从数据驱动的体验管理

2019年12月22日,UXRen联合鱼缸在上海举办了《用户研究:前瞻洞察与价值本源》的主题沙龙分享会,本文基于嘉宾 丁光正 (bebit大中华区合伙人)的现场主题分享《从数据驱动的体验管理》总结而成。

 

活动笔记:

各位,下午好!今天,在接下去一个小时的时间里,我会和各位分享一下。我们在实践中的一些做法和想法,希望能够对诸位有帮助。

1

今天我们的主题,从数据驱动整个体验管理。

几年前刚开始做得的时候,一样也是从设计出发,帮助用户解决痛点,但越走越远之后,我们发觉要让我们的客户进步,必须要能够监测用户体验度好还是不好,如何做到好的监测将会是未来的主题。

我们公司其实是日本最大体验咨询公司,在日本有将近200名用研体验顾问,5年前开始在国内发展,正好遇到国内整个用户体验蓬勃发展,搭上了这般列车,所以我们过得还行。我们希望能够做到是体验战略。体验会从公司的战略层,竞争层面开始,我们希望以人为本开始,辅助到我们的客户。

2

那我们到底和别的公司有什么不一样呢?我知道大家比较熟悉的是frog这样的公司,我们其实走得是完全不一样的路.

我们走什么路呢?其实我本身是传统咨询公司出生,以前我是在麦肯锡,其他两位合伙人在罗兰贝格,我们以前是从管理咨询的理念的出发,但是我们又希望带进设计这一块,从人出发,从Design thinking(设计思维)出发,所以左边我们有一个design的团队。

design团队的合伙人,虽然她也是商业咨询背景出生,但是她其实在design业界也蛮久了。所以我们希望综合左边这些人,和右边这群人,所以我们每一个项目都是管理咨询加上我们的设计服务。我们觉得这样的搭配能够给到我们客户一个比较好的落地方案。我们希望将更有战略性的,更落地,更有商业的方案给到我们客户。

3

使用的方式呢,和各位熟悉的非常像噢,但是因为我们很多咨询背景,所以我们会有更多商业model,标签,数据运用到我们的方法中。

5年前,刚来到上海之前,我先去了一次北京,那个时候见了一位客户,这位客户在一家互联网公司,那个时候和他讲了很多,从用户分层开始,每个用户当然要从Customer Journey(客户旅程)发现,然后拿我们一整套方法,然后痛点在哪里,如何梳理痛点,如何制造惊喜,能够Customer Journey发现,我讲了非常多,然后讲了一个多小时以后,这个客户和我说,andy,你讲得非常好,但是我没那个时间,我们这个时代,是野蛮获客的时代,我要得是流量,流量,不止是我,我的投资人也要流量。听了我也没有感觉,他们也是被投资人逼得,他们都是要看流量有没有进来,然后看发展到底如何。

但是,5年之后的今天,这件事情已经不是绝对,越来越多的互联网公司非常关注用户体验,也应该这样讲,关注用户体验的互联网公司,都已经存活下来,越变越大,而这家公司到现在已经不见了,最终这样的结果也蛮痛心的。

我是一名重度牛油果爱好者,我们就看到有些互联网公司,坚守用户为中心的原则,从线上到线下都做得很不错,这是盒马鲜生,大家应该都有用过,像我这样虽然不是很年轻,但也不是经常买菜的人,进去看到牛油果,我总是不知道哪一颗比较熟,哪一颗比较生,我也不知道该如何挑选。所以送来的时候,它给我了一份告知,他们把线上对用户体验的追求转移到线下了,针对我们这种人,爱吃牛油果,又不会买的人。现在又不一样了,这份告知又调整过了,直接告诉我哪种先吃,哪种后吃。可能是他们觉得做到85%那么精准。

4

那是线下,线上大家更是做得极致,各位知道在支付宝会教你如何教育小孩吗?你如果看支付宝所连接的场景,你能查到各式各样的宝宝管理,譬如怎么样让你的孩子乐于被纠正呢?从这个场景里我们就可以观察到,他们希望能够对于各式各样的用户都有着力,希望能够更介入到每个用户的生活。任何的学费缴纳,疫苗管理,医保,安全管理,支付宝都希望能帮你处理。

所以我们就看到这样强大的互联网公司,在用户体验上的执着,为什么会有这样的差异?

