登录
首页精彩阅读实战 | 对待「用户反馈数据」的正确姿势是什么?
实战 | 对待「用户反馈数据」的正确姿势是什么?
2016-12-21
收藏
当你已经清理了那些无用的反馈(例如超出现实的,纯粹假设的、来自第三方感受的),你仍然应该决定你应该听从哪些用户反馈,并想办法去理解它们的含义。

这就是我们为什么要将《如何更好的理解用户反馈》分成两部分的原因。在这篇文章中,你将聚焦于如何分析和理解对你的产品最重要的那些用户反馈类型。(在第二部分中,我们将说明如何处理这些反馈)

(一)

1、反馈问题的用户类型很重要


你是否同样重视那些聪明人给你的所有有用的建议? 不太可能。 你可能会更相信那些你认识时间很长的朋友的观点和意见。 对于你刚刚在公共汽车上遇到的向你强调你应该怎样生活的陌生人的意见? 你可能并不会多么重视。

在商业市场下,用户与你的业务的关系程度将影响他们反馈的问题的权重。 长期的忠诚用户对你的产品有丰富的使用经验,这将使他们的意见特别有价值。 你有一些用户虽然只使用你的产品六个月,但是却是重度使用者么? 他们可能会有很多有见地的反馈。 你有一些用户明显比其他用户更愿意付费吗? 你可能会想找出其中的原因。

2、用户主动提交的反馈很重要


用户主动提出的反馈需要特别注意。 这里有一个关键的原因。 用户提出的那些不在你的思考范围内,而且你完全不知道的问题,可能正是你需要听到的最重要的事情。你更有可能通过主动提出的反馈或开放式调查问题中找到意见相左的观点,而不是在一个具有多项选择答案的调查中。当医生在诊断结束时询问患者是否还有“想谈谈的其他事情?”时, 这经常会让患者说出最重要的问题。

3、用户的反馈动机很重要


请记住,当用户有一些极端体验时,才会促使他们主动反馈。这就是为什么你看到Yelp餐厅评论很多都以“令人惊喜的”和“骇人听闻的”这样的词语结束。人们认为他们会通过告诉别人他们刚刚去的非常好吃的餐厅或者警告别人不要去一家垃圾来获得社会资本。

但是如果今天你的晚餐真的很一般,你很可能懒得撰写评论,因为这有什么意义?这并不是一个非常有趣的故事对吗?

这种餐厅评论数据的分布类型通常是J型曲线。 “J”形状是指数据曲线最初下降但随后上升到比开始更高的点。

当你收到的你的产品的用户反馈时,很可能也是类似的模式。当他们对你的产品非常满意或不满意时,会更积极地告诉你。但是,这并不意味着你的用户只会爱/恨你的产品。很有可能还有一个大的中间组,认为你的产品是不错的。这些用户通常保持沉默。记住,他们也可以为你提供有用的反馈。如果你认为自己聪明的话,肯定会找到方法来获得他们的反馈。

4、反馈声音的很重要


如果上个月80%的用户反馈告诉你,最近对核心产品所做的“改进”破坏了用户的使用流程,你应该好好听听。 单个问题相对于其他问题的反馈的总体重要性。它将保护你免受“自由”的偏见,人们认为他们在那里经常或最近听到最重要的东西。

5、重复的反馈很重要


用户反馈的问题经常会被我们忽略,理由是“哦,我们听说了多年”。 也许你正在打算在明年的一个大的重新设计上最终解决这个问题。或者更有可能这个请求已经变得如此重复,以至于它变成了一种老生常谈,一种暗淡的呜咽,没有人听到了。不管怎样,这种反馈真的值得倾听,特别是当它涉及到产品质量,错误或阻断了用户实现产品中的核心任务。这是一个你没有理解用户的核心诉求的暗示,你必须将它作为优先事项了解决,而不是忽视它。

