周助 蚂蚁质量 AnTest | 作者
前言
支付宝商家体验主要针对商户反馈的痛点,在各大站点部署了商户反馈组件,重点反馈质量建设,不仅在质量分层活动中的用户体验保障层,有了打点的产品和应用场景,解决商户反馈问题,另一方面,也是在整个定义问题、分析问题、解决问题的一次较好实践,把质量技术真正当做一个业务来做。文章源自玩技e族-https://www.playezu.com/239616.html
再次面对体验的课题,以及有一定基建的基础上,如何定义问题,并做好相应的解决方案,如何从 1 做到 1.1。这里老生常谈 “定义问题”,因为不论是技术还是业务,首先要回答的是 “你要解决的问题是什么”,支付宝首席架构师墨颜也提到 “架构师最重要的能力就是定义问题”,要不停的追问和思考,当把问题有了一个全面清晰的认识之后,后面很多的设计工作就是自然而然。文章源自玩技e族-https://www.playezu.com/239616.html
文章源自玩技e族-https://www.playezu.com/239616.html(定义问题的 SMART 原则:S:具体的;M:可衡量的;A:能落地的;R:相关的;T:时间性强的,有限制的)文章源自玩技e族-https://www.playezu.com/239616.html
文章源自玩技e族-https://www.playezu.com/239616.html背景
图片文章源自玩技e族-https://www.playezu.com/239616.html
上图是去年分析出来的业务痛点,针对商户侧反馈组件无部署、反馈问题分发及分析效率低下、反馈无回复及触达能力的三大痛点问题,建设了相应的产品能力,在商家反馈的业务上,解决了部分商家体验问题。文章源自玩技e族-https://www.playezu.com/239616.html
今年,再次面对这个课题,如何跳出来已有的业务模式,重新审视这个课题,如何推导出从 1.0 到 1.1 的演进,也是一次很好的对 “定义问题” 的实践。文章源自玩技e族-https://www.playezu.com/239616.html
定义问题
范围聚焦
“聚焦要去定义问题的业务与边界”文章源自玩技e族-https://www.playezu.com/239616.html
体验这个话题比较大,会涉及多个角色,绝不是光一个反馈质量就能涵盖的,也绝不是光靠质量一方 f 就能闭环解决的。与其在一个比较大的话题中纠结,不如缩小 scope,跳出来看,质量角色在体验的这个业务中,到底应该承担什么样的角色?解决体验的什么问题?这个是需要迫切回答的。文章源自玩技e族-https://www.playezu.com/239616.html
类比到技术风险业务领域,当把研发和业务 PD 的角色 involve 进来后,梳理得到关系图如下,在体验的业务领域中:
●PD 往往承担着产品决策者和发动者的角色,他们需要知道客户在哪里,客户在使用产品时遇到了哪些困难,哪些问题紧急度高,进而决策推进产品优化;
●研发负责优化修复产品体验问题,并且在产品有多种解决方案的情况下,提供最小成本验证能力;
●质量角色更应该聚焦在自己的专业领域,在产品体验中铺设效果防护网,接轨产研,建设商家产品的度量体系,数据化、科学化的度量产品优劣,需要回答产品的体验问题到底有哪些,用户在使用产品时遇到了哪些体验问题,将这些信息输出给 PD 辅助决策,并且在实验推进时提供强准出卡点
整个闭环机制,共同推进产品迭代由报表型产品向决策型产品演进,可持续优化,以不断满足快速变化的业务需求。
“若无法衡量,则无法优化”
明确聚焦的业务与边界是第一步,质量侧在商家产品体验中明确要解决的问题是度量体系,通过度量,驱动产品体验提升。
识别问题
“全局视角看业务,找到矛盾,找到问题”
如何去回答产品的体验质量到底怎么样,根本还是得回归到客户本身,毕竟产品是给客户使用的,客户的使用感受就代表了产品体验质量,就像饭好不好吃,吃饭的人最清楚。
