还在靠人情推进体验升级？该变了！
相信很多设计师推进体验升级时，都被问到过这个问题。高情商的回答因人而异，最直接的依据还是要量化。
用户反馈是体现产品体验质量的一面镜子，没有人会不承认其重要性。通常情况下，用户都是直接用手投票，会直接体现产品的数据表现上。当用户难掩心中爱恨交织的情绪时，就会主动发声，于是便有了用户舆情。犹如镜面上的灰尘，脏了就该擦一擦，有的好擦，有的不好擦。如果你也想擦，不妨了解下我们是怎么擦的。
01：明确用户反馈的核心渠道，获取尽可能完整的数据，从设计视角梳理归纳总结设计相关问题项，
02：建设产品化能力帮助设计师更好的推进。搭建体验工作台、微调研平台提升设计师管理问题及用户调研的效率。
03：优化后持续监测舆情降幅数据，对比分析满意度数据得出设计满意度提升率。
从去年初开始在团队内作为项目运行，经过一年的实践，累计解决几十项显著问题，降低百万级舆情，设计满意度提升10%+。下面展开详细说说。
#01如何系统性发现问题
首先要避免主观的随意判断。几乎每个APP都有“反馈与帮助”功能，这里沉淀的数据简直就是设计师的宝库，新生代农民工的“ONE PIECE”。
1. 设计类舆情口径
在淘宝除了反馈渠道还有“小蜜客服”等渠道的客诉，前者数量级小但多为产品自身体验的问题，后者偏向购物过程中的规则等体验问题。
在淘宝设计师的眼里，设计上应该解决的或可以推动缓解的用户体验问题，都被视为设计类舆情。
有些场景的历史数据不多不代表没问题，一条舆情背后可能藏着一千条忍气吞声。这时候就需要展开场景微调研，最终再结合用研报告汇总的数据就相对系统完整了。
2. 设计类舆情聚类算法
知道要什么数据后，就要找到更加高效的获取方式。
由于舆情后台现有的语义聚类算法没有设计视角导致总量统计不够精准，所以我们要训练出设计类舆情聚类算法。
对问题项拉取近期舆情原声，发动团队进行人工打标判断问题相关性，将打标好的原声回传给算法完成训练优化，聚类算法会不断优化准确度至90%以上以达到可用。
最后再结合设计质量指标维度，完善可能出现的问题的一系列关键词，汇总成问题字典，提交给技术同学来完善算法的设计类判断视角。
3. 设计类舆情统计范围
最终要量化统计便于输出。结合内部数据平台能力及经验，我们将双渠道的舆情统计的范围定为往前追溯一年，求和得出设计类舆情总量及问题项总和。每周持续监测热门的舆情原声动态，通过周报方式同步给大团队，提升设计团队对舆情的关注度。
为了同步团队最新的用户舆情动向。我们持续每周一发布体验周报，展现团队整体进展，在项目周会上邀请交易/商家/直播/横向体验等几个场景专项的设计师分享自己的舆情治理进展。
对于短期内有激增舆情/处理进展停滞的问题项，也配置了钉钉机器人实现告警提醒，保持团队内信息透明。
2. 设计类舆情降低率
当一个问题项状态被标记为“已解决”后，通常会持续观测两个月以上的舆情量变化情况，如果舆情量下降显著才视为解决方案有效，反之则需要重启问题项持续迭代优化方案。最终项目组会持续统计季度至全年的舆情降低量。
前两个指标都算是过程指标，真正体现用户视角的好转还要看设计满意度。
3. 设计满意度提升率
设计满意度不只是一个数字，更是一种工作方式，加强日常工作中结果导向的意识。由于产品整体的满意度监测指标无法完整体现设计质量，所以需要单独做设计满意度调研，部分核心场景会细化到场景设计满意度。
调研问卷的搭建要尽可能简单。问卷框架包含监测维度及监测指标。监测维度结合产品自身特性来定义，通常都是是信息直观/操作简单/体验一致/美观愉悦等维度。
影响监测维度的一系列典型问题统称为监测指标，用户在填写问卷时选择某一项越多说明该指标的问题发生率越高，越需要优先被解决。如果该问题的优化方案上线了，用户选的少了则说明问题在转好，连续数月稳定处于低水位时，才可视为彻底解决。
问卷投放尽可能降低干扰。投放渠道建议使用应用内消息/短信push，如果能在场景内有触点更好。投放人群要尽可能选择目标人群，比如按近期不同活跃度的人群分别投放。
问卷回收分析尽可能严谨。只统计完整填答的问卷，满意度打分题以5星视为满意。有能力最好做人群分层的交叉分析，找出低水位的问题指标。
最后强调一点，设计满意度一定要在产品优化上线前先做一次作为基准数据，后续监测贵在坚持，长期的数据对照分析才能像镜子一样如实体现用户满意度。
以上算是项目阶段性总结，体验舆情治理已变成淘宝设计团队常态化的工作内容，今后还会持续探索更高效的工作方式。在此感谢参与项目的每一位设计师。
自始至终，我们非常重视您的反馈，如果您以及亲友在使用淘宝过程中，有遇到不好的体验，欢迎在评论区告诉我们吧～
使用淘宝时，觉得哪里使用不方便
留言点赞前三即可获得活动截止时间：8月10日 12:00
作者：扎师