客户体验分析把三类证据放在一起看(人们做了什么、给体验打了几分、问了客服什么),找出他们停住或离开的阶段。行为数据说明在哪,对话说明为什么,分数说明感觉如何。在下面的示例结算流程里,没有哪一个来源单独找出了问题;三者合在一起才找到,并估出了修复的量级。
读完你会知道
- 行为说明在哪,对话说明为什么,分数说明感觉如何;要合起来用,不要一次只看一个
- 找流失人数最多的阶段,而不是比例最低的阶段
- 落到一个带量级的修复和一次复测,而不是一块堆满分数的看板
什么是客户体验分析?
客户体验分析,是把三类证据放在一起看(人们做了什么、说了什么、问了客服什么),找出体验让人停下、受挫或离开的具体位置。单看哪一类都会被误导:行为数据告诉你人在哪里掉队,却说不出为什么;问卷分数告诉你人们感觉如何,却说不出在哪里;对话能说明为什么,但只覆盖少数写进来的人。
目标是一份短短的修复清单,每一项对应旅程里的一个位置和一个量级,而不是一块堆满分数的看板。如果你想了解分数本身以及怎样算健康,见 客户体验指标;本文讲的是把这些分数变成决策的分析方法。同样的思路用在整段步骤序列上,见 客户旅程分析;专门针对网站和 App 的部分,见 数字体验分析。
「体验」的一个好用的定义来自 Meyer 和 Schwager(《哈佛商业评论》,2007):客户对与公司的任何直接或间接接触所产生的内在的、主观的反应。所以单一来源覆盖不了它。一次页面浏览是一次接触,一次聊天是,一次送货也是。
需要哪些数据来源,各自说明什么?
| 来源 | 回答的问题 | 盲区 | 常见字段 |
|---|---|---|---|
| 行为(浏览、事件、路径) | 人们去哪、在哪停住、在哪离开? | 说不出为什么 | 页面、步骤、时间、设备、来源 |
| 挫败和错误信号 | 页面哪里坏了或让人困惑? | 只有屏幕上能检测到的信号 | 错误、连续快速点击、退出页 |
| 交易 | 谁完成了,值多少? | 对放弃的人没有信息 | 订单、金额、退货 |
| 问卷分数(CSAT、NPS、CES) | 在选定的时刻感觉如何? | 回复率低,偏向特别满意或特别不满的人 | 分数、评语、时刻 |
| 对话(聊天、邮件、工单) | 他们到底哪里没看明白? | 只有写进来的人 | 记录、开始页面、话题、是否解决 |
选择来源的规则:
- 从行为数据加一个对话来源开始。 几乎每个站点都有这两样,合起来能回答「在哪」和「为什么」。
- 问卷分数只在明确的时刻使用。 在购买后、聊天解决后问,不要用泛泛的弹窗。
- 跨来源保持同一个标识。 如果对话对不上浏览数据里的同一个访客,你就只能比总数,比不了人。
| 来源 | 回答的问题 | 盲区 |
|---|---|---|
| 行为(浏览、事件、路径) | 人们去哪、在哪停住、在哪离开? | 说不出为什么 |
| 挫败和错误信号 | 页面哪里坏了或让人困惑? | 只有屏幕上能检测到的 |
| 问卷分数(CSAT、NPS、CES) | 在选定的时刻感觉如何? | 回复率低,偏向两端 |
| 对话(聊天、邮件、工单) | 他们到底哪里没看明白? | 只有写进来的人 |
先从行为加一个对话来源开始;问卷分数只在明确的时刻使用。
分析怎么一步步做?
