4000 字详解「用户反馈」的收集与分析

面对用户反馈,我们需要运用什么方法才能做到有效收集呢?在收集过程中,我们又要注意什么呢?本文将为你揭晓答案。

客户将意见反馈给产品经理、客户服务员工、分析师、营销人员以及组织中的任何人,都会为公司带来宝贵的财富。但尽管如此,最近的一项研究发现,42%的公司仍没有对客户进行过调查或意见的收集与反馈。

在本文,我们会根据不同类型的客户反馈,收集有用的反馈方法,以及分析对业务影响较为重要的反馈类型。

一、什么是用户反馈

用户(客户)反馈来自于客户,其中包含有关你的产品或服务的体验和满意度。用户反馈可以来自各种渠道,如:电子邮件、社交媒体等。

用户反馈对于未来的产品开发、改善客户体验和整体客户满意度至关重要。回应不满意用户的负面反馈,有助于有效提高用户忠诚度。

二、更好地收集用户反馈

1. 提供反馈意见的客户类型很重要

图 1. 不同类型的客户

你是否能对给你提出反馈意见的朋友持相同的关注度?

不太可能。

通常情况下,你会比较信赖和你认识时间较长的朋友,即使你在公共汽车上遇到的陌生人告诉你你应该怎样对待你的生活,你也可能不会对他们的观点给予太多的重视。

在业务情况下,客户与业务的关系会影响你参考他们提供反馈的权重。忠诚度最高的客户对你的产品有着丰富的经验,他们的意见就显得特别有价值。

2. 无论是否提示,客户的反馈都很重要

图 2. 提示和不提示的客户反馈都很重要

自动反馈值得特别关注。这是因为那些你没有注意到的、完全没有意识到的客户问题可能包含着一些你最需要听到并关注的信息。

同时,一些开放性的主动问询,也会收获比较重要的反馈信息,比如在就医结束时,医生问“你还有什么想说的吗?”,它常常会引发病人谈论他们眼下最重要的问题。

3. 顾客的动机很重要

图 3. 图片来源于网络

记住,如果人们有一个极端的经历,他们通常会主动提供非请求的反馈。这就是为什么你会看到 Yelp 餐厅的评论集中在“令人惊讶”和“令人震惊”的一端。人们认为他们可以通过告诉别人他们刚去过的好餐馆,或者警告别人不要去糟糕的餐馆来获得社会资本。

但是你的晚餐真的很特别吗?你会写一篇评论去推荐吗?

餐馆顾客反馈的例子说明了一个关于动机的重要原则。

导致这类餐厅评论数据的分布类型通常是J曲线。“J”形是指曲线最初下降,然后上升到比开始更高的点的数据。

当涉及到你收集的客户反馈时,你可以期望有一个类似的模式,你的客户更有动力告诉你他们什么时候对你的产品非常满意或不满意。

然而,这并不意味着你的客户只喜欢或者讨厌你的产品。还可能有一大群中间派认为你的产品“很好”,但这些客户通常保持沉默。可是请记住,他们也可以给你有用的反馈。如果你很聪明,你应该能找到一些方法来整理他们的反馈。

4. 数据很重要

图 4. 数据很重要

如果上个月 80% 的客户反馈都告诉你最近对核心产品的“改进”已经破坏了人们的工作流程,那么你当然应该倾听。于是,关于单个问题相对于其他问题的反馈总量很重要。它也会保护你免受“自由”偏见的影响,在这种偏见中,人们认为他们经常听到或最近听到的事情是最重要的。

5. 重复很重要

用户问题经常被工作人员忽略,理由是“哦,我们已经听说了很多遍了。”也许你打算在明年的一次大规模重新设计中最终解决这个问题,又或者这个请求已经变得如此重复,以至于变成了陈词滥调,一种没有人再听的沉闷的抱怨。

无论哪种方式,这种反馈都是非常值得倾听的,特别是当它涉及到产品质量、bug 或难以实现产品中的核心任务时。这表明你没有掌握正确的基本知识,这是你必须优先处理的事情,而不是忽视它。

6. 注意高风险反馈

图 5. 高风险反馈很重要

一些反馈是值得倾听的,是因为它正代表着客户正在经历的困难,我们可以将其称之为高风险的反馈。也许你发布的产品存在安全漏洞,或者你的产品不小心将消费者的隐私置于危险之中。在审查客户反馈时,试着建立一种机制,提醒你这种非常偶然但高风险的反馈,这样你就可以立即采取行动。

三、如何收集用户反馈

你可以使用许多工具、方法和反馈系统来了解客户的体验。这里介绍三种方式:

1. 实时聊天

实时聊天是客户与你直接沟通的一种无障碍方式。你可以询问特定的问题(提示)或被动地对反馈进行分类整理。

2. 调查

向客户询问有关特定功能、平台的某些方面或部分体验的问题是一种简单而直接的方法。

3. 社交媒体

你可能已经注意到,人们喜欢在社交媒体上表达自己的情感。虽然这通常不是建设性的,但实际上你可以在一些社交媒体上找到非常有价值的反馈。客户在社交媒体上的反馈往往要么是喜气洋洋,要么是怒不可遏。如果出现某种趋势,你应该把它纳入你的分析中。

四、分析用户反馈的 7 个步骤

1. 整理数据

首先,将你想要分析的所有开放式客户反馈,以及关于每个客户的关键元数据,整理到一个电子表格中。理想的情况下,元数据应该包括一些属性,比如这个人成为客户多久了,他们花了多少钱,反馈数据提交的日期,以及反馈的来源等等。

当然,你也可以使用其他工具来收集这些数据。表格可以呈下图:

图 6.图片来源于网络

2. 分组归类

通常情况下,可以分为 3 类:反馈类型、反馈主题、反馈代码。

(1)反馈类型

如果要处理来自客户支持团队的非机密反馈,或者客户可以在调查字段中写下他们喜欢的任何内容,那么,将反馈分成不同的类型尤其有用。

以下是一些可能会较为有用的分类:

  • 可用性问题
  • 新功能要求
  • 错误
  • 用户教育问题
  • 定价/计费
  • 一般的肯定句(例如:“我爱你的产品!”)
  • 一般的否定句(例如:“我讨厌你的产品!”)
  • “垃圾”(这样无意义的反馈非常有用)
  • “其他”

(2)反馈主题

当你试图理解大量不同的反馈时,将反馈分解成不同的主题是非常有用的,但如果你的数据集很小(比如少于 50 条),那么你可能不需要这个。

你所提出的主题对于你所收到的实际反馈数据是唯一的,并且通常与产品的各个方面有关。例如,假设你正在开发一款像 Instagram 这样的流行产品,并且收到了很多客户的反馈。你的主题可能看起来像一个特定产品功能的列表,像这样:

  • 照片流
  • 故事
  • @
  • 配置文件

这种类型的分类在你的工作环境中特别有用,因为你可以将你的反馈给多个团队来采取行动。

有时主题可能与团队相关(例如客户支持、销售、市场营销),也可能与客户正在经历的未满足的需求相关。尝试提出一些主题,看看这些类型的主题是否对你和团队有用。

(3)反馈代码

反馈代码的目的是提取客户给你的原始反馈,并以更简洁、更可行的方式重新表述。

你的目标是使反馈代码具有足够的描述性,以便不熟悉项目的人能够理解客户的观点。反馈代码也应该尽可能简洁和真实地反映原始客户的反馈。不管你是否同意,你的工作就是尽可能客观地提取反馈。

3. 快速浏览

在开始对数据进行编码之前,你需要对数据有一个初步的了解:浏览反馈,了解反馈的多样性。

一般来说,如果每个客户给你的反馈都不一样,你很可能需要分析更多的反馈,以便发现模式,并使其具有可操作性。如果你浏览了前 50 条反馈,它们都与你的产品中的某个特定问题有关,那么你可能就不需要那么多的评论了。

4. 编写反馈代码

是时候卷起袖子集中精力了。找一个你不会被打扰的地方,开始阅读每一段用户反馈,仔细编码每一行。

你创建的这些确切的反馈代码将特定于反馈所涉及的产品,但这里有一些分析代码,用于某些虚构的新功能请求:

  1. 能够将任务分配给多个客户端
  2. 能够向任务添加复杂的 HTML
  3. 能够添加或删除任何屏幕上的队友
  4. 能够发送表情符号给客户

如果一条反馈正在传达多个点(例如,两个不同的特征请求),则在单独的列中捕获这两个单独的点是很有用的。

5. 优化代码

可以从更高级的代码开始,然后逐步分解,同时注意人们使用的语言词汇。因为很多乍一看是相似的问题,但实际上可能是不同的问题。

例如,假设你最初看到许多与“电子邮件问题”相关的客户反馈。然而,当你仔细阅读更多的反馈时,你会发现这些问题可以分解为两个独立的问题:“电子邮件编写器错误”和“电子邮件发送错误”,它们是完全不同的。

有时,当你阅读更多的反馈时,你会意识到需要将一个流行的代码分解为几个更具体的代码。例如,“对视觉设计的更多控制”可以分解为“添加字体的能力”和“控制图像对齐的能力”。