去年,我们在支付宝商家域的各大站点上部署了反馈直通车,寄希望于商家把产品体验反馈给我们。但是我们不停追问,商家在使用支付宝产品时,如果遇到糟糕的体验,都会走直通车反馈给我们吗?回答这个问题,需要再往外跳一层,重新审视下当商家遇到体验问题、对经营助力有限、有竞对更优选择的时候,行为都会有哪些:
可以看到,反馈仅是其中的一种行为,还有更多的商家忍受了操作效率低下、流程中断、低频使用甚至不复访、转向竞对等行为,而针对这部分商户往往缺少有效的监测预警手段,并不会通过直通车反馈给我们,这就是其中的矛盾。虽然支付宝拥有上亿的商家,但是除收单外,高频使用商家服务(31 天内点击商家服务的天数>7 天)的商家仅占比 x.38%,而有大量的商家对商服产品矩阵尚未形成固定心智,对这部分商户的检测、预警及分析能力缺失。
另外,反馈直通车本身是个 1.0 的版本,经过大半年的运营与迭代,沉淀了大量的业务数据,通过这些数据的下钻分析,以及商户和 PD 的采访沟通,可以挖掘出来业务产品当前运行的问题,从而一一解决。
“不停追问,问题到底是什么,scope 是否覆盖的全”
看似一个 1.0 到 1.1 的课题,通过挖掘商户行为模型,不停的追问,会发现还有很大一片领域没有 cover 到,需要跳出来,全局看业务,重新定义问题。
问题细化
“从抽象到具象”
有了上述明确的职责范围以及要解决的问题,如何落地成具体可解决的问题。根据上述分析,建设商家产品度量体系,要分两条腿走路,一条是主动发现和分析效果问题,另一条是被动商户反馈。
主动发现:
主动发现也是从两方面入手(如有更好建议,欢迎补充),一个是从产品本身层面入手,主动发现产品本身能力的不足;另一个是从用户层面入手,主动发现商户使用产品时的糟糕体验;
1、产品本身能力的不足,再往下细化一层,可以从主观和客观两个维度来发现
主观:
由不同的人体验产品后,总结出来的产品体验问题。但是要注意,这不是一个明确的、可解决的问题,是一个到达路径,在这个路径中,存在如下问题
■专家经验沉淀不足
■体验产品需要的资产数据构造成本高,商家类产品走查时多需要如 营业执照、商家等级、商家门店等数据
客观:
主观评测只能解决产品本身体验的好坏,是体验者的主观感受,但是无法回答跟市面上其它产品间的差异,无法知道我们的产品体验处于市场中的一个水位,具体拆解为如下问题
■同类产品竞对分析,如 产品的收费费率差异、入驻的门槛要求差异 等
■竞品变更检测,如 实时感知竞对的产品上新、变更 等
2、用户使用时的糟糕体验,再往下细化一层,可以拆解为数据和监测能力两部分
防御性指标
在目前产品数据化运营的体系中,往往关注正向的业务指标,如 点击率、转化率、PV/UV 等,而对涉及用户体验的防御性指标,如白屏率、成功率、打扰度、流程效率、复访度、操作耗时等,而用户使用产品时遇到上述体验问题时,都会反馈到这些防御性指标上,该维度主要是作为效果防护网,和产品策略指标 merge 形成 B 侧产品矩阵的完整指标体系。
体验监测
有了上述防御性指标,需要再进一步回答如何通过指标数据的计算,提炼业务产品特性,将体验 badcase 召回,并能结合商户特征、产品特征、业务变更,汇总业务产品、动线,将波动归因、异动情况分析、趋势,通过产品化视图的方式展示。
被动反馈:
被动反馈基于去年的产品直通车,是个从 1 到 1.1 的过程,这个过程最好的方式就是通过数据化分析及用户访谈的路径,来重新定义问题:
图片
1、反馈数据质量低
低质反馈数据类型 | 商户反馈具体 case | 占比 |
---|---|---|
咨询类问题 | 比如反馈"怎么开票","如何开通花呗" | *% |
产品体验 | 比如"支持账单下载格式" | *% |
功能问题 | 比如"账单延期,查看不了"等 | *% |
低级、无效问题 | 比如"花呗是骗钱的","请尽快处理"等 | *% |
原期望用户能通过文字 + 截图的方式描述反馈建议,但是从历史收集到的全量商户反馈来看,不少商户反馈的数据描述不清,缺少关键结构化信息,导致后续问题分析及处理的阶段效率低下,甚至无法处理,需要与商户进行多轮沟通交互,降低整体效率。