我们可以看到手机出货量在下降,微信,qq月活都在下降,这个告诉我们,流量红利其实在下降。流量红利在下降的同时,有个数据上升得非常快,那就是国内网络广告市场在高速增长,每年以将近3成速度在成长。这意味着什么呢?流量不变,但每个人越来越贵了,所以造成很多公司从拉新,拉流量,转换到存量客户的经营。这个现象会越来越明显,以前很注重营销的公司,以后会非常注重用户的运营。我们可以看到更多很成熟的市场,已经没有拉新的空间,所以只有存量客户的经营。你也可以看到越来越多CMO的职位被拿掉,取代的是CXO,整个大格局在变化中。所以在这个大命题下面,企业其实要回归到本质,重新建立于企业与用户的关系。以前使用的方法,在新的时代下,其实已经不大会成功了。所以这也是我们经常和客户讲的事情。

5

讲到用户体验这件事情,各位都在这行,不知道有没有这样的感受,作为乙方,我们经常与甲方沟通一件事情,就是用户体验做得好,到底谁说了算?通常来说,领导说了算,领导说这个颜色用得好,这个logo,button设计得不错,好比这个领导就是用户体验专家,他有可能是,也可能不是。

6

所以说呢,我们需要有客观的数据,来告知我们,我们的用户体验是做得好,还是不好,才能使企业真正通过改善用户体验取得进步,我们不靠人,我们靠机制。

每一个用户体验的举措,听起来都非常不错,因为你都是挖掘用户痛点么,但是到底哪些更重要,哪些应该延迟,那我们也需要数据,给到我们真正的洞察。

今天分三个部分和各位介绍:

  1. 战略分析模块,包括大家熟悉的客户旅程的建立、NPS与体验的关联、我们会介绍什么是NPS、体验下的驱动要素…
  2. 我们会讨论如何从驱动要素下采取到的数据
  3. 最后会涉及到行动改善,就是采集到数据之后的行动改善,会有系统建议优化的地方,个别用户监测的纠错机制,最后是仪表盘。

 

7

一、战略分析

很多用户体验的举措听起来都非常好,michael porter(五力分析提出者),战略的根本是选择哪件事情不用干,什么事情都想干,就会成为一只无头苍蝇。

8

首先一家企业都会需要一个北极星指标。

整个环境一直都在日新月异的变化,一家企业在体验上一定需要一个北极星指标,北极星指标能够告诉我们方向该怎么走,北极星指标有很多,其实根据不同商业环境,选择会有所不同,如果你公司还没有体验指标,通常我们默认推荐的是净推荐值NPS,有人喜欢MAU,有人喜欢满意度,有人喜欢用品牌比较,我们真正的重点,监测端到端的用户旅程。

为什么选择NPS?

9

NPS中文为净推荐值,全名为Net Promoter Score,由美国贝恩咨询贡献研发,以一个简单问题,衡量顾客对企业品牌/商品的忠诚度,近几年在国内外市场迅速推广开来。NPS的问题你肯定不陌生:“0-10分,你会有多大意愿推荐我们的产品或服务给你的亲朋好友?”,回答的人,0-6分叫贬低者,7-8分叫中立者,9-10分叫推荐者,推荐者的比例减去你的诋毁者比例,就是一家企业的NPS。从这个数值可以看出企业的客户当中推荐者和批评者哪一方比较多,分数为正表示愿意持续购买、加购或是做口碑的客户占多数,也就是所谓的忠诚客,那么企业会有正向成长,反之亦然。

NPS与商业的相关性是比较重要的,设计必须要有商业性,否则这个设计很难持续,我们先看这个指标和商业的结果是如何相关。左下角是customer满意度的,右上角就是NPS,NPS通常和重复购买预测精准度,比较有相关性,下面购买金额增加的预测精准度,和NPS也有更高的相关性。

诸位想过NPS和满意度的差异在哪里?