6. 计算总量

编写完所有代码后,下一步是计算每个代码的反馈总量。这将帮助你了解哪些反馈是最常见的,以及客户反馈中的模式。

一个超级简单的方法是按字母顺序对“反馈类型”、“反馈主题”和“反馈代码”列中的数据进行排序,这将把类似的项目组合在一起。然后标注显示所有具有相同反馈代码的单元格,总计数将出现在电子表格的右下角。

如果你有 100-500 条反馈,请在“反馈代码”列旁边添加一个新列,并为具有相同反馈代码的每一行输入一个“1”(例如,在“裁剪图像的能力”单元格旁边添加一个“1”),然后将代码出现的次数相加,重复执行其他反馈代码。

如果你有一个较大的数据集,你可以创建一个数据透视表来进行这些计算。对于大型数据集,此时更深入地挖掘并分析收集的其他客户属性也是很有价值的。将客户属性(例如客户类型、客户支出)放入电子表格中,并查看与你收到的反馈的其他关联。

例如,哪些客户对 X 抱怨最多?客户每月对 X 新功能的需求是多少?

6. 总结与分享

现在你已经对数据进行了编码,你可以根据问题的热度创建客户反馈数据的摘要,并与你的产品团队进行讨论。

如果你有 50 条或更少的反馈,你可以在一个简单的表格或一页文档中总结可执行的反馈。如果你有一个更大的反馈集,你可以将数据分解为我们前面讨论的其他变量(“反馈类型”和“反馈主题”)。这将使你更容易地获取你所确定的不同的反馈,并将它们传递给公司中能够针对这些反馈采取行动的不同人员。

对于客户反馈,你可以做的最强大的事情之一是创建十大功能请求列表或十大客户问题列表,然后你可以使用这些列表来通知你的产品路线图。

有时候,很难知道如何分析客户的反馈,尤其是在你的公司没有研究人员或分析师可以提供帮助的情况下。然而,如果你遵循这篇文章中的建议,任何人都可以把杂乱的客户反馈变成清晰的总结。最重要的是,你可以使用文中提到的方法在你的公司做出明智的决策,从而改进你的产品。

原文来源:https://www.intercom.com/blog

原文作者:GRAHAMÓMAONAIGH、SIAN TOWNSEND

编译:研如玉,神策数据·用户行为洞察研究院,公众号(ID:SDResearch)

本文由 @研如玉 翻译发布于人人都是产品经理,未经许可,禁止转载

题图来自Unsplash,基于CC0协议

想要做好产品,你要懂得行为设计学

回想你的愉悦峰值,哪些画面是被设计出来的呢?行为设计,可以在各方面灵活运用,好产品也不例外。

01

请一边阅读下面这段文字,一边认真记住待会儿立刻会出现在你脑海里闪过的画面。

  • 你人生中最美好的画面是什么?
  • 你一生最有荣誉感的画面是什么?
  • 如果我说到你最难忘的瞬间,你的脑海里浮现出什么画面?

(提示:可能是一个人,又或者是一件事)

好,先停一停,请先拉到最下方的评论区,把刚才在你大脑里闪回的画面记录下来,这次机会很重要,对,先写下来。

02

好了,欢迎回来。

在刚才,我们一起做了一个思想试验,这个思想试验的设计者是大名鼎鼎的美国知名行为心理学家希思兄弟,在他俩大量的研究中发现,让人印象深刻的愉悦峰值大致会出现在如下四种体验中:

  • 欣喜:比如结婚典礼、收到新公司offer、去一个特别美的地方旅行。
  • 认识:比如收获了一个让人醍醐灌顶的新知、做出了难解的题目。
  • 荣誉:比如被老师当众表扬、在年会中被授予优秀员工、朋友圈被大量点赞。
  • 连接:比如认识了心仪的异性、链接到可能对自己事业有重要帮助的贵人。

事实上,你会发现,这些刚才在你脑海中闪回的内容中,在你过去的人生经历中,让人记忆犹新的画面,的确无外乎以上四种。

你可能会觉得,好像的确是这么回事儿,但就算我知道了这些,到底有什么用呢?你先别急,我先和你说说一个从家庭冲突变成家庭美好回忆的故事。

03

一个小女孩儿和他的父母从国外旅行回来,突然意识到自己最喜欢的长颈鹿玩具丢了。如果放在我们一般家庭,爸妈很可能会说:宝宝乖,我们再买一个;又或者:掉了就掉了呗。

但这位小女孩儿的爸爸显然具有同理心,他说:你的小长颈鹿还在度假。然后联系酒店,付快递费把玩具寄回来。

然后,没想到的事情发生了!

酒店居然在随后的时间里发来了一组照片,有小长颈鹿在游泳池边的躺椅上享受日光浴、有它在开高尔夫球车、有它在spa馆里两眼贴着黄瓜做美容……

小女孩和她的家长惊呆了,她没想到她的小长颈鹿居然过得那么舒服!

