如何从客户反馈中获得有意义的、可操作的见解——3个例子

你的客户反馈就是一座金矿。岩壁就像你的反馈，而隐藏在其中的金子则代表对你的业务和客户体验的洞察。

现在想象你自己在凿岩石。两个金块掉了出来。你分析它们的纯度。一块金块很小，质量也不高。不管怎样，我们都要了。另一种，是巨大的，充满了纯洁。我们会告诉老板这件事的。在这个比喻中，这两种掘金的区别在于什么是通用的(不可行的)发现，什么是可行的。

如果你一直分析你的反馈但仍然不确定如何采取行动，这篇文章是给你的。在这里，我们将分享如何区分可操作数据和非可操作数据，并解释三种可操作的见解。

什么是可操作的见解?

可操作的见解是通过分析数据得出的有意义的发现。它们清楚地表明需要采取什么行动，或者应该如何思考一个问题。组织使用可操作的见解来做出基于数据的决策。

不过，并非所有的见解都是可行的。可操作的见解并不来自于拥有更多的信息或数据。要指出一个显而易见的事实:洞察力、信息和数据并不是生来平等的。

简而言之，数据是未经处理的原始信息，以数字和文本的形式存在。数据可以是定量的，也可以是定性的，可以在电子表格或计算机数据库中找到。

另一方面，信息是被组织和上下文化为用户友好格式的数据。这可以是报告、仪表板或可视化的形式。

然而，洞察力是通过分析信息，然后得出结论，并从中做出决定而产生的。

为什么可行的见解很重要

可行的见解很重要，因为你可以用它们来做出战略性的、深思熟虑的决定。这些决定可以为你的业务带来积极的结果。这是因为你直接从你的数据(如销售数据或客户反馈)中获得洞察力。

如果您的组织是真正的数据驱动(“数据第一”)，可操作的见解是改进您的产品和操作流程的关键。所有行政决策应该以数据为基础。

如今，有进取精神的公司表示，他们想要数据驱动。弗雷斯特据报道，74%的公司表示这是一个目标。尽管只有29%的公司成功地将分析结果付诸实践。很明显，那些想要从数据中获得商业成果的公司所缺少的环节是可行的洞察力。

3个地方可以获得可行的见解

定性数据，如客户反馈，充满了深刻的可操作的见解。与数字数据相比，它会告诉你为什么顾客会有某种行为。这里有3个地方可以用来收集客户反馈，并将其转化为可执行的见解。

1.净推广者得分调查

NPS调查允许您询问您的客户对您的产品和服务的看法。这些调查可以永久地放在你的网站上，也可以作为一个活动的互动形式。

2.在线评论

在线评论是收集反馈的好地方。文本分析解决方案如主题对于分析这种类型的数据并将其转化为见解是非常宝贵的。你也可以利用竞争对手的在线评论来获得见解。首先在网上找到竞争对手的公开产品评论。然后将评论上传到你的文本分析产品中，并分析这些评论。在像Thematic这样的产品中，你也可以将结果与自己分析的反馈进行比较。

3.社交媒体

另一个发现有价值见解的好地方是你的社交媒体提及。将这些信息与你的客户在相关论坛和网站上的言论结合起来分析。

如何获得可行的见解

不管你用的是NPS通过调查来收集客户反馈或其他东西，你需要一个可靠的解决方案来找到可行的见解。真知灼见隐藏在字里行间，或者自由文本响应，顾客解释他们为什么给你一个特别的分数，或者他们不喜欢你的产品或服务的什么地方。逐字记录很难手动分析。这就是为什么人们使用自然语言处理(NLP)方法来确保分析尽可能准确。

例如，Thematic应用了NLP和机器学习的结合来分析逐字反馈。

虽然只有真正了解公司背景的人才能决定哪些数据是可行的和有洞察力的。

有见地的数据和无见地的数据的区别

当谈到对数据的理解时，获得可操作的见解是圣杯。但是，什么才算是洞见呢?

在你的数据中，哪些发现是可行的?数据分析能准确地提供可操作的见解吗?让我们通过看一些来自一个虚构学校的例子来彻底了解这个问题。

Non-insightful数据

无洞察力的数据对你来说都是旧新闻;一些你已经知道的问题。以学校为例:一些学生在考试压力下挣扎，这一事实不能被认为是深刻的数据。为什么?因为这是常识。

深刻的数据

有洞察力的数据，或“洞察力”，是你不知道的一切，或你只是有预感或怀疑的一切。洞察力是证实或反驳你现有知识的发现。它们可以在更深的背景下证实你的怀疑，或量化现有知识的重要性。

以学校为例，你的分析表明，不仅一些学生，而且90%的学生报告考试负担过重。这是有洞察力的数据，值得进一步思考。有些学生可能会说，他们希望考试能更平均地进行。这是一个你可以用来纠正问题的可行的见解。

可操作的见解转化为具体的行动，导致适应和行动。或者确认不需要采取任何行动的事实。公司需要问问自己:可以采取什么行动?哪些还没有采取行动?