一样的问题你以NPS去问,用满意度去问,通常的情况下,NPS的分数会比较苛刻,这是因为人的心理状态。假设你去一家餐厅吃饭,结束之后填个问卷,按照中国人的习惯,只要不要做得太差,一般都会给一个80,90分的评分,但是如果问消费者是否推荐给亲朋好友,突然间内心会多了一份责任感,有了责任感之后,就会有比较。消费者会去回忆最近吃过其他的餐厅,所以会造成微妙的心理差异,从而导致了NPS的分数通常比较严苛,也会和商业结果比较契合。

我们来看一下与客户体验有关的一些商业数据。这部分是一些老数据,顾客体验做得好的企业,营业额增加的幅度都会比较好,顾客体验做得好的企业,股价的涨幅也会比较大。有一个新的发现,就是顾客体验好的公司,离职率是比较低的。这有两个可能性,一个是公司做得好,收入比较好。另一个可能性,有些人觉得,他的工作对用户有直接的关联性,所以工作比较开心,不太会离职。

10

由于工作关系,我服务银行比较多,我们把银行NPS和银行的财务数据做比较,我们发现这两者其实是非常高度相关的,市净率和NPS已经高度相关了,譬如体验做得比较好的招商银行,平安银行。我们再看5年的复合增长率,关系度相当高了,达到了0.5,所以NPS做得越高,复合增长率也越高。所以前面讲过design一定要看对于商业贡献度。

11

最基础的工作,用户分群之后,典型的场景是什么?该场景下会碰到触点是什么?假设我现在碰到一件事情,也许会先上百度先查,然后去知乎查查,再看看公司的网站,公众号,同一个体验会有多个触点。第三步,是在这个体验中的痛点是什么?最后就是理想的服务流程是什么?这就是用户旅程的梳理。

第一件事情,我们会帮公司建立商业结果和NPS之间的关系,ceo们也许会问为什么这件事情?因为在做这件事情的时候,我们需要我们设计的用户体验时候,考虑对于可能的商业成长会在哪里,CEO他关心的是股价,关心的是收益,关心的是如何养活这么多人,所以每一项投入对于商业结果都能够有所帮助。

第二件事情,我会建立NPS与用户旅程中的关系,我想知道那么多的场景,那么多的体验,哪些体验对于用户是重要的,真正会让用户推荐产品,哪些其实是不那么重要的。

第三件事情,我们要找出驱动要素和旅程中的关系。知道哪些体验重要之后,我需要一个抓手,找到驱动要素,然后去优化它,修改,甚至创新它。每一段旅程下,都会有驱动要素。假设今天去买衣服,买完衣服要去结账,结账的时候,排队的长度对用户比较重要,还是结账的时候信用卡的积分多少更重要。两个要素似乎都很重要,很有可能其中某个要素才用户心中更重要。所以每一段客户旅程下,都会有驱动要素,同时还要有数据支撑。

12

这一张其实就是整个数据驱动的架构,给各位一个example,手机银行。

如果我要提升手机银行的NPS,到底哪些比较重要,我必须通过模型跑出来,你在哪里发力会更有效,这个案例中,贷款体验,理财体验是两个关键体验,在理财体验下,关键的要素,用户到底更在乎安全性,收益率高低,产品背景信息是否易懂,资金灵活性等等,只要了解到驱动要素,我们才知道什么是用户在乎的,我们才知道该如何设计我的理财产品,理财页面应该放置哪些信息。

13

找驱动要素这件事情,有很多方法,譬如我们办公室都有自己的实验室,偏技术的方式,譬如脑波追踪,眼洞追踪,爬虫 ,偏传统的方式,则会采用入室深度访谈,神秘顾客等,具体采用何种方法要根据产品,客户旅程,使用场景来综合考虑。

14

再给大家举个例子

这是我们为一家金融公司做它的支付,一开始在实验室里测用户体验,技术工程师体验的容忍度是非常高的, 按了支付后2秒以后才跳出二维码。我们提出loading的时间会对用户造成障碍,那为了说服工程师,我们就在中午到公司楼下的全家去做实际测试,我们跟着用户排队去买东西,打开app点入支付等了2秒钟,他后面都是人,给了他很大的压力,造成下次使用的时候,他会又用回支付宝。

