关于体验管理的几点思考
体验管理赛道如火如荼，国外SurveyMonkey、Medallia、Qualtrics、Usertesting等公司相继上市，国内唐硕、数字100、倍市得、云听等公司也纷纷投身入局，各大互联网头部公司也早早开始部署公司内部的体验管理战略，众多传统行业企业也相继开始开展体验管理工作。2021年体验设计工具研究数据显示，互联网公司、咨询公司以及传统行业公司中已经开展了体验管理工作的公司比例均在85%左右。
数据来源：《2021年中国互联网行业体验设计工具趋势研究》
但体验是的一种主观感受，是用户在使用一个产品、系统或服务之前、使用期间和使用之后
的全部感受。公司的品牌、网站、系统、产品、服务、营销活动、线下门店等等各个环节的用户触点都会是用户体验的影响要素，面对如此复杂的情况，体验管理的边界是什么？内核又是什么？接下来我将结合自己开展体验管理工作的相关经验，谈谈我对于体验管理几方面的思考。
01 
如何理解体验管理
▼
顾名思义，体验管理即为对体验的管理，既可以是用户的体验，也可以是商家的体验、供应商的体验、经销商的体验，合作伙伴的体验，还可以是内部员工的体验。但无论是哪类角的体验，都是一种主观的情绪感受，都会受到多个环节、多种因素的影响。
因此，对于一家公司来说，体验的提升和优化也势必涉及多个部门团队的工作协同，需要从宏观视角、从战略视角对“整体”体验进行管理，充分分析并把握用户与公司产品或服务接触的每一个触点环节，聚合和分析全渠道、全流程的体验数据，洞察用户痛点、需求及偏
好，并以全链路整体体验提升为目标，通过各部门团队的协同，不断改善公司产品或服务的触点体验，从而为用户提供系统性价值交付，为企业提供持续性增长动力。
01 
为什么要做体验管理
▼
首先，从体验提升的宏观价值视角来说，提升用户体验是企业在流量红利逐步消失、行业竞争日益加剧的宏观背景下，继降低成本、提升效率之后实现业务增长的共识性举措。实施体验管理有助于提升用户满意度、忠诚度；有助于提升品牌口碑、品牌影响力；有助于促进用户增长、商业目标达成；有助于促进产品创新、营销创新以及企业升级。
其次，从体验提升的工作开展痛点来看，现阶段国内体验管理仍处于刀耕火种期，虽然越来越多的公司纷纷入局，但多数只是停留在散点式、被动性的体验需求研究、体验问题收集及优化、用户反馈及态度采集上，缺少对体验的整体性管控能力，因此在开展体验提升工作的过程中往往会遇到以下困境：
1. 缺少统一的量化指标。各团队对体验的理解、当前的体验水平、体验影响的大小均不像转化率、用户量等业务指标那么清晰，所以团队之间缺少统一的体验语言，导致体验提升工作的推进成本远高于更明确的业务目标提升工作。
2. 传统体验研究分析的周期长，时间跨度和体验触点的覆盖范围有限，导致体验优化工作难以适应现有产品或服务的迭代更新节奏。
3. 体验分析与体验优化有脱节现象，未形成完整的体验提升进度跟踪保障机制。
4. 公司同事体验意识参差不齐，缺少统一的体验文化引导。导致先上线后优化的不良模式盛行，增加了用户首试体验受损的风险，增加了体验挽回所需付出的成本。
因此，开展体验管理所能带来的直观可见的价值是能帮助我们解决以体验提升为目标的各项工作的难点，提升各项工作的效率。同时，从体验管理的长远价值来看，开展体验管理可以提升企业竞争力，促进整体商业目标达成。
01 
怎么做数据分析体验管理的通用模型
▼
结合国内公司在体验管理工作开展上的主要内容，大致可将体验管理工作分为三大类：
1. 数据采集为主的研究执行，即诊断用户使用产品或服务全链路上的体验现状和问题，为体验优化提供方向指引；
2. 体验优化为主的机制建设，在公司层面建立规范的流程或机制，保障体验优化工作顺利开展；
3. 体验管理工具或系统建设，结合公司体验管理需求，依托现有体验分析及优化的工作流程、机制，设计开发体验管理工具或系统，提升体验管理的系统化能力。
数据来源：《2021年中国互联网行业体验设计工具趋势研究》
综合现有各公司所开展的体验管理工作内容以及我们现有的工作实践，我将体验管理工作的具体内容按照覆盖范围分为三层结构：数据层、系统层和运营层。
图1. 体验监测管理体系
每一层级上都有对应的工作目标和工作内容：
数据层：建设体验数据，量化体验水平，追踪体验变化。
图2. 体验监测数据示例
做体验的监测管理，首先我们需要看到它，并且能及时的掌握它的现状和变化情况，这样我们才能针对现状去分析判断我们应该怎么提升它，改善它，才能针对变化情况来分析、判断、衡量我们所做的提升和改善措施是否有效，才能不断沉淀经验方法，在体验提升的台阶上逐级而上，而不是原地打转。
但正如前文所述，体验是用户的主观情绪感受，无论是对单个用户的情绪感受的测量方法，还是对整体用户主观情绪感受数据的收集技术都不是很成熟，所以，体验数据不像运营数据或财务数据那么容易追踪和衡量。
在这样的背景下，我们首先需要到那些可以直接或间接反映用户情绪感受的数据，构建收集渠道来收集可以反映用户情绪感受的数据。
那这类数据都有哪些呢？结合用户体验度量的数据维度来看，大概可以将其划分为两类：用户自我报告式的主动反馈类数据和系统埋点收集的客观行为类数据。
自我报告式的主动反馈类数据主要有满意度评价（CSAT）、推荐意愿（NPS）、客户费力度（CES）等反映整体感受的数据，以及用户通过客服或在线反馈等渠道针对特定问题的反馈数据。此类数据主要通过直接询问用户或用户主动反馈的方式来采集。
系统埋点收集的客观行为类数据主要是用户与产品或服务的交互过程数据，比如App的整体使用频率，使用时长，App分享率等，以及重点功能或页面的点击率、转化率、跳出率等。此类数据主要通过系统后台自动记录来采集。
为了能更精细化的对体验状况进行分析，也可以增加一些体验水平分析的辅助型数据，比如用户的性别、年龄、会员等级等特征类数据。以便我们看到整体体验水平有所变化时，能具体的分析出是哪个体的变化导致。
系统层：构建体验管理系统，承载体验数据，提效体验运营。
图3. 体验监测管理系统界面截图
体验监测管理体系的中间层重点在于系统的建设。这主要是因为：