惯性聚合 高效追踪和阅读你感兴趣的博客、新闻、科技资讯
阅读原文 在惯性聚合中打开

推荐订阅源

宝玉的分享
宝玉的分享
Engineering at Meta
Engineering at Meta
让小产品的独立变现更简单 - ezindie.com
让小产品的独立变现更简单 - ezindie.com
博客园 - 聂微东
钛媒体:引领未来商业与生活新知
钛媒体:引领未来商业与生活新知
Last Week in AI
Last Week in AI
酷 壳 – CoolShell
酷 壳 – CoolShell
博客园 - 三生石上(FineUI控件)
T
Tailwind CSS Blog
Apple Machine Learning Research
Apple Machine Learning Research
Hugging Face - Blog
Hugging Face - Blog
爱范儿
爱范儿
博客园 - 司徒正美
人人都是产品经理
人人都是产品经理
Jina AI
Jina AI
博客园 - 叶小钗
雷峰网
雷峰网
罗磊的独立博客
OSCHINA 社区最新新闻
OSCHINA 社区最新新闻
博客园 - Franky
WordPress大学
WordPress大学
奇客Solidot–传递最新科技情报
奇客Solidot–传递最新科技情报
阮一峰的网络日志
阮一峰的网络日志
量子位

人人都是产品经理

为什么你的产品找不到差异化?90%的失败都卡在第一步上(下) – 人人都是产品经理, 3年从30万到1300万用户、获2200万美元融资,这个AI教育产品用“抽卡”破解了获客难题 – 人人都是产品经理, 园区招商系统怎么做才能真正帮到去化?我加了这一个功能,推广链接转发400次阅读过万 – 人人都是产品经理, AI大事件:OpenAI发完网络安全模型又搞药物研发,小鹏汽车要抓”DeepSeek时刻” – 人人都是产品经理, 电商不是卖货,是一场更残酷的产品经理实战 – 人人都是产品经理, 没想到,活动营销又回来了! – 人人都是产品经理, 为何All-in海外KOC:一场关于AI时代窗口期的豪赌 – 人人都是产品经理, 重新理解企业的内部协作 – 人人都是产品经理, 苹果的 AI 战略到底是什么? – 人人都是产品经理, 医疗智能体·第2讲——合规护城河:等保、PIPL与HIPAA的架构实战 – 人人都是产品经理, 向量知识库五步法:从“答非所问”到“精准回复” – 人人都是产品经理, 鸿蒙PC三方库构建总指挥HPKBUILD(sha)库为例 – 人人都是产品经理, 何时该用LLM?AI产品经理的LLM设计指南 – 人人都是产品经理, 医疗信息领域的需求方、决策方、准入方以及关注点(二) – 人人都是产品经理, 即梦涨价:一场被误读的「傲慢」 – 人人都是产品经理, 面试AI PM必答题:Hermes和OpenClaw的区别,如何讲清楚业务价值 – 人人都是产品经理, AI的下一张船票:世界模型——AI产品经理必须理解的技术拐点 – 人人都是产品经理, 小红书做GEO,怎么让AI信你?记住这 3 个重要信息 – 人人都是产品经理, 5 家印度 AI 初创公司,看看印度 AI 再做什么 – 人人都是产品经理, AI项目跨团队协作:产品技术业务如何不打架 – 人人都是产品经理, Agentic Workflow(智能体工作流):让AI从”答案生成器”变成”数字员工” – 人人都是产品经理, lycium_plusplus 项目全景解读:OpenHarmony 三方库构建的“大管家” – 人人都是产品经理, 从爆单救火到前置履约:两套预采策略,把生鲜大促履约效率拉满 – 人人都是产品经理, 什么时候该补货?我用一轮数据做了一个决定 – 人人都是产品经理, 从“机械兜底”到“动态分流”:AI客服重复进线治理的4大底层逻辑 – 人人都是产品经理, 抖音拼效率,红书拼洞察 – 人人都是产品经理, 全民狂欢与退潮——为什么龙虾这波热潮冷却得如此之快? – 人人都是产品经理, Stripe押注!MPP重塑全球支付 – 人人都是产品经理, 小红书GEO:AI引用你的内容,不是因为你对,而是因为你看起来可信 – 人人都是产品经理, 前百度副总裁押注办公Agent,日韩付费爆发,Manus迎来强劲对手 – 人人都是产品经理,
零成本实践客户之声计划(下)| 测量诊断
原源圆园元 · 2024-07-22 · via 人人都是产品经理