我们会把所有的旅程,关键体验都会放在这样的矩阵内,x值代表NPS对于企业的贡献度,左侧是目前你和竞品的差距。右上角是体验比竞品好的地方,所以可以作为usp卖点,在市场进行营销传播。右下角是目前做了不太好,但是用户又特别在意。左下角是体验不太好,用户也不太在意,可能需要改善,可能也不需要。左上角我们的体验非常好,但是不是用户推荐的主要因素。这张矩阵图能够帮助企业决定资源如何分配,将资源投入在最有效率的地方。

15

给各位讲一个小小的案例,这个案例是一家大型连锁买手店,这家公司希望进行数字化的转型。买手店先进行了大量的数字化基础设施的投入,其次投入了大量资源进行物流建设。我们做了分析之后,发现物流对于NPS贡献度很低。用户其实对于买手店的期待,并不是速度,因为顾客不会把买手店当作京东来使用。省时间并不是顾客选择的最大的理由,最核心的是用户相信你的眼光,顾客对于这家店的期待,是希望能成为我走上时尚道路的老师。在一开始触发购买的时候,就已经产生NPS推荐的相关度。他们根据我们的建议之后,做了很多的调整,譬如在社交媒体上内容做了很大的调整,以前主要就是介绍新款到货,打折信息,现在开始产品背后的故事,譬如设计师背景,为什么设计会受到热捧,设计师会采用怎样的裁剪方式,他习惯使用什么样的材质,来帮助消费者更了解时尚。

16

所以,在第一阶段,我们梳理这几件事情,各个关键体验对于NPS影响程度比较,第二件事情,我们要知道在每个体验上和竞品的差异。第三件事情,确定哪些关键体验最需要改善,第四件事情就是如何进一步改善执行。我们如何采集到这些信息呢?通常会问卷公司搭配我们做调查,一般采用发问卷模式。

 

17

二、数据采集

数据采集和诸位分享两个大的数据类型,左边是使用NPS架构整个体验以及相应的驱动人要素,我们希望将这些驱动要素转化成可监测的数据。这批数据分为两类,一类数据叫运营数据O Data,一类叫体验数据X Data。运营数据大家一定非常熟悉,包括了财务数据,MAU,DAU,重复购买率,转化率。O Data是一个后置数据,告诉客户已经发生的数据,告诉客户已经发生的行为。X Data数据是有预测性的,包括满意度,品牌喜好程度,产品易上手的难度,这属于客户感知数据,它会告知你为什么会有这样的行为。

18

X Data又分成两种,一种叫T-NPS(场景NPS),另一种叫R-NPS(关系NPS),T-NPS是有交互后触发的数据,对特定人群触发,我们会去定时去测量的。这么说有一些抽象,我们用一个example来解释。

19

这是一家互联网保险公司的体验流程。红色标注的重要关键体验,第一个体验叫完成投保,大部分的用户在投保之后,他其实并不太确定自己投保的产品,覆盖了哪些保障范围。但是真正出事的时候,当他的认知和产品覆盖有差距的时候,就会对NPS有决定性的影响。所以完成投保这件事一完成,我们就就会触发T-NPS,确保投保人了解保险覆盖的范围。

20

T-NPS就像每个学期的小考试,R-NPS就像大考,如果前面小考都不错的话,那最后的期末考应该也不会差。R-NPS测量不针对特定特定场景的交互,只针对企业和用户之间的关系。直接问用户对于我们的品牌满意度就可以,这里问满意度没有关系,怎么好问,用户怎么好答,作为优先考虑。如果触点很多的话,那就要设定合理的规则,因为现在做问卷的人越来越多,大家都想搜集Data,用户其实很厌恶被打扰的。

21

明确关键体验,驱动要素之后,接下去我们要将这些驱动要素转化为可以追踪的数据。那我们针对驱动要素,寻找到对应的数据指标,除了O Data可以采集的数据,遇到X Data触发的行为后,就会触发相应的收集行为。这和现在很多公司的数据分析不太一样,我们完全从用户旅程拆解过后的驱动要素为优先,然后从重要的驱动要素出发,在常规的采集过程中,是否有这样的数据,如果没有的话,是否能够打通这样的数据。实在没有办法,是否能够购买到需要的数据,再不行能通过问卷。所以我们非常清楚得了解到,整个数据架构是什么,我们必须需要测到数据,必须要打通,而不是说目前只有这些数据,从这些数据中去得出结论和洞察。

