Владислава Епифанова написала о настройке каналов сбора обратной связи от пользователей.

— ОС помогает узнавать о пользовательских проблемах и быстро исправлять недостатки и находить идеи для улучшения продукта;
— Один из каналов — опросы в сервисе;
— Полезными оказались точечные опросы после релизов для определённых сценариев. Когда задача переходит в разработку, на встрече с проектировщиком и аналитиком можно узнать, какие есть сомнения, что хотелось бы узнать о пользователях или сценарии, и решить, нужен ли опрос, выбрать место для размещения в сценарии и так далее. Опрос позволяет узнать о недовольстве и быстро исправить замечания;
— В техподдержку приходит много ОС, поэтому работу с ней надо автоматизировать. Полезные отчёты: 1) Топ знаний по количеству обращений за месяц и их общее количество; 2) Общая сводка по всем знаниям;
— Важны аномалии в конкретном месяце и динамика знаний, попадающих в топ-5 обращений. Их можно сопоставлять с релизами. Из этого вырастают задачи на исследования;
— Комментарии специалистов техподдержки были расплывчатыми, тяжело было понимать проблемы. Добавили обязательное поле «Описание проблемы» для четырёх знаний, данные которых больше всего интересовали;
— Также, чтобы конкретизировать ОС, пришлось доработать анкету, которую заполняли в отделе активации (работают с теми, кто недоволен сервисом или купил, но не пользуется) при общении с клиентами;
— ОС от отдела продаж решили добавлять в виде инцидентов, с которыми работают специалисты техподдержки. Оттуда она попадает в беклог или напрямую команде (если доработка срочная);
— При этом описали критерии, которые обязательно надо указывать: данные клиента и чек за год, описание задачи или проблемы, как сейчас справляется с проблемой, как часто с ней сталкивается и так далее. Что-то может указать специалист по продажам, что-то — техподдержки;
— Этот канал обратной связи сейчас один из самых эффективных;
— Лучше не браться за всё разом, а идти поэтапно;
— Пробуйте разные каналы ОС для своего продукта. Универсальных решений нет.

#research #feedback

Даниэль Виленчук написал о категоризации фидбека.

— Вы начали собирать обратную связь от пользователей и получили таблицу с 3000 отзывами. Как с ними работать?
— Удалите отзывы без текста. Они могут занимать до половины таблицы;
— Практика показывает, что из отзывов короче 10–15 символов почти невозможно извлечь инсайт. Можно отфильтровать таблицу, бегло просмотреть отзывы короче 5 символов и удалить бесполезные. Повторить для 10, 15 и 20 символов. Так очищается не меньше трети документа;
— Отсортируйте отзывы от А до Я. Самые первые, скорее всего, будут мусорными: состоять из цифр и случайных символов;
— Далее по ключевым словам определите родительские категории, например, сценарии («Оплата и промокоды», «Авторизация») или типы пользователей («Покупатели», «Продавцы»);
— По типу возникающих проблем определите дочерние категории: «Оплата и промокоды / Просроченный промокод»;
— В первый раз придётся самостоятельно идти по отзывам, придумывать категории и расставлять их вручную. Так вы познакомитесь с языком ваших пользователей и сформируете набор ключевых слов, по которым отзыв можно отнести к той или иной категории;
— Проставленные категории дадут статистику, какие проблемы вызывают больше обращений пользователей, и позволят работать с фидбеком точечно, передавать конкретным командам;
— Категории и ключевые слова сохраните для категоризации будущих отзывов.

#feedback