- 选定一条旅程和一个结果。 比如「访客进入结算并付款」。笼统的「改善体验」没有任何可以衡量的东西。
- 把旅程拆成 4 到 8 个阶段,每个阶段用一个页面或事件来标记。
- 衡量各阶段之间的到达和流失。 找流失人数最多的阶段,而不是比例最低的。一个只有 20 人到达的阶段掉 90%,比一个有 2,000 人到达的阶段掉 30% 要小。
- 看那个阶段有没有挫败信号。 把那里的错误、连续快速点击和退出,与站点其余部分对比。流失和挫败两项都突出的阶段,就是嫌疑对象。
- 读那个阶段的对话和评语。 取 20 段从该页面开始的对话,给联系原因打标签,数一数各标签有多少;不要只引用最生动的那一条。
- 动手之前先估计修复的量级。 估算如果这个阶段能和上一个阶段持平,会多多少人通过、他们值多少钱。
- 改完之后重新测量,用可比较的时段,并记下重叠的活动或季节因素。
算例:在配送环节流失人的结算流程
示例数据:一个月 10,000 次会话,结算阶段用页面标记。
| 阶段 | 会话数 | 相对上一阶段的到达率 |
|---|---|---|
| 浏览(全部会话) | 10,000 | 不适用 |
| 购物车 | 3,000 | 3,000 ÷ 10,000 = 30.0% |
| 配送步骤 | 2,100 | 2,100 ÷ 3,000 = 70.0% |
| 支付步骤 | 1,350 | 1,350 ÷ 2,100 = 64.3% |
| 下单 | 1,080 | 1,080 ÷ 1,350 = 80.0% |
在哪。 流失人数最多的是配送步骤到支付步骤之间:2,100 − 1,350 = 750 次会话。这比 30% 的购物车到达率更有线索,因为很多浏览者本来就没打算买。
那里的挫败。 同一个月里,配送阶段的错误率是 2.0%,有 6.2% 的会话出现连续快速点击,36% 的会话在该阶段页面上结束。购物车阶段(1.0%、2.1%、18%)和支付阶段(3.5%、3.0%、25%)都平静些。用旅程地图的情绪公式 100 − 1.5 × 错误率 − 1.5 × 怒点率 − 0.5 × 退出率 来打分:配送 100 − 3.0 − 9.3 − 18.0 = 69.7,购物车 86.35,支付 77.75。配送得分最低。
为什么。 这个月有 420 段聊天对话,其中 180 段从配送页面开始:180 ÷ 420 = 42.9%,远高于这个页面的流量占比。抽 20 段这类对话打标签,有 14 段问的是同一个问题:「什么时候能到?」它们的满意度平均 3.4 分(满分 5 分),而从其他页面开始的聊天是 4.3 分。
修复和量级。 在购物车里就显示预计送达日期,放在配送步骤之前。如果配送到支付的比例从 64.3% 升到一个假设的 72%,支付阶段的会话就是 2,100 × 0.72 = 1,512,按同样的 80%,订单是 1,512 × 0.80 = 1,209.6,比 1,080 多约 130 单:增加 12%。这是要去验证的预测,不是承诺,下个月的数字才能说明它是否成立。
没有哪一个来源单独发现了这个问题:行为数据找到了阶段,挫败信号印证了它,对话给出了原因。
各阶段情绪分(0 到 100)
示例月份哪个问卷指标适合哪个时刻?
问卷分数要和一个时刻绑在一起才有价值。常见的有三种。
| 指标 | 问题 | 提问时刻 | 思路出处 |
|---|---|---|---|
| CSAT | 「您对这次服务满意吗?」(通常 1 到 5 分) | 客服聊天刚结束或收货之后 | 通行做法 |
| CES | 解决您的问题花了多少力气? | 客服互动之后 | Dixon、Freeman 和 Toman,《哈佛商业评论》2010 |
| NPS | 「您有多大可能向别人推荐我们?」0 到 10 分 | 关系有了一段时间之后 | Reichheld,《哈佛商业评论》2003 |
NPS 按 Reichheld 的方法,数出推荐者(9 或 10 分)和贬损者(0 到 6 分)再相减:NPS = 推荐者占比 − 贬损者占比。如果 100 位回答者里有 50 位打 9 或 10 分、20 位打 0 到 6 分,NPS = 50% − 20% = 30。分数只是一个汇总,旁边的评语才是「为什么」所在。
不要一次问全这三个。一个问题对应一个时刻,并记住,愿意回答问卷的人并不是你全部客户的随机样本。
体验分析里常出什么错?