6、高风险的反馈很重要


一些反馈值得听,纯粹是因为已经严重影响到用户的使用。 这是高风险反馈。 也许你推送了一个有安全漏洞的发布,或者你的产品意外地将消费者的隐私置于危险之中。在查看用户反馈时,请尝试建立一个途径或者机制,提醒你此类比较少见但高风险的反馈,以便你可以立即采取行动。

当你有大量的用户反馈,你可以挖掘有价值的洞察。在第二部分中,我们将介绍如何将用户反馈转化为你的团队可以解决的一系列可操作的问题,并创建一组明确的优先级,直接指导你的产品路线图规划。

(二)

在《理解用户反馈最佳实践指南》的第一部分中,我们主要着眼于如何分析和理解那些对我们的产品有重要影响的反馈类型。

一旦你决定了应该聚焦于哪些反馈以后,接下来,要如何针对用户的反馈制定公司的可执行方案?如何管理大量开放式的用户反馈,然后在制定产品路线时使用它?

按照以下步骤操作,可以帮助你自信地对客户分析列表进行优先级排序操作,还可以使用分析的输出物来帮助制定您的产品路线图。

1、整理你的数据

首先,整理所有你想要分析的开放式用户反馈数据,并使用电子表格(Excle)给每一个用户加上主要的数据表头。理想情况下,数据表头应当包括用户的注册时间、消费情况、提交反馈的时间、反馈渠道等等。当然,你也可以使用内部通讯系统帮助你来收集这些数据。你的表格的列标题应该是下面这样:


2、对用户反馈分类

一个能帮助你理解用户反馈的常用规则是将用户反馈归纳为以下几个类别:

反馈类型

反馈主题

反馈编码

让我们分解来看一下:

1)、反馈类型

如果你正在处理一些从客户支持团队那获得的未分类反馈数据,或者用户可以在信息反馈栏填写任何信息的时候,将用户反馈分类成不同的类型会显得特别有用。

下面是一些可能会很有用的分类类型:

· 使用问题

· 新功能需求

· Bug

· 用户教育问题

· 价格/账单问题

· 普通的正面情绪

· 普通的负面情绪

· 垃圾反馈(对于处理那些没意义的反馈是很有用的)

其它(用于那些难以分类的反馈,当你在剩余数据中发现更多模式的时候,你可以重新分类它)

2)、反馈主题

当你处理大量的、各种各样的用户反馈时,将其细分为不同的主题会很有用。所以如果你的数据集很小(比如,少于50),那么你用不上它。

你设置的主题应该是与收到的实际反馈不同的,而且常常与产品的某一部分关联。例如:假如你在一个类Instagram 产品的公司工作,那么你能收到大量的反馈,你的主题可能看起来会是一个详细的产品功能列表。如下:

· 照片流(Photo stream)

· 故事(Stories)

· 奖项(Mentions)

· 个人信息(Profile)

当你需要将你的分析和洞察结果用于支持多个团队的工作时,这种分类形式非常有效。(例如:一个团队负责 Stream,另一个负责 Stories。)

有时候,主题会与团队有关联,偶尔它们也会关联到那些用户正在体验但还未满足的需求。那么尝试提出一些新的主题,然后看看分类的这些主题对你是否有用、你是否已经理解了这些数据。

3)、反馈编码

反馈编码的目的是:从原始的用户反馈中提取出简洁且可执行的信息。

你的目标是尽量使反馈编码拥有足够的描述性,让那些不熟悉项目的的人也能理解用户的想法。反馈编码同时也应该是简洁的,尽可能与用户原意一致的。不管你是否同意,你的任务就是尽可能客观提炼用户反馈。

下面是一个示例:


3、快速浏览

在你开始编码这些数据之前,你需要对数据有一个大致的感觉。通过快速扫读去发现这些反馈大概含有哪些种类。作为一般的经验法则:如果每个用户都是完全不同的反馈,为了找到所有可执行的模式,你需要分析大量的反馈数据;如果前50条反馈都是指向你的产品的某一个问题,那么你只需要检查比较少的数据就行了。(译者注:通过这个法则,你可以预判自己的工作量)

