Diagnóstico y optimización de la experiencia del producto logístico

Hay 10 artículos en este tema, que incluyen alguna exploración y experiencia práctica del enlace básico de la aplicación Taobao en el campo de la ciencia de datos de la experiencia del usuario (incluidos detalles comerciales, logística, rendimiento, noticias, servicio al cliente, viaje, etc.) en el último año Este artículo es el tercer artículo de este tema.

La extracción de factores de toma de decisiones del usuario en función de las líneas de movimiento del usuario y VOC en la página de detalles comerciales mejora la experiencia de navegación; la comprensión de la relación entre el tiempo de búsqueda de ayuda del usuario y el tiempo de estancamiento logístico real en el lado de la logística formula estrategias de expresión para mejorar la satisfacción del producto logístico; construye un modelo de correlación subjetiva y objetiva en el dominio de optimización del rendimiento para encontrar el número mágico de tiempo de inicio e indicadores de retroalimentación negativa para aclarar los objetivos de optimización; construye un sistema de etiquetado de VOC de múltiples fuentes para utilizar de manera integral el comportamiento del usuario y el conocimiento de VOC del usuario, estrategias de optimización de la experiencia de aterrizaje y resume un conjunto de la metodología de análisis de experiencia de usuario .

Este artículo es el tercero de esta serie, consulte los dos primeros artículos——

Parte 1: Metodología de análisis de la experiencia del usuario de Taobao

Parte 2: Aplicación y práctica de información de datos de VOC en la página de detalles de Taobao

conocimiento de los negocios

El servicio de logística es el sustento de la plataforma de comercio electrónico, se ejecuta a través de cada enlace en el viaje de compra del usuario, y la información de logística expresada al usuario en el lado del producto afectará directamente la base de toma de decisiones del usuario y la tendencia de recompra en Taobao. El siguiente es un extracto del sonido original de las quejas de los usuarios sobre la logística en la plataforma de experiencia Taobao:

"Han pasado 5 días desde el pago y la información de logística no se ha actualizado durante 3 días"

"¡Han pasado tantos días, es un problema de logística! ¡O el repartidor se lo tragó en privado! ¡No recibí los productos! ¡Quiero un reembolso! ¡Venga y resuelva el problema!"

"La logística no se ha actualizado, que molesto"

Cuando la información de logística no se expresa claramente y los usuarios no pueden resolver el problema rápidamente a través de la plataforma, causará una gran ansiedad e inseguridad para los usuarios y dañará la experiencia general de compra de los usuarios en la plataforma. A diferencia de la logística autogestionada, Taobao Logistics actualmente depende más de proveedores de servicios exprés de tres partes, como Sitong Yida, SF Express y Postal Service.La garantía de la experiencia del servicio de logística se basa en gran medida en la construcción colaborativa de roles de múltiples partes ascendentes y descendentes.

El equipo de productos de logística de transacciones de Taobao considera que mejorar la experiencia del producto de logística es una propuesta comercial importante, y el objetivo central claro es mejorar la satisfacción de los productos de logística de Taobao en un X%. Entonces, la dificultad del negocio se refleja en "¿ cómo diseñar una estrategia de expresión de producto de información de logística razonable y respaldar las capacidades de autoservicio (como las capacidades de servicio de órdenes de trabajo de logística) y administrar las expectativas de los usuarios en la mayor medida posible sin exceder el costo del servicio limitado, para aliviar la ansiedad de los usuarios sobre la logística? "

En este artículo, el autor presentará brevemente cómo usar el poder de los datos para ayudar a las empresas a ver la imagen completa de los problemas de experiencia, aprovechar las oportunidades comerciales y establecer estrategias de solución de productos razonables.

descubrimiento de problemas

▐ Clasificación comercial  

Combinando informes de investigación de usuarios y etiquetas de sonido originales de VOC de usuarios, clasificamos los tres vínculos comerciales principales de los usuarios antes de la compra, después de la compra y al revés, así como los puntos de contacto de los productos de logística y la experiencia principal de la opinión pública; clasificamos las diversas "torturas" que los usuarios experimentarán en las ocho etapas importantes de los servicios de logística: "envío-entrega-recolección-transporte-despacho-estación-cierre de sesión " . En respuesta a esta serie de problemas de experiencia, también analizamos las oportunidades para el negocio de productos logísticos de Taobao .

Figura 2.1 Panorama general del negocio de la experiencia logística

▐Diseño de indicadores  

Después de clasificar los problemas de experiencia comercial y los puntos de oportunidad, se necesita un conjunto completo de sistemas de indicadores para medir la experiencia y guiar y juzgar la prioridad de los problemas de experiencia.

