在互联网人口红利不断下降的情况下,留住产品的存量用户愈发重要。而互联网产品获取用户反馈和产品使用情况的方式还比较传统,当一个用户遇到互联网产品使用的bug和遇到购买一辆汽车在使用中发现问题反馈流程和时间基本相同,都会是找客服,客服先用机器人陪你玩会,然后就是记录问题,漫长等待,不催不回,不了了之。互联网产品不同于传统产业产品,用户选择替换成本不大,除了几个国民级别APP。
汽车具有百年发展历史,至今也无法保证每一辆车出产都不会有问题。更何况互联网产品经过短短这一二十年的发展,哪款产品还没个bug呢。但是我们在用户遇到问题的处理方式一点都不“互联网”,还需要一个漫长的流程。现在获取信息的方式都从几年前用户主动搜索,到今天feed信息流和短视频推荐了,那我们在质量保障和服务质量上能不能也智能一把,让用户在使用产品遇到问题时候的愤怒,变成主动发现问题并提供解决问题方法,让每一次问题变成一次产品主动touch用户的机会,也让用户切实的感受到产品的温暖。
从质量保障维度来看,在当今互联网产品快速迭代的背景下,对测试工程师考验非常大。首先,国产手机的新机发售速度对兼容性测试工作带来非常大挑战;其次,产品功能及技术框架越来越复杂,每次迭代评估范围越来越大;所以将方方面面都测试回归到位,在短时间完成的可能性不大。尽管很多产品已经采取灰度发布的方式来降低bug对用户使用的影响,但不管是灰度还是全量,出现问题无论是少量还是全量用户,影响还是实实在在的发生了,这些用户依然有选择离开的可能。
基于此笔者大胆提出了一种测试方向----用户质量画像。不同于现在流行的用户画像,从用户的物力属性和行为属性来收集数据,质量画像更多是从在用户遇到产品使用问题时候对数据的收集。如果说一个产品一个功能的发布是让用户“能用”,那么产品或功能的质量就是让用户觉得“好用”或“耐用”。如何建立用户质量画像笔者认为有如下几个方面:
收集用户在遇到问题场景下的数据
收集数据主要分两部分:一是主动收集,在app的客户端,前端,后端建立统一的质量打点,能够通过打点数据判断出是网络问题,还是bug,还是其他问题;二是被动收集,在用户反馈,截图分享等行为收集用户上报的问题。
分析用户质量数据
上面通过主动和被动的收集用户质量数据后,要有能力分析出问题的原因。这对目前互联网测试工程师有一定调整,数据分析能力之前被认为是一种专业能力,未来任何一名互联网从业者应该都具备专业的数据分析能力。从数据到问题本质还有很长的路,单纯的从数据表明分析无法发现问题本质,甚至有时还得到了相反的结论。
建立帮助用户渠道
当我们发现问题并能够解决时,怎么让用户感知呢?现在产品中发现了问题都是默默的修复了,在版本更新日志上也淹没在“修复了部分bug”这种无意义的文案里。这时就需要一个能够touch用户的渠道,无论app内推送,还是短息的方式,都未曾在质量问题上使用过。大家想象下如果我们修复了一个问题给用户发这样一条消息:“您在过去使用我们产品的时候遇到了一些问题,,今天已经上线优化了,您在使用产品的每一次问题我们都未曾忘记”。当用户收到这样的信息,无论还是否使用产品,他都有想看下你们这问题是不是真的解决的冲动。
用户质量画像的建设不仅仅限于以上几个方面,后续有空会详细写写每部分具体的实践,也欢迎对此感兴趣的读者一起探讨。