深入了解并响应客户之声(VOC)已成为企业获取竞争优势的关键。继上一篇关于零成本建立标签的讨论,本文将探讨如何通过构建指标体系来测量和诊断客户体验事件,帮助企业精细化管理客户反馈,从而驱动业务成长和提升客户满意度。

上一篇《零成本实践客户之声计划(上)| VOC“数字化”》讲了零成本实践体验管理中建立标签的部分,获得了最基础的体验数据要素,本篇将讨论如何建立指标体系,测量诊断体验事件或问题。

一、区分场景

首先在构建指标前我们先区分两种VOC和两种工作场景。两种VOC,即主动式和被动式,前者是指用户通过平台或与企业内部人员沟通产生的VOC,后者是指通过相关调研收集的VOC。两种场景,即常规和专项,前者是把VOC纳入日常的监测范畴,后者是根据某项需求或问题发起特定的分析。

通常各类型VOC和场景都不是单一进行的,具体情况需结合企业的体验成熟度和业务发展等因素考虑,相关工作流程等内容可参考《经验分享 | 互联网用户体验运营工作流程 》

不同场景下构建指标的方式不完全相同,由于被动式和专项需更多考虑企业内部因素,因此本篇主要讨论主动式常规监测下的指标搭建。

二、关键要点

常规监测的关键指标是异常预警,在选择或构建时需注意以下几点:

  1. 要构建对问题指导有直接意义的指标,而不是虚荣指标;
  2. 指标在对比和变化间有了意义,因此需设立基准线或目标值;
  3. 通常需要一个北极星指标和一个或多个辅助性指标,更能准确定位和评估问题。

三、实践步骤

1. 制定目的

情况一:以改善体验指标为目的,如NPS、满意度等;

情况二:以提升业务指标为目的,如差评率、复购率等;

情况三:以监测异常或洞察为主。

2. 转换目标

无论以上哪种目的,首先在于发现关键问题,因此需设立一套指标和机制来监测VOC状态或异常。

3. 搭建指标

通常一套监测机制至少包括北极星指标、异常指标,必要时还有辅助性指标,这里以监测某电商平台某商品评价为例:

(1)北极星指标

通常是业务目标或体验目标,如差评率。

(2)异常指标

【(本周期差评数/评价总数)-(上周期差评数/评价总数)】是否大于0,若大于0则意味着本周期的差评率上升,需重点关注。这里除以评价总数的原因是,剔除由销量等因素波动带来的评价数量波动,更关注真正问题本身带来的影响。

辅助性指标

当异常指标大于0,是否就判断一定存在异常,立即采取行动呢。这里异常指标相当于一个筛选机制,筛出可能出现的异常或问题,还要结合辅助性指标进一步判断,如本周期差评数,总差评数等。

4. 设置参照

这里参照也叫目标值,北极星指标和异常指标都需要设立该值,主要方法有参考过往该异常发生时的数值、参考同行和目标倒推(如要需降低多少差评率)等。

5. 制定标准

该标准主要用于上级或相关协同部门查看,主要包括阶段周期、指标口径和指标意义等信息。

四、结语

该篇讲的是多种体验测量诊断场景中的一种,实际实施时应根据企业和业务情况进行。根据体验管理中的“冰山理论”,冰山中每个层次都对应着不同的测量手段和分析工具,因此更建议多种方式互为补充进行。

本文由@原源圆园元 原创发布于人人都是产品经理,未经许可,禁止转载。

题图来源于Unsplash,基于CC0协议

该文观点仅代表作者本人,人人都是产品经理平台仅提供信息存储空间服务。