Figura 2.2 Desmantelando la Pirámide de Indicadores de Experiencia

ilustrar:

NPS：净推荐值（总推荐者百分比-总批评者百分比），用NPS衡量客户忠诚度的前提是被调研的产品/服务对客户来说是可对比、可选择的。
CSAT：用户满意度，衡量用户对特定事件/体验的满意度，通常采用五点量表（非常满意、满意、一般、不满意、非常不满意）采集数据。
CES：用户费力度，衡量用户使用某产品/服务来解决问题的困难程度，通常也采用五点量表采集数据。
VOC：用户原声，通常指用户反馈的舆情、评价、咨询求助等。

如图2.2，通常我们会从NPS出发拆解指标，从用户调研相关指标拆解至VOC相关指标，从主观体验指标拆解至客观运营指标，最终形成一个业务域的体验指标体系。基于上述方法，结合图2.1业务大图我们梳理出物流体验指标体系，见图2.3。

图2.3 物流体验指标体系

物流体验指标体系，可以将定性的业务梳理转化为定量的指标衡量，指导我们量化体验现状，判断体验问题的重要程度和优先级。

▐  量化分析

用户研究报告：淘宝用户研究团队会定期发布关于物流整体NPS的调研，但下拆到物流产品信息表达层面无法用NPS衡量。因此，我们跟用研合作产出《手淘物流表达满意度调研报告》，从CSAT（用户满意度）层面开始分析，图2.4是调研结果，确定满意度基线为X%。向下拆解用户不满意的原因中，物流异常、未按时发货是影响物流产品满意度的核心问题。 

图2.4 淘宝物流表达满意度研究报告

场景化调研：但对于主动调研的数据，由于依赖用研问卷的投放与报告产出，存在投入成本较高、产出周期较长等问题，我们需要有更及时的主观数据采集工具。因此，我们还重点引入场景化满意度调研能力，针对物流异常的场景在物流详情页设计调研入口并投放场景定制化问卷，解决了及时、精细化采集主观数据的问题。具体产品形态见图2.5。

图2.5 物流场景化调研入口及问卷

通过物流异常场景的精细化数据采集和调研分析结果，如图2.6所示，可以发现：物流信息长时间不更新，且不知道原因、物流出现异常的时候，没有及时告知，是物流异常场景下导致用户体验不好占比最高的两个原因。

原声分析：进一步，通过CCO物流求助原声标签分析，如图2.7所示，我们同样可以发现：发货慢/不发货、运输中物流不更新，是物流体验中两个最主要的问题。

求助所处物流阶段	占比	TOP求助标签	标签占比
已支付	X%	商家发货慢	X%
		商家不发货	X%
		未按约定时间发货	X%
已发货	X%	商家不发货	X%
		物流信息没有/不更新	X%
		虚假发货	X%
运输中	X%	物流信息没有/不更新	X%
		物流查询	X%
		买家未收到货	X%
派送中	X%	买家未收到货	X%
		物流查询	X%
		物流信息没有/不更新	X%
已入站	X%	买家未收到货	X%
		物流查询	X%
		驿站问题‍	X%
已签收	X%	买家未收到货	X%
		商品/配件少件漏发	X%
		空包裹	X%
		商家发错货	X%

图2.7 CCO物流求助原声统计-分物流阶段

▐  问题定义

通过以上一系列的定性和定量分析，结合淘宝业务发展，商家发货慢/不发货的问题已和行业合作在解决，因此，我们选择重点从用户求助量占比最高的运输中这个阶段，物流停滞异常这个场景切入，定义出如下物流体验问题：

1. 业务问题：针对运输中物流不更新场景(即物流停滞场景)，该如何通过产品表达缓解用户焦虑，降低用户求助。
2. 业务目标：降低用户物流万求，提升用户满意度。
3. 业务痛点：平台无法直接解决异常，且工单服务能力有限（日均最多N万异常工单量）。

将以上业务问题转化为数据问题，我们需定义出：

1. 业务目标：AB物流停滞异常万人求助量-X%，用户调研物流产品满意度+X%。
2. 数据问题：
• 停滞异常的判定标准：即当物流停滞超过多少小时，定义为停滞异常。
• 停滞异常的表达策略：即在物流X小时不更新时，面向什么样的场景/用户，表达什么内容；
3. 约束条件：在不超出日均最多N万工单量的服务能力下，最大程度管理用户预期，缓解焦虑情绪；

针对上述定义的问题，我们也发现了一系列困难点：

1. “物流X小时不更新”中的X的定义。假设X数值过小，物流停滞的信息过早通知用户，可能会造成用户焦虑反增平台求助量，而且X数值小意味着表达的量级大，快递服务商/商家的服务能力难以应对；反之X数值过大，可能用户早已感知异常并发起求助，失去表达的最佳时机，起不到降低平台求助作用。
2. 表达内容的设计。业务认为表达就一定要给用户确定性，不能空安抚。我们希望尽早表达去干预用户求助，但服务能力又限制了我们尽早表达。能否有一种不通过提供服务的表达方式，但能给到用户确定性。
3. 精细化的表达策略。从上述数据问题也可以发现，停滞异常需要根据人群/场景做精细化的表达策略，这就意味着我们需要提供一套通用的方法论，让业务能自主分析并定制精细化策略。

