的同时,也提高设计在项目组中的话语权。

原文:https://mp.weixin.qq.com/s/7m7FAog_CWPEYFuLwftcnQ

温馨提示:
  • 请注意,下载的资源可能包含广告宣传。本站不对此提供任何担保,请用户自行甄别。
  • 任何资源严禁网盘中解压缩,一经发现删除会员资格封禁IP,感谢配合。
  • 压缩格式:支持 Zip、7z、Rar 等常见格式。请注意,下载后部分资源可能需要更改扩展名才能成功解压。
声明:
  • 本站用户禁止分享任何违反国家法律规定的相关影像资料。
  • 内容来源于网络,如若本站内容侵犯了原著者的合法权益,可联系我们进行处理,联系微信:a-000000