4、编码用户反馈

是时候卷起你的袖子开干了。找一个没有人会打扰你的地方,开始一条一条地阅读反馈,仔细地给每一行加上编码。

你创建的实际反馈编码应该是和用户反馈的产品的具体信息紧密关联的。下面给出了一些虚构的新功能需求的分析编码的例子,帮助你理解如何对反馈进行编码。

· 分发任务给多个用户的能力

· 给任务添加复杂的 HTML 的能力

· 从当前页面增加/删除团队成员的能力

· 给用户发送 emoji 表情的能力

如果一条用户反馈提到了两个不同的点(例如,两个不同的功能需求),把它们拆分为两列会更好。

5、改进你的编码

在开始的时候先使用高度概括性的编码,之后再进行分解,这是可以的。一定要注意用户使用的特定词汇,有时候看起来相似的问题,实际上可能是完全不同的。

例如,想象一下你一开始看到大量的跟“Email 问题”相关联的反馈,当你仔细地阅读了更多的反馈的时候,你会发现他们能够分解成不同的问题:“Email 发送问题”和“Email 接收问题”,它们是完全不同的。

有时候,随着你看了越来越多的反馈,你会意识到你需要将一个特定的编码分解成两个或多个详细的编码。这没问题,返回前面将其分解为多个子编码。例如:“视觉优化”可以分解为“字体优化”和“图片排版”。记住要返回前面重新编码之前的行。

6、计算每个编码的流行度

一旦你编码了所有的数据,下一步就是计算每一个编码的总量。这将帮助你发现哪些反馈是非常普遍的以及用户反馈的模式有哪些。

完成这个任务的一个超级简单方法是:按“反馈类型”、“反馈主题”以及“反馈编码”的字母顺序,对你的数据进行排序,这将把相似的元素聚集到一起。然后高亮有相同反馈编码的单元格,电子表格将自动计算总数。创建一个总结表格记录每一个反馈编码的条目总数。

如果你有100-500条用户反馈,在你的“反馈编码”行旁边再添加一行,然后在有相同的反馈编码的每一行输入“1”(例如:在所有“裁切图片”的单元格旁添加1)。然后它们相加就可以计算出个反馈编码出现了多少次。对于其它的反馈编码,重复以上步骤就行了。

如果你有大量的数据集,你可以创建一个数据透视表来做这些计算。当你拥有大量数据的时候,使用它们做针对性的深度挖掘、分析其它的用户属性、寻找反馈之间的关联性,这些也是非常重要的。例如:哪个用户对 X 抱怨最多?需要新功能x的用户每月的花费是多少?

7、总结和分享

现在你已经编码了你的数据,你可以基于问题的流行度来写一个用户反馈的总结,使用它和你的团队一起讨论。

假如你只获得了50条甚至更少的反馈信息,你可以将其总结在一个简单的表格或者一页word 文档里。如果你有大量的反馈数据,你需要通过使用我们之前讨论过的可变因素(如反馈类型、反馈主题)将数据进行分解。这样,你就可以更轻松地掌控你所定义的不同类型的反馈,并将其转发给公司中需要用户反馈数据支撑的不同人员。

你可以通过用户反馈做的最有力量的一件事就是:创建一个最需要的前10个功能的排行榜,或者你可以运用到产品路线规划中的前10个用户问题。

分析用户反馈数据是一件非常难的事情,特别是在公司没有相关的研究人员和分析师帮助你的时候。然而,如果使用这篇文章的建议,每个人都能够将大量混乱的用户反馈分析整理成清晰且可执行的总结。最重要的是,你可以使用总结帮助公司做出明智的决定,进而改善你的产品。

数据分析咨询请扫描二维码

客服在线
立即咨询