 

22

在进行T-NPS监测与数据的情况的同时,还可以设计特殊弥补措施触发机制,当NPS分数低于平均水准的情况下,能够激活相应的弥补措施,完成补救。

 

三、行动改善

行动改善各位应该非常熟悉了。我们是希望旅程地图管理和设计思维能够做到结合,我们输入O Data和X Data,然后我们就会知道哪些场景需要优化,我还会根据抓手来辅助优化。根据情况,有的需要展开定性调研,有的可能不需要,小的问题通常可以直接解决。之后就是Design thinking(设计思维)。从设计到原型设计,开发,上线。这个是我们的大闭环,解决体验中的系统性的问题。

23

还有一种就是针对个别客户挽救的优化方法,你不可能期待每一位员工每天的表现都非常好,总会有些不顺的情况出现,让他的心情不那么好,最终又影响到了客户的体验。有几个数据和各位分享一下,52%的客户会因为不好的体验转移到其他竞争客户那里,如果有了差的客户体验被挽救回来后,58%的客户会比增加比原来更高的消费。所以对于任何一家公司都应该非常重视挽回那些遇到不好体验的客户。那这个时候,我们应该怎么做?第一步先对于这位客户的价值贡献做区分,然后就会产生工单。高价值的客户,给予人工关怀以及1对1的处理,中低价值的客户,我们希望设定一个机制,通过交互页面来关怀到这些用户。要不然的话,如果全部采用1对1的人工关怀,大部分的公司会缺乏足够的资源。

24

25

数据输入的流向也需要分层,不同的数据流向不同层级的部门,从而他们可以从他们工作范围内,去优化与他们相关的NPS。

26

最后我们就要讲的是kpi,我们通常的建议是先监测,先让每个部门知道我们在关心这些数据,而且具体考核时候,不建议用NPS来考核,因为每一个部门只能影响到一部分数据,而不能直接影响到NPS,所以我们建议kpi最好与这个部门相关O Data, X Data 挂钩。好了,今天非常感谢诸位的时间,我的介绍就到这里。

 

27

现场互动

问题1:当做不同的国家研究的时候,相同体验下,不同国家的NPS分数波动很大,该如何处理?

回答:在我们过往的案例中,我们也发现有些国家和地区的NPS会来得更严苛,譬如日本的NPS分数就会相对比较低,在跨国比较的时候,这样的比较就会变得非常难,建议的是当地的竞品和竞品做比较,从这样的角度切入会比较合理,一些全球化的公司,喜欢将各个地区的NPS做比较,我个人认为这不是一种特别合适的方式。针对产品做NPS评价的时候,这一套方法论不一定有效,需要增加一些针对产品体验的指标,

 

问题2:我是做柔性用户研究,每个因子对于NPS是如何测算?

回答:其实我们是用多元回归去跑的,现在我们和软件公司合作,会利用他们的模型来跑,因为每次收集的过程都会遇到干扰的,会根据干扰程度,来决定用哪种模型来跑。底层的驱动要素的确定,一般先问general的NPS问题,接下去来会问,这个体验的满意度,再下一步跑多元回归,NPS高的人在乎哪些点,NPS低的人不在乎哪些东西。通常我们的客户找到我们,会想知道哪几个体验是最重要的,我们做完之后,一般会有1-2个体验会深入。

 

DataTALKS(数易创研)是专业的市场研究与数据采集机构

数易创研  | 策略型专项市场研究

数据说™   | 敏捷调研服务+自助调研平台

有礼科技  | 移动端在线样本平台

%e8%8e%b7%e5%8f%96%e6%95%b0%e6%8d%ae%e8%af%b4%e7%ae%80%e4%bb%8b%7c%e4%ba%a7%e5%93%81%e6%89%8b%e5%86%8c%7c%e6%a1%88%e4%be%8b%7c%e4%bc%98%e6%83%a0_%e4%ba%8c%e7%bb%b4%e7%a0%81

扫描或识别二维码

获取数易创研服务简介 | 案例 | 报价

via 公众号 -UXRen社区