这件事情不仅成为了这个家庭一生难忘的回忆,酒店工作人员的行为也让这家不太知名的酒店瞬间成为网红,来自全球各地的游客络绎不绝,纷纷想要前往该酒店入住。

04

没错,上面这个小案例正是四种“峰值愉悦体验”中的“欣喜体验”,而“峰值愉悦体验”无疑能给用户带来极好的感受,能创造出让人羡慕的口碑效应,能带来商业上的成功!

而且,这一切都是可以被设计出来的。

你可能听到过有这样的公司,入职第一天,等待你的不是繁缛的资料填写,办公用品领取,一个接着一个部门绕着办理入职手续的传统入职流程。

而是由穿着非常得体的一位男士或女士,领着你先参观公司,简单介绍公司一路走来的历史,部门的构成,最后把你送到你的工位。

来到办公桌前,等待着你的是一份礼物,里面是一款公司在市场上的爆款产品;打开电脑,屏幕上引入眼帘了一句深入人心的企业愿景(绝不是什么成为xx最大的yy)。

然后桌面上有一封未读信件,你打开邮箱,里面是你们现任CEO写给你的一封信,里面是一些鼓励,以及祝愿你在公司里能获得愉快以及有收获的工作经历。

整个上午,部门领导还带你认识周围的小伙伴,他们非常热情地做了自我介绍,并且认真地记住了你的名字……

以上入职体验现在已经成为了许多全球知名企业的标准入职流程,许多新入职的员工会产生一种极大的欣喜感,从而暗暗发誓要在这家公司深度耕耘,好好发展。

甚至很多老员工都会开玩笑说,想要先辞职再重新入职,体验一下这种全新的入职仪式。

05

看到这里,是不是让你想起了网购一件商品,拆开包裹时的那种惊喜体验呢?

没错,无论是小女孩看到自己的玩具长颈鹿度假照片的“欣喜体验”;还是新员工加入新公司第一天的“入职体验”;又或者购买商品拆开包装时的“开箱体验”——这些都是有意或无意为之的“行为设计学”体验设计。

行为设计学通过制造这些关键体验的节点,让人们对某一瞬间留下难以忘记的印象,从而形成令人忍不住想要给身边人分享的口碑传播,进而占据用户的心智,让这些被触达到的人在有需求的时候,第一个想到的,就是TA。

06

现在,让我们再回到文章最开始在你脑海里闪回的画面,请仔细回忆一下哪些画面可能是被“行为设计”出来的,请在下方留言区留言。

本文由 @三米河 原创发布于人人都是产品经理,未经许可,禁止转载

题图来自 Unsplash,基于 CC0 协议

从用户体验说起,App有哪些值得优化的功能点

用户体验对于APP运营来说是很重要的一环,用户对应用的喜好程度均反映在其对App的使用行为上。从用户的体验反馈中,运营可以针对APP产品进行矫正与优化。本篇文章中,笔者从用户体验的角度,分析了App 推广、下载、以及使用环节上可以优化的一些功能点,供大家一起学习与参考。

用户成本体现在用户体验层面最简单的表达就是:别让我等、别让我想、别让我烦。

通常来说,用户体验是基于用户主观感受得出来的结论,一千个人眼中有一千个哈姆雷特,我们很难在某些功能、色调上迎合所有用户的期待,但通用的下载流程和交互设计的优化,却能实实在在的减少用户操作成本。

本文就来分析一下 App 推广、下载、以及使用环节上有哪些值得优化的功能点。

用乔布斯的话来说:

You got to start with the customer experience and work backwards to the technology.

你必须从用户体验出发,然后看有哪些技术可以采用。

一、App 推广中的下载流程优化

由于用户手机操作系统不同,通常在微信等社交平台中点击推广落地页的【下载App】按钮时,需要判断是 Android 还是 iOS 系统,再跳转到对应的下载页面。

平台方一般采用以下两种解决方案:

方法1:使用【微下载】

将 App 上架应用宝及 App Store,通过腾讯开放平台中的【微下载】功能生成推广链接,该链接可以自动判断手机操作系统,Android 设备跳转到应用宝中下载 App,iOS 跳转到 App Store 中下载 App。

在微信上使用这种方法必然是最直接简便的,用户直接跳转应用市场,不需要过多的操作步骤。

方法2:“右上角打开浏览器”

在用户点击【下载App】按钮时,通过代码判断用户的手机操作系统,然后跳转到一个中间页面,该页面上需要额外制作一个遮罩提示用户【点击右上角打开浏览器】下载 App,当用户进入浏览器后再提供下载安装包。

这种方法的弊端显而易见,用户从头至尾至少要经历:

落地页中点击【下载App】按钮➡引导页中点击【右上角三小点】➡点击【在浏览器中打开】选项➡安卓点击【选择浏览器打开】➡浏览器中点击【下载安装包】

最终才能成功下载到 App,漫长的操作路径必然容易造成用户流失。

更优的解决方案

在某些特定的活动传播场景下,方法2却是首选的下载方式,从技术层面看,目前也有从微信自动跳转浏览器的快速下载方案可以完善这一流程。

最终实现流程如下:

落地页中点击【下载App】按钮➡(引导页自动打开跳转默认浏览器)➡浏览器中点击【下载安装包】

其原理就是在引导页中通过某些参数调用手机默认浏览器,在浏览器中继续弹出安装包或进入应用市场。

从操作成本上看,用户的操作路径缩至两步,无需点击右上角三小点,再点击打开浏览器等一系列操作,只用点击两次就能达到调用浏览器下载的目的。

二、App 推广中的邀请流程优化

通常 App 推广形式中,无论是邀请好友参与活动,还是地推业绩考核,都需要获取邀请人与被邀请人的邀请关系用于发放奖励,或者地推人员与用户的邀请关系用于统计业绩。

平台方一般采用以下解决方案:

方法1:填写邀请码/地推码识别

通过让用户安装 App 后填写邀请码/地推码(统称为渠道码)的方法,将渠道码上报给系统,系统将该渠道码匹配邀请人/地推人员的数据,便可以得知双方邀请关系,并以此发放奖励/统计业绩。

但对于用户来说【填写渠道码】步骤费时费劲,邀请人/地推人员也需要付出教育成本来说服用户填写,漏填、错填等也是不可避免的。

方法2:推广落地页填写手机号码

引导用户在邀请页面(推广落地页)上填写手机号码,然后下载 App 通过该号码登录,系统便能匹配前后两次上报的手机号码,由此得知邀请双方的身份,以此发放奖励。

在落地页要求用户填写手机号码,那就不可避免的要涉及获取验证码环节,即便只有短短几秒钟的短信或电话通信时间,依然会消磨用户耐心;

此后安装完 App 还要再经历一次登录环节,操作路径过长显然也会影响转化率。

更优的解决方案

无论从活动设计还是用户体验来看,免去【注册时填写渠道码】以及【落地页填写手机号码】这两个步骤显然更符合逻辑。从技术上可以使用 openinstall 提供的【免填邀请码】方案实现这一逻辑,最终实现流程如下:

邀请人【分享邀请页面】➡被邀请人在页面点击【下载App】➡下载安装后打开App并登录➡奖励自动发放

可以看到,整个流程中并没有涉及任何填写步骤,但邀请关系也能顺利绑定,其原理是用户在邀请过程中被 openinstall SDK 自动获取了渠道码信息,能够在用户无感知的情况下顺利完成邀请绑定,也就无需填写渠道码及手机号码等信息。

三、App 唤醒用户的流程优化

假设用户 A 在某 App 中分享某个页面(新闻/商品/游戏房间等),当被分享人 B 在社交平台上接收到该页面并且很感兴趣,B 从该页面中点击下载 App 进入下载落地页,安装完 App 后一般情况下打开的是 App 首页,而原先的分享内容则需要用户 B 在 App 中自行寻找该页面。

这是由移动端应用与页面的割裂性造成的,如果进入 App 后还要去搜索某条新闻、某个商品、某个游戏房间、某个好友,显然不够直接,不能给到用户更好的原生体验。

更优的解决方案

目前已经有许多 App 开始采用深度链接技术(Deep link)实现 App 的一键拉起,国内已经有一些第三方服务商能够提供这项功能,分为应用未安装和应用已安装两种情况:

  • App未安装:用户在各种场景下点击【新闻/商品/对战邀请等】页面➡在该页面下点击【下载App】进入下载落地页➡进入应用市场➡下载并安装 App➡首次打开 App 自动跳转到该【新闻/商品/游戏房间等】场景;
  • App已安装:用户在各种场景下点击【新闻/商品/对战邀请等】页面➡打开App➡自动跳转到该【新闻/商品/游戏房间等】场景。

四、App 内的用户需求点预测

除了新兴技术外,只需要在交互上下功夫,利用好现有技术架构,一样可以给 App 带来更高效直接的用户体验。

用户在 App 内截图时,基本都是出于“分享”和“纪念”两个需求点,比如美团就调用屏幕截图功能做了【反馈问题】及【分享页面】操作提示,帮助用户快捷完成分享及反馈行为。

