DT时代的售后服务研究模型和方法

起点学院产品经理365成长计划,2天线下闭门集训+1年在线学习,全面掌握BAT产品经理体系。了解详情

shouhe

现如今,电商平台之间已经从单纯的价格战、质量战演化到了服务战。例如京东从 2013 年广告 618 大促主打物流速度,已经从商品价格开始转向服务;又如天猫生鲜的服务:次日送达、正品保障、专业客服团队。

ec-after-sale-service-research-model-01

2016天猫生鲜那么,什么是服务?怎么做客户买单的,让客户感到惊喜的,让客户以后继续使用产品的服务?

服务是指具有无形特征,却可给人带来某种利益或满足感、可供有偿转让的一种或一系列活动。服务通常是无形的,并且是在供方和顾客接触面上至少需要完成一项活动的结果。服务的概念很广,有物流、质量、售后服务等。其中售后服务(After-sales service),是指生产企业、经销商把产品(或服务)销售给消费者之后,为消费者提供的一系列服务,包括产品介绍、送货、安装、调试、维修、技术培训、上门服务等,是增强产品竞争能力的一个办法。典型的电商的售后服务包括安装维修服务(如有)、退换货、维权处理(第三方平台通常有)等。

要做一个有竞争力的服务,首先要知道短板在哪里,今天我们聊聊服务时代如何了解售后服务的短板。

1. 看清自己

DT时代的解读应该从数据开始。一个成熟的售后服务,一般可以从这两方面看:

售后服务指标:纠纷发起率、纠纷量、平均处理时长、反弹率……

服务体验指标:满意率、不满意率……

服务的衡量会更侧重看体验指标,因为服务的量、时长等并不能解释用户的感受和态度,且服务大多数是由人提供的,考察的是感受。所以会增加满意率、不满意率等指标同时进行判断。

那么如果售后是由人处理,非机器处理的,那么还需要关注人员效能指标:未完结量、7 天完结量/率、超 N 天完结量……

2. 怎么看

首先,我们会看满意与不满意,这两个指标能告诉我们服务在用户角度的好与坏;其次看业务指标,两者需要结合判断。例如,淘宝服饰的售后满意度是 70%,30% 的用户不满意主要集中在对处理时间的不满意上,且不满意的用户的服务时长比满意的用户长,说明这里用户的主要痛点就是处理时长太长。那这些数据又如何能够获得呢?需要有一个数据框架,框架的分解要结合竞品、服务用户的 SOP、以及用户反馈的需求,说白了,就是站在用户的立场上分解整个框架。

例如售后服务(维权部分)的满意度框架:

ec-after-sale-service-research-model-02

这里把售后的维权部分按照流程分解为三块:申请小二介入后的举证(提供问题凭证)、小二按照规则进行处理、小二给出介入结果后消费者退货退款。各个模块再按照业务的流程在用户心智中的体验关键点进行分解。

然后将框架转变为问题,这里需要注意的是具体的问题表述需要清晰易懂。

ec-after-sale-service-research-model-03

如果自行分解框架比较难入手,建议也可以参考 ASCI、SCI 模型(参见http://www.theacsi.org),这里不展开详述。

框架分解好了,就可以根据节奏将问卷投放出去,收集数据。可以作为日常运营的数据每日投放,也可以作为专项每月投放收集。

3. 看出什么:如何解读数据

这些数据都收集到了之后,首先圈定问题的方向及严重度。这个例子中我们使用的是结构方程模型(SEM)。结构方程模型是基于线性关系(y=ax1+bx2+…+nxn)的技术,通过这个方法我们可以发现潜在的、互依的或互相影响的因果变量,是一种建立、估计和检验因果关系模型的方法。结构方程最大的好处是能处理相对复杂的线性关系,同时处理多个因变量,相比如图中箭头所示,单箭头表示「会影响」,双箭头表示「有关系」。

ec-after-sale-service-research-model-04

模型关系示例一般来说,进行模型计算之前,首先要进行因素分析,简化、合并因素。这个过程略去,有兴趣可以 google 具体的做法。拿到因素分析的结果后,我们放入到自己设定的模型中后,根据指标进行各个因子之间关系的调整,调整到模型合适的拟合度,会得到如下结果。

ec-after-sale-service-research-model-05

模型结果备注:这里小编使用的 AMOS 进行数据分析,图中为模拟非真实数据

参考书籍:AMOS与研究方法(荣泰生),重庆大学出版社出版。

所有统计方法的前提都得基于数据是可以用模型来计算的前提之下,如上图,左下角是模型的拟合度,表达的是数据是否可以被模型很好的解释,这份数据是否能用这个模型来计算,图中数据表明拟合度良好。基于这个前提下,我们通过数据就能发现:箭头所示的数值表达的是这个因子对整体满意度的贡献度,如图的模拟数据能发现结果执行最重要(1.20),其中退款金额最重要。也就是说如果能让用户接受退款金额,这个分项的指标有所提示,那么整体满意度就会相应的有大幅度的提升。

然后我们再结合其他的业务指标对应到我们的处理规则、业务上,如何让用户接受处理结果。有下一步的业务动作之后,再回归到整体满意度和相应的业务指标来看是否有提升。

以上介绍的是以一个售后的业务为例,关于如何更好地发现业务的体验问题,有任何疑问欢迎给小编留言。下一次跟大家分享一些实例,看到的这些问题如何推进解决,如何基于数据运营售后服务的体验等。

 

作者@紫阑     来源@37点2度体验

您的赞赏,是对我创作的最大鼓励。

评论( 0

登录后参与评论
加载中