現如今,電商平台之間已經從單純的價格戰、質量戰演化到了服務戰。例如京東從 2013 年廣告 618 大促主打物流速度,已經從商品價格開始轉向服務;又如天貓生鮮的服務:次日送達、正品保障、專業客服團隊。

2016天貓生鮮那麼,什麼是服務?怎麼做客戶買單的,讓客戶感到驚喜的,讓客戶以後繼續使用產品的服務?

服務是指具有無形特徵,卻可給人帶來某種利益或滿足感、可供有償轉讓的一種或一系列活動。服務通常是無形的,並且是在供方和顧客接觸面上至少需要完成一項活動的結果。服務的概念很廣,有物流、質量、售後服務等。其中售後服務(After-sales service),是指生產企業、經銷商把產品(或服務)銷售給消費者之後,為消費者提供的一系列服務,包括產品介紹、送貨、安裝、調試、維修、技術培訓、上門服務等,是增強產品競爭能力的一個辦法。典型的電商的售後服務包括安裝維修服務(如有)、退換貨、維權處理(第三方平台通常有)等。

要做一個有競爭力的服務,首先要知道短板在哪裡,今天我們聊聊服務時代如何了解售後服務的短板。

1. 看清自己

DT時代的解讀應該從數據開始。一個成熟的售後服務,一般可以從這兩方面看:

售後服務指標:糾紛發起率、糾紛量、平均處理時長、反彈率……

服務體驗指標:滿意率、不滿意率……

服務的衡量會更側重看體驗指標,因為服務的量、時長等並不能解釋用戶的感受和態度,且服務大多數是由人提供的,考察的是感受。所以會增加滿意率、不滿意率等指標同時進行判斷。

那麼如果售後是由人處理,非機器處理的,那麼還需要關注人員效能指標:未完結量、7 天完結量/率、超 N 天完結量……

2. 怎麼看

首先,我們會看滿意與不滿意,這兩個指標能告訴我們服務在用戶角度的好與壞;其次看業務指標,兩者需要結合判斷。例如,淘寶服飾的售後滿意度是 70%,30% 的用戶不滿意主要集中在對處理時間的不滿意上,且不滿意的用戶的服務時長比滿意的用戶長,說明這裏用戶的主要痛點就是處理時長太長。那這些數據又如何能夠獲得呢?需要有一個數據框架,框架的分解要結合競品、服務用戶的 SOP、以及用戶反饋的需求,說白了,就是站在用戶的立場上分解整個框架。

例如售後服務(維權部分)的滿意度框架:

這裏把售後的維權部分按照流程分解為三塊:申請小二介入后的舉證(提供問題憑證)、小二按照規則進行處理、小二給出介入結果后消費者退貨退款。各個模塊再按照業務的流程在用戶心智中的體驗關鍵點進行分解。

然後將框架轉變為問題,這裏需要注意的是具體的問題表述需要清晰易懂。

如果自行分解框架比較難入手,建議也可以參考 ASCI、SCI 模型(參見http://www.theacsi.org),這裏不展開詳述。

框架分解好了,就可以根據節奏將問卷投放出去,收集數據。可以作為日常運營的數據每日投放,也可以作為專項每月投放收集。

3. 看出什麼:如何解讀數據

這些數據都收集到了之後,首先圈定問題的方向及嚴重度。這個例子中我們使用的是結構方程模型(SEM)。結構方程模型是基於線性關係(y=ax1+bx2+…+nxn)的技術,通過這個方法我們可以發現潛在的、互依的或互相影響的因果變量,是一種建立、估計和檢驗因果關係模型的方法。結構方程最大的好處是能處理相對複雜的線性關係,同時處理多個因變量,相比如圖中箭頭所示,單箭頭表示「會影響」,雙箭頭表示「有關係」。

模型關係示例一般來說,進行模型計算之前,首先要進行因素分析,簡化、合併因素。這個過程略去,有興趣可以 google 具體的做法。拿到因素分析的結果后,我們放入到自己設定的模型中后,根據指標進行各個因子之間關係的調整,調整到模型合適的擬合度,會得到如下結果。

模型結果備註:這裏小編使用的 AMOS 進行數據分析,圖中為模擬非真實數據

參考書籍:AMOS與研究方法(榮泰生),重慶大學出版社出版。

所有統計方法的前提都得基於數據是可以用模型來計算的前提之下,如上圖,左下角是模型的擬合度,表達的是數據是否可以被模型很好的解釋,這份數據是否能用這個模型來計算,圖中數據表明擬合度良好。基於這個前提下,我們通過數據就能發現:箭頭所示的數值表達的是這個因子對整體滿意度的貢獻度,如圖的模擬數據能發現結果執行最重要(1.20),其中退款金額最重要。也就是說如果能讓用戶接受退款金額,這個分項的指標有所提示,那麼整體滿意度就會相應的有大幅度的提升。

然後我們再結合其他的業務指標對應到我們的處理規則、業務上,如何讓用戶接受處理結果。有下一步的業務動作之後,再回歸到整體滿意度和相應的業務指標來看是否有提升。

以上介紹的是以一個售後的業務為例,關於如何更好地發現業務的體驗問題,有任何疑問歡迎給小編留言。下一次跟大家分享一些實例,看到的這些問題如何推進解決,如何基於數據運營售後服務的體驗等。

 

作者@紫闌     來源@37點2度體驗