数据准备

▐  基础数据

主观数据：用户物流求助/投诉数据

客观数据：淘宝订单物流节点数据

▐  指标定义

• 异常订单占比

定义：X小时不更新异常订单量 / 总订单量

衡量：衡量X小时不更新异常在大盘发生的概率

含义：高，需要表达/服务的量级大；低，需要表达/服务的量级小

标准：根据能提供的工单量估算，我们可针对每日X%以内的订单提供工单服务

• 求助覆盖率

定义：X小时不更新异常发生之后的求助量 / 总求助量

衡量：衡量X小时不更新异常能服务到的求助量

含义：高，表达/服务能干预到的求助多；低，表达/服务能干预到的求助小

标准：理想覆盖X%以上的求助

• 异常万求量

定义：X小时不更新异常订单求助量 / 该类异常订单量 * 10000

衡量：衡量用户对于X小时不更新异常的感知强度

含义：高，用户负面情绪严重；低，用户负面情绪轻微

• Y小时恢复率

定义：X小时不更新异常订单在Y小时内重新更新物流状态订单量 / 该类异常订单量

衡量：衡量X小时不更新异常在Y小时内自然恢复的能力

含义：高，自然恢复能力强，无需提供服务；低，自然恢复能力弱，需要服务介入

标准：恢复率超过X%则无须提供服务

策略洞察

从停滞异常的求助数据出发，我们通过主客观数据关联分析方法，洞察用户求助时间与实际物流停滞时长的关系，权衡利弊，最终分析确定表达策略。

图4.1 物流停滞主客观指标关联洞察

如图4.1所示，我们可以分析并得到基础策略：

1. 停滞X小时为最佳安抚表达时机，因为其求助覆盖率超过X%（能干预到大量求助），且恢复率超过X%（绝大多数能短期内自然恢复），我们只需要在这个时间段透出安抚文案且告知预计恢复时间，就能缓解用户的焦虑感。既表达安抚并给予一定确定性，又无需提供工单服务，成功化解了数据问题难点b；
2. 停滞X小时为最佳催物流服务提供时机，其订单占比控制在X%以内（有相应量级的服务能力），且异常万求突增（用户已经有强烈情绪）。当前产品侧我们打通了CP与PBC，可同时向快递公司与商家发起工单，要求其在规定时间内回复解决方案。
3. 停滞X小时及以上不更新引导联系商家，其异常万求量极高（用户负向情绪严重），且恢复率低，建议用户尽快联系商家退款或补发。

同样基于上面的分析方法，我们还针对一些特殊场景洞察并上线了一系列精细化策略，例如：针对已抵达收货地城市包裹的停滞，我们发现用户求助进线更早且更猛，所以我们会提前催物流服务表达。

策略落地

业务PD根据上述产出的策略，最终设计形成如下产品形态，并已开始上线，详见图5.1。

图5.1 物流停滞表达产品样式

在产品上线前期，我们也协同业务一起观测产品指标，分析文案的安抚或引导效果，并针对文案和交互做了一系列优化，在此就不逐一展开赘述。

效果评估

我们通过AB实验对产品上线后的效果进行了数据论证，在此不赘述科学的实验设计与效果评估。经分析，实验桶物流万人求助量-X%，异常解决率+Xpt（X%->X%），售后咨询满意率+Xpt（X%->X%）。此外通过定期用户调研，手淘物流产品满意度+Xpt（X%->X%）。

团队介绍

我们是大淘宝技术交易履约数据科学团队，负责面向淘宝交易履约链路（下单、支付、购物车、物流、逆向等）海量数据挖掘DAU、DAC及用户体验增长机会。团队致力于围绕用户行为路径、用户VOC洞察用户需求，基于人货场匹配落地交易链路触达、转化、复购和体验策略，提升消费者购物体验。
目前团队招聘中，欢迎拥有消费者、商品、交易、营销等相关领域数据分析/数据科学背景的优秀人才加入，有兴趣可将简历发送至[email protected] 。

¤  拓展阅读  ¤

3DXR技术 |  终端技术 |  音视频技术

服务端技术  |  技术质量 |  数据算法

本文分享自微信公众号 - 大淘宝技术（AlibabaMTT）。
如有侵权，请联系 [email protected] 删除。
本文参与“OSC源创计划”，欢迎正在阅读的你也加入，一起分享。

RustDesk 1.2：采用 Flutter 重写桌面版本，支持 Wayland 被控 deepin V23 成功适配 WSL 2023 年需求最大的 8 种编程语言：PHP 强劲，C/C++ 需求放缓 React 正在经历 Angular.js 的时刻吗？ CentOS 项目宣称“向所有人开放” MySQL 8.1 及 MySQL 8.0.34 正式发布 Rust 1.71.0 稳定版发布 程序员笔记 CherryTree 1.0.0.0 发布 微软：加大力度在 Windows 11 使用 Rust 微软推出新的默认字体 Aptos，替代 Calibri

{{o.name}}

{{m.name}}