自拍偷在线精品自拍偷,亚洲欧美中文日韩v在线观看不卡

如何分析用戶反饋數(shù)據(jù)? | 下

大數(shù)據(jù) 數(shù)據(jù)分析
在《理解用戶反饋?zhàn)罴褜?shí)踐指南》的第一部分中,我們主要著眼于如何分析和理解那些對我們的產(chǎn)品有重要影響的反饋類型。一旦你決定了應(yīng)該聚焦于哪些反饋以后,接下來,要如何針對用戶的反饋制定公司的可執(zhí)行方案?如何管理大量開放式的用戶反饋,然后在制定產(chǎn)品路線時使用它?

在《理解用戶反饋***實(shí)踐指南》的***部分中,我們主要著眼于如何分析和理解那些對我們的產(chǎn)品有重要影響的反饋類型。

一旦你決定了應(yīng)該聚焦于哪些反饋以后,接下來,要如何針對用戶的反饋制定公司的可執(zhí)行方案?如何管理大量開放式的用戶反饋,然后在制定產(chǎn)品路線時使用它?

按照以下步驟操作,可以幫助你自信地對客戶分析列表進(jìn)行優(yōu)先級排序操作,還可以使用分析的輸出物來幫助制定您的產(chǎn)品路線圖。

[[178389]]

1、整理你的數(shù)據(jù)

首先,整理所有你想要分析的開放式用戶反饋數(shù)據(jù),并使用電子表格(Excle)給每一個用戶加上主要的數(shù)據(jù)表頭。理想情況下,數(shù)據(jù)表頭應(yīng)當(dāng)包括用戶的注冊時間、消費(fèi)情況、提交反饋的時間、反饋渠道等等。當(dāng)然,你也可以使用內(nèi)部通訊系統(tǒng)幫助你來收集這些數(shù)據(jù)。你的表格的列標(biāo)題應(yīng)該是下面這樣:

如何分析用戶反饋數(shù)據(jù)? | 下

2、對用戶反饋分類

一個能幫助你理解用戶反饋的常用規(guī)則是將用戶反饋歸納為以下幾個類別:

  • 反饋類型
  • 反饋主題
  • 反饋編碼

讓我們分解來看一下:

1)、反饋類型

如果你正在處理一些從客戶支持團(tuán)隊(duì)那獲得的未分類反饋數(shù)據(jù),或者用戶可以在信息反饋欄填寫任何信息的時候,將用戶反饋分類成不同的類型會顯得特別有用。

下面是一些可能會很有用的分類類型:

  1. 使用問題
  2. 新功能需求
  3. Bug
  4. 用戶教育問題
  5. 價格/賬單問題
  6. 普通的正面情緒
  7. 普通的負(fù)面情緒
  8. 垃圾反饋(對于處理那些沒意義的反饋是很有用的)
  9. 其它(用于那些難以分類的反饋,當(dāng)你在剩余數(shù)據(jù)中發(fā)現(xiàn)更多模式的時候,你可以重新分類它)

2)、反饋主題

當(dāng)你處理大量的、各種各樣的用戶反饋時,將其細(xì)分為不同的主題會很有用。所以如果你的數(shù)據(jù)集很小(比如,少于50),那么你用不上它。

你設(shè)置的主題應(yīng)該是與收到的實(shí)際反饋不同的,而且常常與產(chǎn)品的某一部分關(guān)聯(lián)。例如:假如你在一個類Instagram 產(chǎn)品的公司工作,那么你能收到大量的反饋,你的主題可能看起來會是一個詳細(xì)的產(chǎn)品功能列表。如下:

  1. 照片流(Photo stream)
  2. 故事(Stories)
  3. 獎項(xiàng)(Mentions)
  4. 個人信息(Profile)

當(dāng)你需要將你的分析和洞察結(jié)果用于支持多個團(tuán)隊(duì)的工作時,這種分類形式非常有效。(例如:一個團(tuán)隊(duì)負(fù)責(zé) Stream,另一個負(fù)責(zé) Stories。)