用户在刚刚使用完截图工具后短时间内进入对话窗口,必然也有强烈的分享需求,提前帮用户调出刚刚的截图图片,会更加人性化。

调用用户的消费历史或者浏览历史,甚至用其他大数据多维度分析用户的需求点,可以做【智能推荐】功能。

至于推荐时机,下图是我进入京东 App 后长时间无操作情况下弹出的提示,我认为它选择的推荐时机是比较合理的。

消息或提示太频繁,也会让用户产生疲劳,比如很多人都将支付宝当成工具类 App,没有黏在上面看资讯的习惯,那么【一键已读】消除小红点的功能就显得很有必要了。

首次启动或者长时间后切换应用,系统可以【自动更新资源】,无需用户下拉刷新,或者给出一个【查看新内容】的提示,提醒用户一键使用此功能。

比如支付宝、微信等高频次平台,可以帮用户做【信息记录】功能,直接选取相关个人信息,毕竟手动填写信息这种环节真的很伤用户体验。

填写信息处,可以预测需求给出相关【标签】或者【分类】供用户选择,也可以根据地理定位或使用习惯,做一个【默认】选项,由用户自行设置。

App 上的编辑场景可以考虑的点包括:退出时给出手动【保存草稿】的选项,或者编辑过程中系统自动【保存草稿】,这个可以根据应用场景来判断。

此外,假设用户不小心点击到退出按钮时,微博给出的选项包括了【取消】按钮,而今日头条则只有【不保存】或【保存】的选项,意味着前者可以取消这一操作继续停留在编辑页面,而后者则只能选择其中一个选项,然后退出页面重新进入。

因此是否设置【取消】选项,也是需要考究的点。

五、结语

事实上大部分产品都还存在优化空间,无论是业务流程上,还是交互细节上。

在科技发展日新月异的今天,产品的升级迭代和新陈代谢方法,无非就是时刻观察市场上新兴技术的动向,与现有成熟的技术进行整合,然后消化到自身产品体系内,减少应用的操作成本,带给用户更加直接、简便的体验,这样也能迅速建立产品的竞争力。

本文由 @大城小事 原创发布于人人都是产品经理。未经许可,禁止转载

题图来自Unsplash,基于CC0协议

以微保/众安/今日头条为例,分析“用户画像”对互联网保险的意义


怎样定义保险产品的用户画像模型?用户画像对互联网保险意味着什么?拿到用户数据后如何服务于业务转化?来吧,看看互联网巨头们都是如何探索用户画像的。

全文思维导图如下:

一、几个标准的用户画像模型

以下提供几个标准的用户画像模型,基本都是在海量的产品和长期的实践中验证过并反复打磨的模型。各位就地取材直接使用即可。

1. 经典画像模型:羊群模型和人像模型

早期的用户画像重在写实,一般是根据产品本身的用户使用场景进行提炼

大体可以区分为2个大类:

A 基于社交属性的羊群模型

原始的社交场地就像一片未经开垦的草地,植树种草都是为了吸引羊群进入,一支头羊会带来一群羊,当羊的食草需求超过了草地的负荷,羊群可能会离开,而草地可能也会荒芜。这个场景形象地描绘了大部分社交产品的形态,比如:微博/微信等。

这与传播学中的“创新扩散理论”也有一定印证,早期的创新和使用者将承担KOL意见扩散的职责,成为头羊,吸引并带来大量的中后期进入者,即羊群。

我们类比如下:

B 基于电商属性的人物模型

在电商的场景下我们需要提取经典用户想象,以这个用户形象往外辐射。所以虽然现在巨头电商的商品重合度是较高的,你可以在京东淘宝买电器也可以在拼多多买,但最原始的经典用户形象则决定了他们最核心的用户群体和最基本的产品调性

我们类比如下:

结合

互联网保险产品因其特殊的属性,往往兼具了两者特色:

  • 一方面保险本质贩卖的是契约是产品(电商属性),这就像你在平安APP/支付宝APP买了一年期的医疗险;
  • 另一方面保险需要基于信赖感,尤其是在中国这一片大部分还对保险存在偏见的地域,基于“羊头”的引领将更好完成保险的销售,即:你更可能在信赖的人/平台/公司购置保险产品。

2. 用户标签体系

用户画像由标签库构成,PM着力通过不同场景和条件提取尽可能海量的标签,并对散乱的标签池进行加工提取和维护。

进而,每个用户基于个人的人口统计学+基础操作反馈,将得到各种专属的标签,比如:“男性”“三线城市”“成熟用户”“睡前活跃”“收入中等偏低”等等。

另外我们需要注意的是:不同标签在不同场景有不同含义

比如:某个保险公司接入电商平台,在用户购买某类型产品后提供对应的保险产品和服务,用户性别上的“男”和“女”,在电商是商品推荐逻辑,在保险却是可配置产品逻辑。

(图自网络,侵删)

3. 分布式智能画像阶段

用户画像模型是随着用户数据的完善和技术力量的强大持续优化的,当平安保险拥有了几亿的用户量后,再用粗放的标签库处理海量用户,则是对用户数据的极大浪费。

大型的产品,基本都会维护自身的全视角画像,比如:自然信息+社会信息+业务信息+特殊偏好。

不同的产品可能需要维护的360度全视角画像不同,需要结合产品的业务属性一起考虑。

(图自网络,侵删)

二、巨头们是如何探索保险用户数据的?