一般来说，如果你能在一个发现的结尾加上“因此”，然后完成句子，这是一个可行的见解。

你的见解有多可行?

作为练习，试着在你的业务中找到一些可行的见解的例子。首先，我们在下面举了几个例子。

- 我们这个月的NPS分数下降了15分

- 乘客抱怨错过转机

- 20%的顾客谈论价格

- 买家说，竞争对手卖的衣服质量更好

- 在禁止使用塑料袋之后，人们更加积极地谈论我们的品牌
- 30%的诋毁者提到你的竞争对手有更容易使用的产品。

也许令人惊讶的是，上面的前3个例子对企业来说是不可行的，也不能提供有意义的见解。这是因为前三个发现是显而易见的，并没有提供洞察“为什么”。很高兴知道我的NPS下降了15分，但是为什么会下降呢?原因可能是可行的见解。

3种可行的见解

1.Insight > Adaptation > Action

批判性思维是将见解转化为行动的关键。例如，你可以通过与市议会合作改善公共交通选择来弥补校园停车位不足的问题。与提供更多停车位这一明显的选择相反。

这可以为有环保意识的学生提供津贴，因为它减少了开车来校园的学生数量。

2.Insight >无需处理

不是所有东西都值得测量，但数据分析可以确认假设。这种分析可能导致一些不可行的见解，但对你的业务环境至关重要。

例如，你可能认为班级规模是一个问题，但如果学生没有提到这是一个问题，那么就不需要采取行动来补救。

3.Insight >重新思考策略

数据分析还可以帮助验证策略的实施是否有效。

想想上个季度学生们抱怨大学教职员工不乐于助人的情景吧。在采取措施改变这种状况之后，下个季度的结果就会显示你采取的措施是否有效。如果不是，他们需要进一步考虑。

或者，如果你的客户说你的竞争对手生产的衣服质量更好，这是一个关键的洞察，你可以采取行动。通过后续调查寻求反馈，你可以收集更多关于客户为什么会有这种感觉的信息。然后，你可以深入研究你的顾客更喜欢竞争对手服装质量的确切原因。

如果你的公司是连锁超市，你禁止一些连锁加盟使用塑料袋，这可以对你的顾客产生积极的影响。你的顾客可能会觉得他们选择在你的超市购物是在为环境做一些积极的事情。

作为一种行动，您可以以这几个特许经营权的成功为基础，并在所有商店中强制执行此更改。

今天的软件能从数据中找到可行的见解吗?

尽管有这么多承诺，但目前提供的软件解决方案中，没有一个能够吸收数据，并给出可用的、可操作的见解。

这是因为将可操作和有见解的发现与其他类型的见解(如不可操作/有见解、不可操作/无见解和可操作/无见解)区分开来需要两种类型的知识:

1. 客观知识与不同的行动相关的困难，
2. 主观的知识什么是旧新闻，什么是真正有见解的。

最终，人工智能可能会通过阅读多年出版的材料来对客观知识进行分类。随着时间的推移，人工智能甚至可以通过与软件用户一起工作来建立对主观知识进行分类的能力。不幸的是，我们离这些发明还很远，它们就像科幻小说一样。

那么，今天的软件如何帮助我们获得可行的见解呢?

如今，人工智能能够提供的是更有效地筛选数据的能力。NLP算法使我们能够理解人们的评论，将其转化为可以分析的主题，比如数字。然后，这些数据将被直观地显示出来，以帮助澄清差异、揭示相关性并检测趋势。

在评估AI解决方案时，请使用以下问题:

这个解决方案会告诉你一些你不知道的事情吗?

从噪声中分离信号有多容易?

它是否能够识别数据中的趋势，而无需预先指定它们?

查看我们的免费指南我们专门为评估反馈分析解决方案时提出正确的问题而构建。

在主题，我们通过将客户和用户反馈转化为易于使用的数据可视化，帮助企业发现深刻见解。你可以通过点击这篇文章下面的按钮开始免费试用Thematic。