先说说三个主流的客户主观感受指标，所谓主观指标是指用户主观意识下的感受。

一、用户满意度（CAST）

用户满意度一般是用来衡量用户对一款产品服务的整体满意程度，他是顾客感知到的质量与期望质量之间的差异。

差异的大小取决于顾客期望的服务与企业提供的服务的差异、企业内部的服务质量标准与顾客期望的标准的差异、企业的服务表现不符合服务规范三大方面。

实际操作过程，需要将用户感知的满意度进行量化，现在主流的量化尺度有5星量化、10分满意量化两种。一般通过电话或问卷的形式将事先设计好的问题送达客户，每组题目对应从“非常不满意”到“非常满意”的不同满意度。最后通过问卷里的满意度占比我们会得到一个0-100%的满意度评分，比例越高说明用户越满意，也说明在这个指标上你的产品或服务是相对成功的。

用户满意度是当前被普遍使用的客户感知测量指标，但是仍然存在以下缺陷:

一是存在偶然性。比如哪天客户心情不好了，可能就会莫名其妙的给低分评价。

二是与电话回访者强关联。我们注意到回访者有无诱导，回访的时间、地点，甚至是回访者对被访问者话中有话的理解都会对评价结果造成影响。

三是无法完美地通过企业的数据来预测和防患。

四是评价标尺不统一。当前每一个客户对满意的评价尺度差异太大，比如有的认为满意就是8分，而有的认为是10分。

2.净推荐值（NPS）

旨在了解用户是否愿意将这个产品推荐给ta的朋友。净推荐值的判定基本把用户划分为3大个群体：

（1）推荐者（9-10分）：产品的活跃用户，会热情的推荐产品给朋友

（2）被动者（7-8分）：对产品满意但忠诚度不高的用户，给个糖就会被竞争对手拐走的那种

（3）批评者（0-6分）：对产品明显不满意的用户

量化过程操作起来是这样的：通过“是否愿意将产品推荐给朋友”得到用户反馈，再辅以“为什么你选择推荐or不推荐？”进行纵向深入挖掘。这里记住一个公式：NPS值=推荐者所占比例-批评者的比例，推荐者与批评者的比例差越大，NPS值越高。

3.用户费力度（CES）

用户对产品的接受度以及使用成本高低。

量化过程操作是这样的：通过“你需要花多少力气去实现自己的需求？”设置难易度1-5个等级，得到用户反馈。

再说说常见的客观指标：

1.与感知有关联的业务指标

通过企业各类系统，关联出的与客户该指标相关联的业务指标。如宽带上网满意度， 量化为企业业务指标就包括网速、光猫、片障等等；比如直播/短视频满意度，可以用页面停留时长等作为企业业务指标进行量化。

客户感知指标是先导指标，与感知关联的业务指标是支撑指标，一定要找到与感知强关联的点进行设计，不建议用变量过多或关联度过低的目标去设计，设计的过程往往需要调用企业各个系统平台，通过大数据搭建模型的方式进行综合评估，这是一个循序渐进地、难度较大，且一劳永逸的环节。

2.核心流程的漏斗转化率

找出销售路径中的漏斗节点，通过设计改版优化提升的漏斗转化率。

比如一个电商的app，它的核心流程正常是在于用户的购买下单流程。我们把流程路径梳理出来就是：点击商品卡片，点击购买，选择物品详情，确认订单支付方式，选择跳转支付支付成功提示。看似简单的一个流程操作实则有7个漏斗节点，每一个节点都可能漏掉用户，到最后看到支付成功提示的就是漏斗尖尖剩下的用户。

比如用户购买VR眼镜，他的核心流程是体验+购买下单流程。我们锁定没有目的进厅的用户，体验路径梳理出来就是：去营业厅，看到宣传单，听到解说，引发兴趣，顺便体验，感知良好，打听价格，购买，体验的流程8个漏斗节点。这个环节的关键偏向好的体验和停留时间，引发客户去购买。

该案例换个场景又能够得到不通的体验路径，我们锁定缴费用户，体验路径梳理出来就是：缴费柜台，看到宣传单，听到很简洁的解说，价格实惠，缴费时顺便拿走。这个环节的关键偏向价格实惠、便捷。

漏斗的具体数据可以很明确的告诉你哪个节点出的问题比较多，有的是使用第三方统计工具，有的是有自己的内部系统数据。