Πάρτε ένα καλύτερο UX μετρικό από τα δεδομένα της Έρευνας NPS

Πριν από λίγες εβδομάδες, έγραψα μια κάπως αμφιλεγόμενη ανάλυση του Score Net Promoter, μιας επιχειρηματικής μετρικής που απασχολείται σε πολλές οργανώσεις. Πολλοί που επικρίνουν το άρθρο μου δήλωσαν ότι σκέφτηκαν ότι θα έπρεπε να έχω αντικαταστήσει το αγαπημένο τους όργανο, αν τους έλεγα ότι δεν μπορούν να το χρησιμοποιήσουν πια. Παρόλο που δεν υπάρχει αντικατάσταση για την αριθμητική βαθμολογία, υπάρχει ένας τρόπος να αποκτηθεί αξία από την έρευνα που χρησιμοποιήθηκε για τη συλλογή των δεδομένων του Score Net Promoter.

Λάβετε υπόψη ότι αυτή η μέθοδος για την επίτευξη αξίας από μια έρευνα NPS δεν είναι εύκολη. Όπως θα διαβάσετε, περιλαμβάνει μια σειρά δύσκολων βημάτων.

Ωστόσο, δεν είναι ούτε η επιστήμη των πυραύλων. (Η NASA ήταν πελάτης μας και επιβεβαίωσαν ότι δεν είναι επιστήμη πυραύλων. Έχουν πολύ αυστηρούς ορισμούς και αυτό δεν ταιριάζει με αυτό.)

Εδώ είναι η διαδικασία μας για να πάρει αξία από έρευνες NPS:

Βήμα 1: Συλλέξτε τις έρευνες

Πηγαίνουμε μετά από κάθε έρευνα NPS που μπορούμε να βρούμε. (Μερικές φορές είναι διάσπαρτες σε ολόκληρο τον οργανισμό και δεν είναι καλά οργανωμένες ή συντονισμένες.)

Βήμα 2: Ρίξτε μακριά το Καθαρό Δείκτη Προώθησης

Ο αριθμός που έδωσαν οι ερωτηθέντες στην έρευνα δεν έχει αξία. Είναι σαν το δέρμα του μάνγκο. Δεν υπάρχει τίποτα καλό γι 'αυτό. Απλά πετάξτε το μακριά.

Βήμα 3: Βάλτε τις απαντήσεις NPS Feedback σε μια θέση

Αυτές είναι όλες οι ποιοτικές απαντήσεις που "εξηγούν γιατί" ο ερωτώμενος έδωσε το αποτέλεσμα που έκαναν. Οι υποστηρικτές του NPS και οι haters συμφωνούν ότι αυτές οι απαντήσεις είναι εκεί όπου είναι ο πραγματικός χρυσός.

Τα βάζουμε σε ένα μεγάλο υπολογιστικό φύλλο. Ή καλύτερα ακόμα, τα γράφουμε σε κολλώδη σημειώματα για ταξινόμηση.

Βήμα 4: Ταξινόμηση της ανατροφοδότησης, αναζήτηση μοτίβων

Ψάχνουμε για επανειλημμένες ανατροφοδοτήσεις σχετικά με τυχόν προβληματικές περιοχές, όπως η υπερβολικά μεγάλη διαδικασία ή η ταχύτερη ολοκλήρωση του ταμείου ή η δυσκολία εύρεσης του αριθμού εξυπηρέτησης πελατών. Αρχίζουμε να ομαδοποιούμε την ανατροφοδότηση σε παρόμοιες περιοχές προβλημάτων.

Κάποια ανατροφοδότηση μπορεί να αναφέρει περισσότερες από μία περιοχές προβλημάτων. Όταν τα βρούμε αυτά, αναπαράγουμε τα σχόλια και τα ταξινομούμε σε κάθε περιοχή.

Βήμα 5: Επιλέξτε τις πιο προβληματικές περιοχές προβλημάτων για να εξερευνήσετε

Στην ιδανική περίπτωση, θα βρούμε κάτι που, εάν το καταφέραμε, θα μπορούσαμε να μεταφέρουμε μια σημαντική βελόνα, όπως περισσότερες πωλήσεις ή περισσότερους νέους πελάτες.