上文我们讲到,当产品已经到了亿级别,海量的用户画像原本就是最有价值的资源库,尤其是对于保险类产品。

互联网巨头们均先后下场瓜分保险这块沃土,处于金融监管的严格要求,通过收购或者入股的方式拿到牌照的仅有少数,如:腾讯/阿里/字节跳动等,而更重要的是如何在合规的层面上做更大的突破。

1. 今日头条对保险兴趣人群画像的初步探索(2017年)

早在2017年,今日头条已通过资讯获取方式的不同,探索了对保险有兴趣的人群画像的特质。而现在,大大小小的创新保险服务,如:蜗牛保险公司,深蓝保,白熊保等,均是通过生产原创的保险内容来直接获客完成付费转化,这份2017年的报告,或许对现在的保险内容原创还有一定借鉴价值。

A 人群基础属性

男性 >女性,北上川渝关注度领先全国

注意:因为这是基于今日头条APP上的调查,因此原本的APP用户画像的人口标签则有可能影响保险星群人群的用户画像。

B 资讯偏好

1. 话题:养老保险话题强势霸榜;购买保险的相关常识最易被收藏,在收藏排行帮上,车险话题强势霸榜;最易被分享的,则是购买保险陷阱类文章。

2. 品牌偏好:中国平安、中国人寿稳居前两名,泰康人寿关注人群有年轻化趋势,安邦保险在30岁以上人群中认知度更高。从地域分析,中国平安、中国人寿全国性覆盖优势明显。安邦、众安保险在超一线、一二线城市的品牌偏好度较高。央企、国企则在三四线城市的地域覆盖优势突出。

3. 热门话题top10:养老保险/医疗保险/失业保险/生育保险/工伤保险/财产保险/账户保险/车险/旅行保险/碎屏险。

4. 关注疾病top10:糖尿病/白血病/血友病/高血压/尿毒症/癌症/艾滋病/骨折/中风/痴呆。

2. 微保的用户画像调研(2018年)

微报是腾讯控股的保险平台,去年,微保联合腾讯用户研究与体验设计部(CDC)发布了《2018年互联网保险年度报告》,将保险成熟用户(即已经购买过复杂险的人群)分为四类:

  1. 高知新贵(33.9%)
  2. 思路清晰的奋斗青年(19.4%)
  3. 不爱计划的普通人(24.9%)
  4. 耳根软的传统大牌粉(21.8%)

该数据截止2018年6月,8.02亿网民中约有2.68亿人为保险成熟用户,占比33.4%。

而保险的高潜用户(指未来一年内有较为确定的购险计划的人群)规模估计2.17亿,未来用户(指没有较确定的购险计划用户)规模估计5.60亿。这2部分群体将是未来互联网保险公司继续深入的主要人群。

根据微保的这份报告,我们看到:高潜用户特征为“高学历、已婚、高收入”,对风险的担忧突出,除了保障外最看重保险的“强制储蓄”功能。而未来用户以两端用户(24岁以下和40岁以上)居多,超过半数未来用户没有在进行投资理财,因此对保险的投资理财属性更为期待。

3. 众安:技术方案产品化,输出海外

中国首家互联网保险公司,平安/腾讯/阿里联手的产物,2017年已在香港联交所主板上市。是业内第一家真正把“保险”+“科技”深度结合的互联网保险公司,通过收割长尾市场(如:退货运费险/碎屏险等)破局。

旗下的众安科技,基于成熟的自身互联网保险力量,已经可以对外输送保险相关的技术解决方案。以其智能营销平台为例:

其风控资深副总裁梁玉苹也曾强调:

“通过同时切入不同的消费场景,向用户提供保险服务来积累用户在不同消费场景下的信用标签,由此构建出全面而立体的用户画像。这些多场景、细颗粒度、实时动态的保单数据也是帮助用户触达到资金成本较低的传统金融机构的重要信用数据。

三、未来可发展方向

1. 互联网保险公司更精细化运营自身的用户模型

未来是用户数据时代,这意味着掌握的用户数据和画像越精确,可变现可改变的机会越多。相较于其他产品的不同,保险所收集的都是全真实个人信息及核心健康/财务数据

没有人会在买保险时填一份假数据,即便这是一份赠送的保险。

参考我们上述的各种用户画像模型,我们可总结如下:

内部画像(360全景画像)+外部行为数据=分类管理后精准触达/设计产品

  • 内部:客户个人信息,财务情况,健康状况,已购投保情况,每年保费支出,保险意识等等。
  • 外部:消费习惯,消费能力,人生状态,兴趣爱好等等。

2. 基于用户画像模型的精准营销

该营销多基于最开始的免费赠送展开

以微保等公司为例,0元免费赠送的短期险将获得用户的真实个人数据/财务数据/健康数据等核心数据,基于该数据更精准的营销方案已搭建好,就等着后期中长险的转化。

可营销场景包括:

1)人生阶段变化

毕业(就业险),结婚(家庭财产/重疾/账户安全),生子(寿险/女性专用险/养老金),儿女成长(健康险/意外险/教育基金/少儿意外),退休(住院医疗/防癌险)

2)人生状态变化:

账号被盗(账户安全/电信诈骗),买机票(航空/旅游意外),意外伤害(运动意外险),亲友得病(重疾/防癌/住院医疗)

3)场景结合:

网购/玩乐活动/乘坐地铁等互联网场景

概而言之,免费险种获取用户数据,以数据获取收益,如协助保险公司定价/精准锁定用户/增值服务等。

真实说明:世上没有免费的午餐。

3. 改变保险售前场景

A 产品需求:定制化的产品

传统的需求来源于保险公司主动开发(基于市场调研)+代理人或中介反馈+企业定制需求+第三方合作方定制。

有了精细的用户画像模型后,基于不同互联网场景,将产生大量新型需求及长尾需求。更“定制化”的产品将出现,而不再仅限于人寿意外健康险等,也不囿于碎屏和退换货险,再小众的保险需求也能找到对应的类需求用户群体。

该场景已在部分国外保险创新公司中出现,颠覆式保险模式。

比如:

Bought by many,基于社交吸引相同保险需求的人。

  1. 吸引类似客户(基于强大的用户画像模型库),签订统一保险条例。
  2. 根据需求定制化保险,完全打破传统产品结构设计/定价原则/销售方式,注重长尾和个性化。

B 产品定价革命

用户画像可与大数据等技术创新结合,使定价更精准,颠覆传统精算模型(定价因子+定价公式)。

保险的定价路径将随之改变:

从一口价(5%费率)——>精算定价(历史出现率为唯一定价因子)——>数据定价(多因子统计建模)——>大数据+用户画像模型定价(实时,动态的关联数据建模)。

高收益低理赔概率的产品将陆续出现。

注意,而该场景已在国外等多家创新公司实现,以车险为例,通过手机用户数据改变保险定价规则,提供增值服务。

比如:

Metromile,美国一家保险公司。

通过智能OBD(车载诊断系统)接入用户汽车,获取用户驾驶数据从而对车险重新定价,打破旧有统一化的定价模式。真正的“千人千价”。另外,还整合OBD和APP:APP提供终端服务,如停车场定位,汽车健康检测等增值服务。

Discovery,来自南非。

其健康险“健行天下”通过督促计划对客户健康行为干预,另外线上+线下数据评估用户健康状态,并提供奖励。这一模式在平安也早开始使用,App与你的每日运动及步数关联,鼓励用户运动并提供奖励。

4. 基于大量用户数据的核保模型

当前的核报模型已经可以基于“用户画像数据”+“案例经验”+“核保知识”提供及时准确自动化核保。

  • 其中,用户数据将形成评级体系,基于标准体系快速核保。
  • 另外,用户画像可与生物科技(即:基因检测+基因诊疗)结合,你的保险客户可能会骗你,但是他的基因数据一顶不会骗你。从而预知疾病及遗传病,防癌结合,补充完善了核保模型。
  • 此外,基于也出现了基于大量用户数据的反欺诈模型,数据来自:往期理赔case+央行征信+公安数据+芝麻信用等,反欺诈是保险公司风控的重点,也帮助了核保筛选剔除掉部分投保申请。

四、总结

互联网保险归根到底是对“人”的服务,而当社会生活中的“自然人”或者“集体”进入互联网保险世界,将标准化为一整套精准/极细颗粒度/360度全景式的“用户画像模型”,掌握这个模型,对互联网保险链接“人”的服务,将事半功倍。

参考数据

微保&腾讯CDC:2018年互联网保险年度报告

小米金融科技研究中心:用户画像在互联网保险领域的应用分析

今日头条:2017保险行业用户数据报告

本文由 @Joey 原创发布于人人都是产品经理,未经作者许可,禁止转载。

题图来自Unsplash,基于CC0协议。