有時候,主題會與團(tuán)隊(duì)有關(guān)聯(lián),偶爾它們也會關(guān)聯(lián)到那些用戶正在體驗(yàn)但還未滿足的需求。那么嘗試提出一些新的主題,然后看看分類的這些主題對你是否有用、你是否已經(jīng)理解了這些數(shù)據(jù)。

3)、反饋編碼

反饋編碼的目的是:從原始的用戶反饋中提取出簡潔且可執(zhí)行的信息。

你的目標(biāo)是盡量使反饋編碼擁有足夠的描述性,讓那些不熟悉項(xiàng)目的的人也能理解用戶的想法。反饋編碼同時也應(yīng)該是簡潔的,盡可能與用戶原意一致的。不管你是否同意,你的任務(wù)就是盡可能客觀提煉用戶反饋。

下面是一個示例:

如何分析用戶反饋數(shù)據(jù)? | 下

3、快速瀏覽

在你開始編碼這些數(shù)據(jù)之前,你需要對數(shù)據(jù)有一個大致的感覺。通過快速掃讀去發(fā)現(xiàn)這些反饋大概含有哪些種類。作為一般的經(jīng)驗(yàn)法則:如果每個用戶都是完全不同的反饋,為了找到所有可執(zhí)行的模式,你需要分析大量的反饋數(shù)據(jù);如果前50條反饋都是指向你的產(chǎn)品的某一個問題,那么你只需要檢查比較少的數(shù)據(jù)就行了。(譯者注:通過這個法則,你可以預(yù)判自己的工作量)

4、編碼用戶反饋

是時候卷起你的袖子開干了。找一個沒有人會打擾你的地方,開始一條一條地閱讀反饋,仔細(xì)地給每一行加上編碼。

你創(chuàng)建的實(shí)際反饋編碼應(yīng)該是和用戶反饋的產(chǎn)品的具體信息緊密關(guān)聯(lián)的。下面給出了一些虛構(gòu)的新功能需求的分析編碼的例子,幫助你理解如何對反饋進(jìn)行編碼。

  1. 分發(fā)任務(wù)給多個用戶的能力
  2. 給任務(wù)添加復(fù)雜的 HTML 的能力
  3. 從當(dāng)前頁面增加/刪除團(tuán)隊(duì)成員的能力
  4. 給用戶發(fā)送 emoji 表情的能力

如果一條用戶反饋提到了兩個不同的點(diǎn)(例如,兩個不同的功能需求),把它們拆分為兩列會更好。

5、改進(jìn)你的編碼

在開始的時候先使用高度概括性的編碼,之后再進(jìn)行分解,這是可以的。一定要注意用戶使用的特定詞匯,有時候看起來相似的問題,實(shí)際上可能是完全不同的。

例如,想象一下你一開始看到大量的跟“Email 問題”相關(guān)聯(lián)的反饋,當(dāng)你仔細(xì)地閱讀了更多的反饋的時候,你會發(fā)現(xiàn)他們能夠分解成不同的問題:“Email 發(fā)送問題”和“Email 接收問題”,它們是完全不同的。

有時候,隨著你看了越來越多的反饋,你會意識到你需要將一個特定的編碼分解成兩個或多個詳細(xì)的編碼。這沒問題,返回前面將其分解為多個子編碼。例如:“視覺優(yōu)化”可以分解為“字體優(yōu)化”和“圖片排版”。記住要返回前面重新編碼之前的行。

6、計算每個編碼的流行度

一旦你編碼了所有的數(shù)據(jù),下一步就是計算每一個編碼的總量。這將幫助你發(fā)現(xiàn)哪些反饋是非常普遍的以及用戶反饋的模式有哪些。

完成這個任務(wù)的一個超級簡單方法是:按“反饋類型”、“反饋主題”以及“反饋編碼”的字母順序,對你的數(shù)據(jù)進(jìn)行排序,這將把相似的元素聚集到一起。然后高亮有相同反饋編碼的單元格,電子表格將自動計算總數(shù)。創(chuàng)建一個總結(jié)表格記錄每一個反饋編碼的條目總數(shù)。

