一句话回答
用户反馈是使用产品或网站的人对它说的话:喜欢什么、被什么搞糊涂、哪里坏了、想要什么。它可以是主动或被动的,文字或数字的,行动之前要用行为数据核对。
公式: 每 1,000 用户提及数 = 某主题的反馈条数 ÷ 活跃用户数 × 1,000
用户反馈是什么
用户反馈是使用你的产品或网站的人对它说的话:喜欢什么、被什么搞糊涂、哪里坏了、希望它能做什么。它以问卷答案、客服聊天、支持工单、评价、访谈记录、一次「这有帮助吗?」的点击或社交媒体上的一条评论的形式到来。它是关于体验的信号,也只是你手里的信号之一。另一类是用户实际做了什么,也就是行为数据。
关于反馈最有用的一条规则是:反馈告诉你人们怎么想、怎么感受,行为告诉你他们做了什么,两者谁也替代不了谁。反馈解释数字,数字说明这条反馈代表了多少人。
用户反馈的类型
反馈可以按两条互相独立的线来分:是不是你主动问的,以及是文字还是数字。
| 定性(文字) | 定量(数字) | |
|---|---|---|
| 主动(你去问的) | 访谈记录、问卷里的开放题答案、可用性测试里的评论 | 评分量表、满意度分数、问卷里的选择题答案 |
| 被动(对方主动说的) | 客服聊天和工单、应用商店评价、社交帖子、需求投票板 | 「有帮助 / 没帮助」点击、点赞、反馈按钮点击数、各主题的工单量 |
尼尔森诺曼集团(Nielsen Norman Group)这样描述两列的差别:定性研究主要回答为什么会这样,面对的是小规模人群;定量研究回答有多少,需要更大的样本。反馈工作通常两样都要。
每种类型都有典型的弱点:
- 主动反馈会被你的问法塑造,带诱导的问题会得到它暗示的答案。
- 被动反馈来自动力足够强、愿意写的人,所以偏向强烈情绪和重度用户。
- 定量反馈给出分数,没有原因。
- 定性反馈给出原因,没有规模。
为什么反馈需要行为数据
人不擅长如实报告自己的行为。尼尔森诺曼集团的建议是看人们做什么,而不是只信他们说什么,因为口头表达的意见可能记错、事后合理化,或者受到「他以为你想听什么」的影响。这并不意味着反馈没价值,而是说它是一条需要核对的线索。
任何一条反馈都要做两项核对:
- 这是多少人? 一条响亮的评论是轶事,提到它的用户占比才是测量。
- 数据怎么说? 如果有十个人说结账很混乱,就去看有多少人走到结账又离开了。
沉默也一样。大多数用户从不给反馈,所以安静的产品不等于满意的产品。下面的算例里,只有 4.0% 的用户写过东西,也就是 96% 的人没有用文字告诉你任何事,只能通过他们做了什么来读。
怎样把反馈变成优先级
- 集中收集:把聊天、工单、评价和问卷文字放进同一张清单,带上日期,知道用户的话也一并记下。
- 给每条打主题标签:用一份简短的清单,比如缺陷、价格不清、缺功能、表扬。每条只归一个主题。
- 算每 1,000 个活跃用户的提及数,而不只是原始条数,这样数字不取决于你有多少用户。
- 把每个主题和行为对照:找到与这条抱怨对应的事件或页面,量一量。
- 按覆盖面和证据排序:很多用户提到、并且行为数据证实的主题排最前。
- 回头告诉对方:把改了什么告诉提出问题的人,这会提高他们下次再给反馈的概率。
算例
示例数据:某产品本月有 6,000 个活跃用户,从聊天和反馈按钮收集到 240 条反馈。
| 主题 | 条数 | 每 1,000 用户 | 行为核对 |
|---|---|---|---|
| 导出失败 | 72 | 12.0 | 4,000 次导出尝试里有 600 次失败 = 15% |
| 价格不清楚 | 54 | 9.0 | 定价页到注册:9,000 次浏览里 270 次 = 3.0%,之前是 9,000 里 405 次 = 4.5% |
| 缺功能 | 66 | 11.0 | 暂无法用使用数据核对,这些功能还不存在 |
| 表扬 | 30 | 5.0 | 不适用 |
| 其他 | 18 | 3.0 | 不适用 |
| 合计 | 240 | 40.0 |
核对:72 + 54 + 66 + 30 + 18 = 240。240 ÷ 6,000 = 4.0% 的用户给了反馈,也就是 96% 没有。72 ÷ 6 = 每 1,000 人 12.0 条。600 ÷ 4,000 = 15%。270 ÷ 9,000 = 3.0%,405 ÷ 9,000 = 4.5%。
决定:导出失败排最前,因为它既是投诉最多的主题,又有可量化的 15% 失败率。价格清晰度排第二,因为行为数据显示从 4.5% 降到 3.0%,与评论吻合。缺功能进入路线图讨论,并附上提出需求的人数,因为没有行为数据可以印证。这两个结论都不是单靠反馈得出的。
用户反馈的常见错误
- 把声音最大的人当成多数:算例里只有 4.0% 的用户写了东西。
- 提带诱导的问题:「你有多喜欢新设计?」得到的只会是关于喜欢的回答。中性的措辞见 反馈问题。
- 把诉求当成需求:用户要的是某个具体功能,而你该解决的是它背后的问题。
- 只算情绪不问原因:满意度分数变了,背后需要一个主题。见 客户情绪。
- 只看分数不看样本量:12 个评分的平均 4.6 和 1,200 个评分的平均 4.6,可靠程度并不相同,分数旁边一定要写上回复数。
- 只收集不行动:什么都没变,回复率就会下降。产品本身的阻力见 用户摩擦。
- 只用一种反馈:文字和数字要放在一起,见 定性数据 和 定量数据。
在 TapCub 里处理用户反馈
TapCub 不是问卷工具,不做 NPS 或 CES 问卷。它能给你的,是来自对话的反馈,以及用来核对反馈的行为数据。
- 从在线客服收集。 每个对话都在 客服 › 客服工作台,侧栏里有访客的来源、当前页面和最近两天的浏览轨迹。读对话,归你的主题。
- 用满意度分数。 访客可以在对话解决后 24 小时内打 1 到 5 分。客服 › 客服报表 把它平均到一位小数,每个对话一个分数。它评价的是这次对话,不是产品。
- 在自己的产品里问,就加一个反馈事件。 如果你做了反馈按钮,把它作为自定义事件上报,再到 全端分析 › 行为分析 › 事件分析 里计数。
- 用行为核对主题。 导出的例子,用事件统计导出尝试和失败次数;价格的例子,在 全端分析 › 行为分析 › 行为分析 里建一个漏斗。
- 识别是谁。 用户登录时调用
tapcub.login,这个人就会出现在 全端分析 › 用户 › 用户,有按天排列的行为时间线,客服也知道他是谁,不用再问邮箱。
TapCub 不会替你给反馈打主题标签,这一步在你自己的清单里做。
资料来源
- Nielsen Norman Group,Quantitative vs. Qualitative Usability Testing。
- Nielsen Norman Group,First Rule of Usability? Don't Listen to Users。
这个解释清楚吗?
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。