2、处理率/时效低
问题原因 | 分析路径 | 具体说明 |
---|---|---|
咨询类反馈占比多 | 数据分析 + 线下采访 | 咨询类问题占比 *% |
反馈问题集中在头部产品 | 数据分析 | top3 产品积累的问题占比 *% 以上 |
PD 资源精力有限 | 线下采访 | 日均处理 * 个 |
反馈数据质量 | 数据分析 + 线下采访 | 反馈问题质量低,低级、无效占比 *% |
重复问题 | 数据分析 + 线下采访 | 相似问题占比 *% |
分发精准度 | 数据分析 + 线下采访 | 已处理问题,存在工单二次转派占比 *% |
下游业务问题 | 数据分析 + 线下采访 | 以风控为例,占比 *% |
直通车建立了商户和 PD 之间的直达通道,形成了商户反馈的跟踪、流转、处理机制。但是随着产品的运行,处理率及处理时效逐步下跌,通过系统数据下钻分析和线下采访产品经理,总结原因如上。
3、感知度弱
| 指标 | 定义 | 数据 | 分析 |
| -------- | -------- | -------- | -------- |
| 组件红点点击率 | 红点消除数/红点总数100%|%| 回复未触达商户,未感知;触达商户,移动端查看不消除红点 |
| 移动端通知曝光率 | 曝光条数/发送总数100%|%| 触达商户消息模板采集曝光率数据,曝光存在转化漏斗 |
| 移动端通知点击率 | 点击条数/发送总数100%|%| 触达商户消息模板采集点击率数据,曝光及点击存在转化漏斗 |
| 反馈评价率 | 反馈评价数/问题完结数100%|%| 待评价未触达商户;商户评价意愿低;|
去年建设了 PC 组件内红点通知,以及移动端触达,旨在解决 PD 处理后触达商户的时效,但是通过数据分析来看,整体感知度仍然偏弱。
“剥洋葱法,由外向内”
将大的抽象问题,逐层拆解,直到问题细化、可解决。
升级思考
“以客户价值为核心,全链路推演,是否解决用户问题”
上述看似已经得到了今年要去解决的具体问题,但是还需要进一步升级思考,不断追问自己,是不是解决了这些问题后,就能提升商家体验?
很显然,并没有。
再次回到定义问题的第一步,范围聚焦,会发现上述定义出来的问题,仅是聚焦在商家产品度量这一个模块上,解决的都是体验度量的问题,而我们跟研发最小成本验证能力和产品决策机制升级之间的链接,还缺少,需要补充这两个链接以商家体验优化的三角形闭环。为此,又看到如下两个问题:
●问题闭环:
不论是通过主动发现,还是被动反馈,在经过系统数据和算法能力处理,识别出了体验问题、优先级、甚至推荐方案后,终归是要靠产研优化解决的。因此,需要一套工单系统,来解决问题的闭环;另外,还需要持续地给商户以反馈,让商户能感知到我们的产品在逐步的优化,进一步增加商户对支付宝的信心和参与度。
●防御性指标形成产品决策:
正如上述分析的,防御性指标需要纳入产品数据化运营体系中,但是,如果只是作为体验度量大盘,还是比较偏事后。借助 “测试左移” 的思想,需要在事前/事中的环节设置相应的质量策略,更多的将体验问题拦截在产品全量上线前。在升级后的决策型产品,多种产品方案灰度实验期间,防御性指标需要对接实验准出策略,在实验阶段添加效果防护网。
“以客户价值为核心,解决客户问题”
商家体验这个课题,商户核心诉求是产品的好用、易用,最终提升经营价值,质量侧重点通过主动和被动两种手段,建设产品度量体系,但是也要看到跟能力优化、实验准出之间的衔接。
建设思路
有了明确的定义问题后,今年的建设思路也明晰起来,这部分主要分两块简述:场景圈选、解决方案
场景圈选
“大处着眼,小处着手”
项目要成功落地,得先选择一个合适的场景握手,逐步进行能力打磨后,推广全量支付宝商家产品。
我们选择收单商户为圈选人群,收单动线为目标动线,其思考如下:
●动线清晰:涉及签约、物料、收单等产品,并且动线上产品顺序性及逻辑性强;
