项目复盘 | 如何做好产品的满意度评估？
满意度研究项目是用研日常接触到的最常见的项目类型之一，作为一款成熟的产品进行满意度的研究是很常见的。本文结合自身项目经历，试图从复盘满意度的角度出发，并做了一些延伸的思考和总结，欢迎交流。
一、项目背景
在开始着手本次满意度研究之前，先进行了相关的项目背景的了解，虽然此前满意度项目公司有一直在做，但存在以下几点问题：
1. 调研的内容一直未进行更新，缺乏针对性
调研的内容几年以来一直延续之前的问法，没有变化，也没有做针对性的调整，反映的产品问题也是滞后的。
2. 满意度调研流于形式，不利于后期进行针对性的优化改进
虽然业务上每年都对满意度调研有要求，公司每年度也都会进行执行和统计满意度情况，但更多只是流于形式层面，问题大而笼统。
3. 调研缺乏体系性，内容零散
调研的内容杂而乱，没有体系性，甚至在部分调研内容上没有做明确区分，调研的内容彼此之间交叉重复，也不利于后期的分析和结果呈现。
因此，本次的满意度研究项目就希望能够解决上述问题，并达成如下目标：
- 更有针对性的对满意度进行量化评估
- 构建一套满意度指标评估体系，方便后续进行有目的的优化改进
二、具体项目计划
在了解上述项目背景，完成需求沟通之后，就着手进行研究的设计，由于之前的研究体系缺乏，因此本次研究要解决体系构建+满意度量化评估两个目标。
在步骤上，主要分为三步：
1. 前期的定性研究
目的是收集满意度的影响因素，以此为基础编制满意度问卷和进行指标体系的构建，这一阶段的研究对象包括：
2. 问卷编制的阶段
经过第一阶段的定性访问之后，会收到特别多的反馈，因此这一轮的工作主要需要进行抽丝剥茧，在繁杂的大量原始访问记录中提取有用的关键信息，作为问卷编制的来源，虽然信息量比较大，但总体来说，总结提炼维度的时候可以把握以下三个原则：
（1）指标是与用户相关的，方便用户直接感知到
关于与用户的相关性，存在两方面的情况，一种是如果指标确实与用户不相关，这种就不适合放到满意度中来衡量，意义不大。
另一种情况是要从产品的角度转化成用户的角度，体现出与用户的相关性，也是方便用户理解。比如从产品的角度，配备了全场景发音设备，采用专业的显示屏，那对于用户来说，则是更好的音质、画质体验，至于专业设备、技术实现方式，大多数用户是不懂的，也感知不到。因此可以编制题目为：
- 您对于整体的音质体验满意度如何？
- 您对于整体的画质体验满意度如何？
（2） 指标是可测量的
指标可衡量也是非常重要的，体现在两个方面：
①可衡量性可以体现出产品体验好坏的程度，在用户心中的大致地位
直接让用户评价好与坏可能过于绝对化，用户也不好做判断，陷入左右为难的境地，而从量化评估的角度来说则给了用户更多的选择性，可以做更客观的评价。
②可衡量性方便后续的对比，包括满意度的前后对比（比如每个年度）、与竞品的对比、与行业的对比等
（3） 指标是能够有改善的空间的
可改善性直接关系到后期的落地情况如何，因此也需要进行仔细分辨和权衡。比如产品页面有广告、开机有广告等，相信是大部分用户都会吐槽的，但这部分一般是收入的重要来源之一，因此从营收的角度出发，不会去除掉广告这部分，所以没必要放在满意度的评估内容当中。但至于广告的展现形式、内容、时长这些是可以做优化调整改进的，这部分是有改进的空间的，因此应该有所侧重区分。
3. 定量研究阶段
将第一阶段收集到的指标进行问卷的编制和投放，收集回收数据并进行分析，这一轮的分析主要包括：
（1）总体满意度的情况
总体满意度的访问一般会放在问卷的最前面，直接向用户询问：“您对于xx产品的总体满意度如何”，采取5点评分的方式。放在问卷开头的好处是用户不会受到其他因素的干扰，开门见山，最大限度的凭自己对产品的第一印象作答，因此能比较客观真实的对产品进行评价。
（2）与竞品和行业的满意度对比情况
与竞品的对比也是不可缺少的环节，做满意度不能闭门造车，不仅要了解自家产品的情况，也需要了解竞品与行业水平的情况，才能了解在行业中大致处于什么地位。竞品的数据一般可以从相关的行业研究、行业报告中获得，或者一些独立的第三方研究机构，数据比较真实客观。
（3）分维度的满意度情况
分析完满意度之后，分维度则是对具体的影响因素进行分析，比如软件、硬件等不同的方面，对于分维度的具体分析是更加明确满意度的具体影响因素表现如何，从而后续落地改进的时候也更加具有针对性。
（4）指标体系的检验
由于本次研究是第一次尝试对满意度进行改进，因此在指标体系方面也尝试去进行构建，前期大致围绕软件、硬件、售后服务等方面进行，因子分析结果显示为79.44%，表明分维度对于总体的满意度具有较好的解释率，指标体系可以围绕这几个方面进行。
三、经验总结
1. 满意度需周期性进行
满意度的追踪研究是一个长期持续的过程，需按照计划周期性的进行，比如每个季度、每半年、每一年执行一次。动态监测，通过比较前后结果，既可了解满意度的改善情况，也能进一步分析具体因素的满意度情况，为针对性的优化改进提供参考。
2. 大数据与小数据的结合，多角度交叉验证
在本次研究中发现，通过数据的分析发现，不同使用时长的用户满意度之间并非线性关系，而是呈波浪形的分布，进一步结合后台数据发现，不同使用时长的用户在功能使用方面有所差异，因此对于产品的评价有所侧重不同。如果仅从问卷角度出发，是无法分析出造成这一差异的原因的。
3. 用研赋能，充分发挥用研价值
在本次的全系列满意度研究中，由于涉及的环节很多，因此在前期的因素收集环节也对不同部门的关键角色进行了访问，从内部角度收集影响因素，也表明与他们的利益相关，因此能够充分调动大家的反馈积极性，执行中也邀请相关同事一起参与，后续的结果和报告部分也同步反馈给了相关部门，方便继续进行落地和优化改进。
以上就是本次满意度的执行情况，虽然满意度已经是很常见的项目类型，但面对第一次的项目大改进和优化依然有一些挑战和不可预料的问题出现，希望本次的分享能够给大家带来一些思考和启发。
本文作者 @ Samuel 。
版权声明
本文来自互联网用户投稿，文章观点仅代表作者本人，不代表本站立场。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如若转载，请注明出处。如若内容有涉嫌抄袭侵权/违法违规/事实不符，请点击 举报 进行投诉反馈！
