1

体验监测管理体系的构建思路分享

 2 years ago
source link: https://jelly.jd.com/article/617912ee45c53a01c7acbaa9
Go to the source link to view the article. You can view the picture content, updated content and better typesetting reading experience. If the link is broken, please click the button below to view the snapshot at that time.
JELLY | 体验监测管理体系的构建思路分享
体验监测管理体系的构建思路分享
上传日期:2021.12.14
不可否认,用户体验在商业上的价值越来越大,也逐渐成为继成本控制、效率提升之后,实现商业目标的另一个重要工具。因此,越来越多的公司也开始构建自己的体验监测管理体系,本文将结合我们构建体验监测管理体系的实际工作,对体验监测管理的构建思路进行分享,希望能为大家带来相应的启发。

存量时代,用户体验在公司/企业竞争中所发挥的作用越来越大,也有越来越多的公司/企业开始关注自身产品或服务的用户体验,希望能够通过用户体验的提升来实现用户的增长和商业目标的达成。但用户体验是用户的一种主观感受,是用户在使用一个产品、系统或服务之前、使用期间和使用之后的全部感受,所以它不像一次注册、一次点击、一次付费、一个订单等操作事实那么容易追踪和衡量,也正因为如此,导致很多公司/企业有心在产品体验/服务体验的系统性改善上发力,却苦于没有体系化的体验监测管理体系而难以找到发力点。

接下来,我将结合我们在产品体验监测管理方面的工作,整体上阐述一下对于构建体验监测管理体系的总结思考,希望能给大家带来一定的启发。

为了能更清晰的规划我们体验监测管理工作的内容,我将体验监测管理按照工作内容的覆盖范围分为三层结构:数据层、系统层和运营层

11d36b920f7b79f2.png

图1. 体验监测管理体系

每一层级上都有对应的工作目标和工作内容:

数据层:建设体验数据,量化体验水平,追踪体验变化。

做体验的监测管理,首先我们需要看到它,并且能及时的掌握它的现状和变化情况,这样我们才能针对现状去分析判断我们应该怎么提升它,改善它,才能针对变化情况来分析、判断、衡量我们所做的提升和改善措施是否有效,才能不断沉淀经验方法,在体验提升的台阶上逐级而上,而不是原地打转。

但正如前文所述,体验是用户的主观情绪感受,无论是对单个用户的情绪感受的测量方法,还是对整体用户主观情绪感受数据的收集技术都不是很成熟,所以,体验数据不像运营数据或财务数据那么容易追踪和衡量。

在这样的背景下,我们首先需要找到那些可以直接或间接反映用户情绪感受的数据,构建收集渠道来收集可以反映用户情绪感受的数据。

那这类数据都有哪些呢?结合用户体验度量的数据维度来看,大概可以将其划分为两类:用户自我报告式的主动反馈类数据和系统埋点收集的客观行为类数据。

自我报告式的主动反馈类数据主要有满意度评价(CSAT)、推荐意愿(NPS)、客户费力度(CES)等反映整体感受的数据,以及用户通过客服或在线反馈等渠道针对特定问题的反馈数据。此类数据主要通过直接询问用户或用户主动反馈的方式来采集。

系统埋点收集的客观行为类数据主要是用户与产品或服务的交互过程数据,比如App的整体使用频率,使用时长,App分享率等,以及重点功能或页面的点击率、转化率、跳出率等。此类数据主要通过系统后台自动记录来采集。

11d36b920f7b79f2.png

图2. 体验监测数据示例

为了能更精细化的对体验状况进行分析,也可以增加一些体验水平分析的辅助型数据,比如用户的性别、年龄、会员等级等特征类数据。以便我们看到整体体验水平有所变化时,能具体的分析出是哪个群体的变化导致。

系统层:构建体验管理系统,承载体验数据,提效体验运营。

11d36b920f7b79f2.png

图3. 体验监测管理系统页面截图

体验监测管理体系的中间层重点在于系统的建设。这主要是因为:

首先,体验管理系统是体验数据的承载系统。单独一期的体验数据采集因为缺少对比的基准,所以参考意义不大,我们需要长期的采集体验数据,并进行不同时间的体验水平对比,这样才能及时有效的发现体验水平的变化,找到需要重点提升体验的用户群体、产品模块或服务环节。

而长期的数据采集及分析需要耗费较大的人力成本,且工作重复性较高,数据的人工分析也容易出现失误,因此,通过系统来完成数据的自动采集、数据的自动分析、数据的自动诊断,不仅能及时且长期的采集体验数据,而且能有效的节省人力成本,减少人工计算的失误。

其次,体验管理系统是体验运营工作的主要辅助工具。体验数据的监测分析诊断只是基础,依据监测分析诊断的结果如何能有效的促进产品或服务体验提升才是体验管理的最终目的,围绕用户体验提升所要做的运营工作还有很多,比如产品/服务体验问题的优化跟踪,团队/公司体验文化的建设等。为了能高效的完成各方面的体验运营工作, 我们依然需要借助系统的能力。

因此,体现管理系统的建设在体验管理体系的构建工作中是非常重要的一部分内容。

运营层:构建运营机制,分析体验数据,管理体验问题,维护体验用户,建设体验文化

体验运营主要是指围绕用户体验所进行的人工干预工作的总称。我们的日常运营工作主要包含体验数据分析、体验问题管理、体验用户维护和体验文化建设四个方面。

体验数据分析主要是对体验数据结果进行统计整理跟踪以及综合性的分析,比如结合主观数据及客观数据来综合评估特定功能或服务的体验情况;并及时将体验数据分析结果同步给对应功能/服务的责任团队,协助其分析体验水平的变化。

体验问题管理主要是对体验问题的分析和优化。体验数据的监测可以让我们更及时的发现体验上的问题,但单纯的发现问题仅仅是开始,我们需要联合相应的责任团队一起对问题进行分析优化,在这过程中经常需要我们通过快速的调研来验证问题,评估问题的严重性,找到问题的解决方案,同时需要推动或协助责任团队完成优化方案,跟进优化进度和效果。

体验用户维护主要是对产品/服务典型用户群体或社区的日常管理和活动组织。主要是为了能及时的获取产品/服务方面的体验情况,及时了解产品/服务创新方案的用户态度评价,让用户更深入的参与到产品/服务的设计开发过程中,引导用户为产品/服务的迭代创新贡献优秀创意。

体验文化建设主要是通过体验数据分析结果/体验专项研究结果传播,体验问题协同机制构建,体验活动组织,体验考核机制创建等方式不断培养各团队及时关注体验水平的意识,营造各团队积极推动体验优化的氛围,激励各团队推行体验优化/体验创新的主动性。

11d36b920f7b79f2.png

图4. 体验监测管理相关运营产出

以上仅是针对体验管理体系构建思路的概括性总结,虽然仅从文章来看,篇幅不长,内容不多,但在各个层级的实际工作开展过程中有很多细节性的内容需要完成,比如数据层面关于体验度量指标体系的整体构建,系统层面的功能设计开发推进,运营层面与各个团队的体验协同机制沟通、构建和运行等等。

总之,体验监测管理并不是一蹴而就的,它不是一次性的专项体验研究或优化,它是一项与商业目标达成或公司业绩提升直接相关的长期性工作,所以我们无论是在构建体验监测管理体系的过程中,还是在后续实施体验监测管理的日常工作中,都需要抱有足够的耐心,不断的探索和优化。


About Joyk


Aggregate valuable and interesting links.
Joyk means Joy of geeK