如果你有100-500條用戶反饋,在你的“反饋編碼”行旁邊再添加一行,然后在有相同的反饋編碼的每一行輸入“1”(例如:在所有“裁切圖片”的單元格旁添加1)。然后它們相加就可以計算出個反饋編碼出現(xiàn)了多少次。對于其它的反饋編碼,重復(fù)以上步驟就行了。

如果你有大量的數(shù)據(jù)集,你可以創(chuàng)建一個數(shù)據(jù)透視表來做這些計算。當(dāng)你擁有大量數(shù)據(jù)的時候,使用它們做針對性的深度挖掘、分析其它的用戶屬性、尋找反饋之間的關(guān)聯(lián)性,這些也是非常重要的。例如:哪個用戶對 X 抱怨最多?需要新功能x的用戶每月的花費(fèi)是多少?

7、總結(jié)和分享

現(xiàn)在你已經(jīng)編碼了你的數(shù)據(jù),你可以基于問題的流行度來寫一個用戶反饋的總結(jié),使用它和你的團(tuán)隊(duì)一起討論。

假如你只獲得了50條甚至更少的反饋信息,你可以將其總結(jié)在一個簡單的表格或者一頁word 文檔里。如果你有大量的反饋數(shù)據(jù),你需要通過使用我們之前討論過的可變因素(如反饋類型、反饋主題)將數(shù)據(jù)進(jìn)行分解。這樣,你就可以更輕松地掌控你所定義的不同類型的反饋,并將其轉(zhuǎn)發(fā)給公司中需要用戶反饋數(shù)據(jù)支撐的不同人員。

你可以通過用戶反饋?zhàn)龅淖钣辛α康囊患戮褪牵簞?chuàng)建一個最需要的前10個功能的排行榜,或者你可以運(yùn)用到產(chǎn)品路線規(guī)劃中的前10個用戶問題。

分析用戶反饋數(shù)據(jù)是一件非常難的事情,特別是在公司沒有相關(guān)的研究人員和分析師幫助你的時候。然而,如果使用這篇文章的建議,每個人都能夠?qū)⒋罅炕靵y的用戶反饋分析整理成清晰且可執(zhí)行的總結(jié)。最重要的是,你可以使用總結(jié)幫助公司做出明智的決定,進(jìn)而改善你的產(chǎn)品。

點(diǎn)擊查看:如何更好的理解用戶反饋? | 上

責(zé)任編輯:未麗燕 來源: 36大數(shù)據(jù)
相關(guān)推薦

2016-12-08 13:16:50

大數(shù)據(jù)用戶反饋

2018-07-23 16:45:36

數(shù)據(jù)分析RFM方法

2017-04-28 09:04:32

移動應(yīng)用開發(fā)反饋

2012-02-23 09:58:25

手機(jī)MMO游戲手機(jī)游戲MMO

2023-06-01 08:00:00

圖像分割機(jī)器學(xué)習(xí)

2023-06-01 09:00:00

圖像分割模自動化

2021-11-02 09:33:53

Windows 11Snipping To修復(fù)

2011-05-16 14:07:12

MySQL數(shù)據(jù)庫設(shè)置密碼

2017-05-19 08:45:34

R用戶Python數(shù)據(jù)分析

2016-10-24 23:18:55

數(shù)據(jù)分析漏斗留存率

2019-07-12 10:20:45

海量數(shù)據(jù)搭建

2019-07-15 16:02:30

大數(shù)據(jù)數(shù)據(jù)分析輿情系統(tǒng)

2013-09-05 09:33:25

大數(shù)據(jù)盧東明SAP

2016-03-18 09:44:05

隊(duì)列分析應(yīng)用留存用戶行為

2009-05-22 09:12:36

2015-02-12 15:45:05

微信SDK

2016-04-12 10:12:53

2017-05-02 10:30:46

2018-05-09 14:12:36

Windows 1017134.48更新電腦變磚

2020-10-28 08:17:23

大數(shù)據(jù)用戶體驗(yàn)Gartner
點(diǎn)贊
收藏

51CTO技術(shù)棧公眾號