- 跨时刻求平均。 总体 4.3 分可能掩盖了某个阶段的 3.4 分。要按阶段打分。
- 只读声音最大的评语。 要打标签、数数量;最生动的那条抱怨,可能是五十条里的一条。
- 把低分当成结论。 结论是阶段、原因和量级。
- 比较无法连起来的来源。 问卷里的人不是漏斗里的人时,总数会误导。
- 改动之后不做对照就测量。 季节和活动会让比例波动;要比较同类时段。
- 把没有测量的地方当成没有挫败。 只有事件、没有页面的阶段没有错误和退出的测量,情绪看起来很高,并不代表体验好。
在 TapCub 里怎么做?
下面是上面那家网店用 TapCub 找出配送问题的做法。TapCub 提供行为和对话两部分;它不发 NPS 或 CES 问卷。
- 搭好旅程。 在 全端分析 › 经营分析 › 旅程地图 里按真实顺序添加阶段,每行写一个页面模式或事件。选好日期,看各阶段的到达和到下一阶段的流转。
- 读挫败那几列。 每个阶段显示错误、怒点(连续快速点击)和退出的占比,以及 0 到 100 的情绪。只由事件组成的阶段没有页面模式,这三项会显示为 0,情绪看起来偏高;想让分数有意义,就给每个阶段写上页面模式。
- 看人们转而去了哪。 在 全端分析 › 行为分析 › 行为分析 里,从配送步骤往前跑路径,看人们下一步去哪。需要看点击的话,在配送页面用 热力图 和 会话回放(默认关闭)。
- 打开从那里开始的对话。 客服 › 客服报表 列出聊天开始的页面(前 10)。在 客服 › 客服工作台 里,坐席侧栏显示访客的来源、最近的浏览和过去的对话,并能一键打开统计里的访客档案,因为统计和客服用同一个访客 ID。
- 按时刻比较满意度。 客服 › 客服报表 显示对话解决后 24 小时内收集的 1 到 5 分满意度。这是 TapCub 自带的满意度问题只有这一个;NPS 和 CES 问卷、以及对话文本的分析,都不在 TapCub 里,请自己给原因打标签。
FAQ
什么是客户体验分析?
它是把行为数据、反馈分数和对话放在一起分析,找出体验让客户停下、受挫或离开的位置。最后得到的是一份带量级的、排好序的修复清单,而不是一块堆满分数的看板。
客户体验分析用哪些数据来源?
行为(浏览、事件和路径)、挫败和错误信号、交易、问卷分数(CSAT、NPS、CES)以及对话(聊天、邮件和工单)。先从行为加一个对话来源开始,因为它们合起来回答「在哪」和「为什么」。
客户体验分析和客户体验指标有什么不同?
指标是数字(CSAT、NPS、CES、留存)。分析是把这些数字和行为、对话对齐,定位一个阶段并给出原因的方法。各个分数的定义见客户体验指标。
怎样分析客户反馈?
选定收集反馈的那个时刻,给每条评语打上原因标签,数一数各标签的数量,再和那个阶段的行为对照。示例里从配送页面开始的 20 段对话有 14 段问送达时间,这就指向了一个具体的修复。
应该先用哪个客户体验指标?
先用和你最关键时刻对应的那个:客服聊天后用 CSAT,问题解决后用 CES,关系有了一段时间之后用 NPS。再和同一阶段的行为数据配对,因为单靠一个分数说不出问题在哪。
资料来源
- Matthew Dixon、Karen Freeman、Nicholas Toman。Stop Trying to Delight Your Customers。《哈佛商业评论》,2010 年 7–8 月:以「省力」看忠诚度的观点,是客户费力度(CES)的来源。核对于 2026-11-19。
- Frederick F. Reichheld。The One Number You Need to Grow。《哈佛商业评论》,2003 年 12 月:0 到 10 分的推荐意愿问题,以及推荐者减贬损者的算法。核对于 2026-11-19。
- Christopher Meyer、André Schwager。Understanding Customer Experience。《哈佛商业评论》,2007 年 2 月:客户体验是对公司直接和间接接触的反应。核对于 2026-11-19。
这篇文章对你有帮助吗?
我们会根据反馈修改和补充这篇内容。
提交没有成功,请稍后再试。
谢谢你的反馈,我们会据此改进这篇内容。你已经反馈过这篇了,谢谢。