●用户面广:尽管当前支付宝在向数字化转型的过程中,但是基础的收单产品仍是支付宝商家日常最频繁使用的;
●收益率大:基于上述,收单动线上的产品体验优化,可以让收益率最大化。
整体以收钱码商业版为标杆场景,进行贴合业务的能力及指标建设,其思考如下:
●业务重要性:重点项目,不仅是监管合规,更会对当前整个商家分层运营体系进阶,在市场中支付份额占比起着举足轻重的角色,影响面重大;
●新产品:商业版是新产品,其体验决定了商户对产品的第一印象;
●竞对狙击风险大:受监管影响,微信也会在同期发布其收款商业版,对腰部平台运营型商家的争夺会异常激烈,尤其是在 入驻门槛、费率、差异化服务 的比对分析能力缺失;
●基础设施相对完善:移动端的埋点及框架相对完善,便于指标采集。
解决方案
针对整个产品上线的流程,我们在原有的产研业务流程中,补充嵌入了蓝色部分的体验防护网:
产品构思阶段
重点识别产品体验问题,通过细分评测方法、可选组合沉淀评测模型,并供给客观数据分析结果及评测资产,支撑挖掘产品体验及竞对狙击问题,对产研的正向产品需求形成互补;并通过资产池、评测工具的赋能,提升主观评测效能及复用性。
产品研发&实验阶段
沉淀防御性指标体系,其数据模型可以参考总结的这篇文档,主要供给快速接入的指标组件,并对接商家产品的实验准出能力,形成产品体验防护网。
产品运行阶段
重点通过数据能力,识别运行时的产品体验问题,形成商家产品体验观测大盘,进行相应的诊断分析,再通过后置的问题处理模块解决,建设 数据-->问题-->人 的业务模式,数据驱动产品体验提升。
技术架构
简介
沉淀商家产品度量体系,依托数据和算法,识别体验问题、推荐改进方案,数据化驱动支付宝商家产品的体验优化,并给商户反馈,提升商户满意度及经验价值;重点从主动指标评测和被动商户反馈两条通道发现问题,体验数据纳入产品决策能力。
核心能力
体验监测:
根据下层供给的防御性指标、业务变动、产品特征、商户特征等数据,建设产品体验模型,通过算法模型,支持异常感知、波动分析、影响面预测的分析能力,通过商户动线的维度沉淀可视化大盘。
防御性指标:
基于商户使用产品遭遇差体验的行为模型,构建商家产品的规模化防御性指标体系,包含可用/好用/经验价值指标、反馈数据、竞对数据,为体验模型提供基础,能结合产品及动线透出并下钻。
工单能力:
基于商家服务库及产品星球,对挖掘出来的体验问题路由到对应的角色,结合问题影响面,通过工单系统提升高优问题的解决率和时效,并及时触达商户,挽回因体验问题而导致的沉睡商户及流失商户。
展望与思考
总结
今年,再次面对体验的课题,在去年的基础之上,原本以为是个 1.0 到 1.1 的过程,通过不断的范围聚焦、问题识别、问题细化、思考升级,重新定义了问题。
首先圈定了质量侧在体验的课题中负责的核心问题,通过之前的 “把质量技术当业务来做” 的实践,定义了主动发现商家产品体验需要解决的业务问题;通过精细化的数据分析及走访,定义了已运行一段时间的反馈直通车今年需要解决的业务问题。最后,再次回归客户价值,又定义和产研之间的环节衔接问题。
展望
我们不断追问,一次次否定自己,跳出来看全局。希望在本次升级中,除了工程链路的升级外,完善商家产品数据化运营体系,要让数据成为决策的主要依据。更多结合算法及 AI 的能力,进一步系统化地解决产品体验问题,而非单点解决;并且通跟研发和产品打通整套闭环机制的建设,让产品从商家角度出发,以商家价值为导向,而非上线为终点。
去年,还有一点不足的是架构视野的拓展。今年,除了跟产研的联动,在规划的技术架构中,还惊喜的看到部分模块,BU 内外已经有较为成熟的产品或团队也在做类似的事情,比如 工单系统、外网数据采集、数据洞察分析 等,这些能力的开放与集成,会为今年商家体验的落地大大加速进程,我们站在巨人的肩膀上,重点建设商家业务的域特色能力,共同拿到结果。
思考
随着认知和定义问题能力的升级,我们看到了更大的业务 scope。但是否还有更多隐藏在冰山之下的部分,我们也在持续探索,也欢迎大家抛砖引玉。