舆情监测与客户体验

一个热爱码代码,同时又喜欢BB产品的程序猿小哥哥
文章来源: 陈同学| 舆情监测与客户体验

前几天写了篇博客 腾讯云数据盘引发的产品思考 ,分享了购买云服务器时一个不方便的小点。

14号凌晨在CSDN发帖,14号晚上(周六) 约九点,腾讯云人员便已找到我,详细了解了情况,阐述了他们的解决方案。

这种做产品方式令人震撼,一天时间内发现了某个博客一篇阅读量几乎为零的帖子,利用博客信息迅速找到用户,并解决问题。

由衷的佩服他们做产品的态度、思维、行动的高效,也刷新了我对于收集客户体验方式的认识。

收集客户反馈的传统方式

生活中,我遇到过收集用户反馈的方式有这么一些:

  • 各类生活消费平台提供的用户评价功能
  • 电商购物时在货物中添加一个反馈小卡片,拍照上传可以返现几块钱
  • 银行、政府机构等柜员服务,在用户面前放置一个评价设备,用户按一下选择“满意” or "不满意"即可
  • 通过问卷形式收集(方式多样,例如:服务结束后让客户立马填写;街头随机调查;问卷星之类的网络调查)
  • 语音服务后对通话满意度评价,常见于各类电话客服
  • 电话回访
  • 软件、平台等提供的在线反馈渠道,例如:即时通讯客户工具、工单功能、邮件反馈等

这些方式大家都习以为常,中规中矩,效率也比较低,用户往往趋向于在自己熟悉的地方(例如:朋友圈、博客、微博等)进行吐槽,然后不再消费同类服务。毕竟谁也没有义务帮助商家做的更好,同时与商家沟通也会带来时间成本。

利用舆情监测收集客户反馈

随着科技进步,各行业都在不断的被颠覆,甚至降维打击。

腾讯云关于客户反馈的流程?

他们处理客户反馈的流程,我是这么猜测的:

  • 分析客户的反馈渠道
    购买云服务器的往往是技术人员,因此可能混迹于各类技术资讯平台,例如:InfoQ、CSDN、简书、开源中国、SegmentFault、公众号等
  • 进行舆情监测
    利用产品对应的关键字(例如:腾讯云、阿里云等)获取用户反馈渠道中的数据,利用词性规则自动识别负面反馈,每天定点汇报到特定人员。
    大厂获取数据非常方便,无论是爬虫获取、API合作等等,确实有实力做这个事情。
  • 人工初审
    每天人工审核收集到的数据,如果需要介入,转相关部门直接处理。
  • 定位客户
    通过收集到的数据定位客户,这个下一个小段专门分析。
  • 联系客户,解决问题

如何根据数据定位到具体客户?

客户反馈必然会有主体信息,例如:我在反馈时就说明了购买的服务器配置。

那起码能分析到这么几个维度的数据:

  • 哪个用户
  • 在什么时候(往往和反馈信息产生的时间非常相近)
  • 购买了什么服务or产品(反馈时往往用户会说明)
  • 做出了什么反馈(真正有用的东西,可以帮助公司不断完善服务或产品)

关键是哪个用户,怎么定位呢?

首先,大家反馈信息时可能会暴露这些个人信息(别忘了一个人往往除了反馈信息还有很多其他历史数据也在一起):

  • 账号(现在基本是手机和邮箱)
  • 头像、昵称
  • 位置、IP

基于以上信息再关联购买的东西,如果有强大的技术团队+相关内部系统支撑,找到用户就不难了。

为什么腾讯云有如此棒的体验呢?

这么多的产品,为什么产品体验却千差万别?以云服务为例,稍做分析:

  • 云服务市场竞争十分激烈
    当前国内阿里、腾讯、百度、华为等大厂以及若干小厂,国外如亚马逊都在大力发展云服务。在如此激烈的竞争环境下,谁的性价比高、谁的服务好成了消费者关心的问题,也是商家极力解决的问题。当前2B的不在此列,更多靠销售资源。
  • 公司体制影响
    残酷却收益诱人的KPI考核、公司的产品氛围、公司的综合实力等因素都可以驱动相关人员想尽一切办法把产品做好,就像这次我自己的经历一样。
  • 利用技术变更传统方式
    这次的利用资讯信息收集用户反馈,也算是刷新了我的认知,学习了。这是个例子,舆情本身还具有更多的场景,自行YY把。

你还有隐私吗?

这次事情是件细思极恐的事情,虽然这次事情和隐私无关,是腾讯内部正常的产品运营流程。

但是抛开这件事情不说,也就是说个人在网络上随意冒个泡,如果必要,就能像特朗普先生的导弹精准打击叙利亚(纯属玩笑)一样,也能立马找到个人。

现在Facebook还处在隐私危机之中,期待国内对于个人信息的保护能做的越来越好。

©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 214,837评论 6 496
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 91,551评论 3 389
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 160,417评论 0 350
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 57,448评论 1 288
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 66,524评论 6 386
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 50,554评论 1 293
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 39,569评论 3 414
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 38,316评论 0 270
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 44,766评论 1 307
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 37,077评论 2 330
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 39,240评论 1 343
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 34,912评论 5 338
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 40,560评论 3 322
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 31,176评论 0 21
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 32,425评论 1 268
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 47,114评论 2 366
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 44,114评论 2 352

推荐阅读更多精彩内容