问卷星互联网行业用户体验管理解决方案_用户体验调研问卷系统-云巴巴

申请试用

问卷星互联网行业用户体验管理解决方案

问卷星互联网行业用户体验管理解决方案，NPS调查、客户满意度调查，低分及时预警、提升体验、降低流失率。多级评估关系、多级权重、4种评估报告，帮助HR辨人、识人，构建企业人才梯队。投票次数设置、实时展示结果、多种素材上传、帮助团队民主决策。

立即咨询

首页 > 产品中心 > 企业服务 > 问卷星互联网行业用户体验管理解决方案

体验管理解决方案

产品生命周期

体验管理体系搭建流程 icon

创建问卷

发送问卷

结果分析

员工体验管理题型应用 icon

产品概念期:产品概念测试 icon

使用场景

在产品概念期，了解新品概念被市场接受程度，可以使用产品概念测试。该问卷模板通过给受访者展示新产品概念，从而定位到具有最佳市场机会的产品概念。产品概念测试从行为意愿、市场偏好、产品独特性、品牌印象、品牌标签、市场需求、可信度、情绪分析等多个维度进行评估，了解影响用户选择喜爱产品的关键原因。

产品概念期:产品概念测试 icon

设计开发期：产品属性偏好程度 icon

使用场景

在产品设计开发期，了解用户对于不同属性的偏好程度，可以使用Maxdiff模型。该模型通过对比的方法进行偏好排序，从而理清受访者对每项事物的偏好程度。Maxdiff解决了传统打分结果差异较小、不同群体打分标准差异大、多项选择排序难等痛点。该模型常用于产品功能点偏好、广告语偏好、风格偏好、品牌偏好、卖点偏好等场景。

设计开发期：产品属性偏好程度 icon

数据可以按分数大小排序，通过计数可以直观看出受访者对属性的偏好程度。分数越高，一个属性对你的受访者越有吸引力；正分意味着该属性被选为最重要的次数多于最不重要的次数；负分意味着该属性被选为最不重要的次数比最重要的次数要多； 0分表示该属性被选为最重要和最不重要的次数相等或从未被选中。

注：分数 =（最重要标签的次数-最不重要标签的次数）/属性出现的次数

设计开发期:功能/服务需求分类 icon

使用场景

在产品设计开发期，了解某个功能具备/不具备，对于用户满意度的影响程度，可以使用Kano模型。该模型通过对同一功能进行正、反向提问，并将选项设置为5个不同的满意程度，了解用户需求属于的类别，帮助企业在资源有限的情况下，更科学地平衡用户需求和商业资源，从而提升ROI。

设计开发期:功能/服务需求分类 icon

设计开发期:功能/服务需求分类 icon

产品上市前：宣传图测试 icon

使用场景

在产品上市前，了解用户对于宣传图关注的情况，可以使用图片PK。该题型使用的是Maxdiff模型（每个任务的属性数量设置为2时自动转化为图片PK题型），通过多轮两两PK模式（用户只需选择更喜欢的即可），找到用户对于宣传图的喜爱偏好。该题型常用于宣传图偏好、包装偏好、品牌偏好等有图片展示的内容。

产品上市前:广告语/宣传语测试 icon

使用场景

在产品上市前，了解用户对于不同广告语的偏好程度，可以使用Maxdiff模型/图片PK(可以不上传图片)。该模型通过对比的方法进行偏好排序，从而理清受访者对每项事物的偏好程度。可以用于产品功能点偏好、广告语偏好、logo偏好、品牌偏好、卖点偏好等。

产品上市前：可用性测试 icon

使用场景

在产品上市后，如果希望进行产品新旧版本迭代之间对比、同类型竞品之间对比、同一产品不同终端之间对比，可以使用SUS模型。该模型适用范围广泛，采用正反语气间隔（奇数题为正面语气，偶数题为负面语气）的形式进行提问，使答案更加客观。同时该模型可以科学地量化用户体验，并和总数据库里其他产品进行对比。

产品上市前：可用性测试 icon

结果分析

问题组成 SUS模型由10个题目组成，奇数项为正面陈述，偶数项为反面陈述。其中第4，5，10三项构成的子量表为“有效性”&“易学性” ；第2，3，7，8四项构成的子量表为“使用效率”&“可用性”；第1，6，9三项构成子量表“满意度”。计算方式（非常不同意 - 非常同意的分值范围是0-4分）： 1. 所有奇数编号题目得分减一后相加 / 奇数编号题之和 - 5 2. 所有偶数编号题目得分由五减去后相加 / 25 - 偶数编号题之和 3. 将奇数项最终得分+偶数项最终得分后乘以2.5 即最终SUS得分

产品上市后:客户旅程满意度&NPS icon

使用场景

在产品上市后，如果希望了解用户对于各个环节的满意度和NPS情况，可以使用客户旅程管理。该问卷将客户的体验按旅程地图分布为几个不同的触点，详细展示每个触点的不同体验质量，对体验感差的触点进行优化和改进，从而吸引用户，增加营收。

产品上市后:客户旅程满意度&NPS icon

产品上市后:品牌力APLA模型 icon

使用场景

在产品上市后，如果希望了解用户对于品牌的认知情况，可以使用品牌漏斗。该题型通过对受访者的行为进行递进式的提问，形成漏斗统计分析。可以用于了解本品牌与竞品的认知、消费、首选度、喜爱度等情况。

产品上市后:品牌力APLA模型 icon

案例1:找到用户最关注的因素 icon

若要针对多种因素的重要程度（该案例为14种因素）进行排序，可以通过Maxdiff让受访者在较少的选项（该案例为5种因素）中选择“最重要”和“最不重要”的因素。通过多轮选择后计算出属性排序（该案例为6次任务）。电站监控数据准确分数最高，说明该因素对受访者最有吸引力；分数>0的属性，表示选择最重要的次数多于最不重要的次数，如电桩故障推送及时、收益情况准确推送等；分数<0的属性，表示选择最不重要的次数多于最重要的次数，如浏览行业热点资讯、查看管理用户评价等。

案例2:找到用户最喜欢的风格 icon

该方式适合线下调研，让受访者针对不同编号的外观（口味、材质、颜色等属性均可）进行对比，选择最喜欢和最不喜欢的。经过多轮反复对比，找到受访者的偏好排序。风格5分数最高，说明该风格对受访者最有吸引力；分数>0的属性，表示选择最喜欢的次数多于最不喜欢的次数，如风格4；分数<0的属性，表示选择最不喜欢的次数多于最喜欢的次数，如风格3和风格1等；分数=0的属性，表示选择最喜欢的次数等于最不喜欢的次数，如风格2。