Βήμα 6: Φτάνουμε στους ανθρώπους που έγραψαν τα σχόλια

Προσπαθούμε να μάθουμε ό, τι μπορούμε για το πού προέκυψαν τα σχόλιά τους. Τι προσπαθούσαν να κάνουν; Πώς προέκυψε το πρόβλημα; Τι συνέβη στην εμπειρία τους;

Βήμα 7: Απευθυνθείτε στην Εξυπηρέτηση Πελατών σχετικά με την Περιοχή Προβλημάτων

Στόχος μας σε αυτό το βήμα είναι να μάθετε περισσότερα σχετικά με το θέμα που μας ενδιαφέρει.

  • Είναι κάτι που συμβαίνει συχνά;
  • Υπάρχουν διαφορετικές παραλλαγές που εμφανίζονται;
  • Μπορούμε να προσδιορίσουμε τι προκαλεί την απογοήτευση για τους χρήστες μας;
  • Μπορούμε να μιλήσουμε με πελάτες που έχουν έρθει σε επαφή με την υποστήριξη σχετικά με το θέμα;

Βήμα 8: Προσπαθήστε να το δείτε να συμβαίνει

Μπορούμε να δούμε αυτό το πρόβλημα να συμβαίνει σε άγρια ​​κατάσταση; Μπορούμε να βρούμε έναν τρόπο να δούμε να συμβαίνει με τα μάτια μας;

Ίσως μπορούμε να επισκεφτούμε πελάτες ή να διεξάγουμε δοκιμές ευχρηστίας για να το πυροδοτήσουμε; Θέλουμε να μιλήσουμε σε βάθος για τους χρήστες όταν συμβαίνει, για να μάθετε περισσότερες λεπτομέρειες.

Αυτή είναι μια εξαιρετική ευκαιρία για να εκθέσουν άλλους συμπαίκτες στους χρήστες μας.

Βήμα 9: Αναζητήστε "Footprints" της περιοχής προβλημάτων

Τώρα που το έχουμε δει στη φύση, ψάχνουμε για επαναλαμβανόμενα πρότυπα που θα μπορούσαν να συμβούν στα δεδομένα της ανάλυσης. Αυτά τα δεδομένα θα μπορούσαν να μας πουν εάν οι άλλοι αντιμετωπίζουν το ίδιο πρόβλημα.

Στόχος μας είναι να απαντήσουμε σε μια φαινομενικά απλή ερώτηση: Πόσο συχνά συμβαίνει αυτό σε όλη την βάση πελατών μας; (Μπορείτε να διαβάσετε περισσότερα σχετικά με την αναγνώριση αποτυπώσεων στα αναλυτικά στοιχεία.)

Βήμα 10: Ποσοτικοποιήστε το κόστος της απογοήτευσης, εάν είναι δυνατόν

Η απογοήτευση εμφανίζεται σχεδόν πάντοτε σε μια δήλωση κέρδους και ζημίας ενός οργανισμού. Κοιτάμε πόσα χρήματα χάνει ο οργανισμός λόγω απώλειας πωλήσεων ή αυξημένου κόστους υποστήριξης. Χρησιμοποιώντας (συχνά άμεσα διαθέσιμους) επιχειρηματικούς αριθμούς, υπολογίζουμε τα χρήματα με βάση την έρευνά μας για τη συχνότητα.

Έτσι υπολογίζουμε το κόστος της απογοήτευσης. Για παράδειγμα, ο αριθμός των κλήσεων υποστήριξης για το πρόβλημα που πολλαπλασιάζεται με το μέσο κόστος κάθε κλήσης. Αυτό μας λέει το συνολικό ποσό των χρημάτων που δαπανώνται για την υποστήριξη αυτού του προβλήματος. (Γι 'αυτό και αποκάλυψα το πρόβλημα' $ 300,000,000 Button ').

Βήμα 11: Αναφέρετε τι έχετε βρει

Η εργασία δεν γίνεται μέχρι να αναφερθεί. Δίνουμε μια ισχυρή παρουσίαση στους ενδιαφερόμενους και τα στελέχη. Ξεκινήσαμε με τα δεδομένα της Έρευνας NPS και ολοκληρώσαμε με μια απλή μέτρηση που τα στελέχη αυτά μπορούν να καταλάβουν: Lost Revenues.

Όπως ανέφερα, αυτή η διαδικασία δεν είναι εύκολη. Υπάρχει βαριά δουλειά σε κάθε βήμα. Ωστόσο, το αποτέλεσμα αυτής της σκληρής δουλειάς είναι μια σαφής σχέση μεταξύ της επιχείρησης και της απόλαυσης ή απογοήτευσης του πελάτη. Αυτή είναι μια μέτρηση UX που κάνει τη διαφορά.