用户满意度洞察方法：MOT用户旅程地图

从这张图可以看出，这家便利店在顾客接触过程中的问题在于商品种类较少，增值服务不够，而优势在于商品更加优惠，购买便宜，店铺据此可以进行相应调整和改进。

那么如何绘制基于MOT的用户旅程地图？

在绘制过程中，有几个重要元素：用户角色，时间线，接触点，用户的预期和实际用户体验。时间线可直接在上图中看出。用户预期和用户实际体验所形成的的落差形成了顾客对企业的评价，即图中所示的喜悦，舒服，满意，一般，负面感以及糟糕等。

首先需要选定一个用户角色，即目标用户，如社区便利店的目标用户之一就是社区居住的老年居民，另外就是年轻的上班族。

第二，选定社区居民和企业接触过程中的起点和终点。

如起点是看到便利店的外观和广告，终点是离店以后查看到这家便利店的社群动态，或者是没有加入社群，在家打开包装使用店内商品。这可以由企业自身来定义，重要的是将所有关键的接触点都放进去。

第三，发现从起点到终点的整个用户购物和体验过程中的所欲接触点，以及各接触点上的用户体验情况。

这个就需要花心思。比如，使用观察法观察一个顾客整个购买过程中的有哪些接触点，使用问卷来了解到顾客的满意度情况等。

这其中有一个问题需要解决，那就是样本的数量和质量。关于这一点，有几种可能性：

• 调研的对象是店内老顾客（分层抽样）。比如有会员卡，到店次数多，购买力强。店里针对这类顾客进行调研。调研后的分数使用简单的加权平均方法，得出这类顾客的关键时刻满意度。这里的问题在于，既然是老顾客，大多情况是对店内情况十分熟悉，店里面有的接触点是他们不关心的地方，比如老年人顾客对wifi的需求，对类似关东煮一类熟食的味道，而因为长期到店购物，基于人情和对后续优惠活动的主观需求，做出的评价分值普遍较高。
• 随机调研（随机抽样）。那么可能调研的对象是今天恰好经过的一位顾客，第一次来店里，目的性很强的买了一瓶饮料，匆匆回答了店员调研的问题离去。参考性不高怎么办？动态加权。将老顾客和一般顾客区分开来，给予不同的权重。比如，这个顾客是会员，且购物次数较多，平均单次消费额可到100元，那么给予较高的权重分值，如果是来几次的会员顾客，消费额在30元，则给予一般权重，如果是非会员，给予较低权重。不同调研数据通过动态加权整合出来的数据汇集成最终评价。
• 愿意参加调研的用户数较少，或者拿到手上已知的有效调研数据较少。怎么办？利用贝叶斯推理。给予某一个关键接触点一个业内均值，比如按照10分为满分，10分以上为喜悦，舒服为5-10分，5分为一般，5-7.5分为满意，2.5-5分为负面感觉，那么在便利店的气氛和背影音乐这个一个接触点上，假设样本数为100个人，均值设置为5分，如果便利店调研的用户数只有10人，有人打分9分，有人打1分，加起来的分数大概为30分，则最终的分值为（100*5+30）/110=4.8分，即处于平均水平下的负面感。以此来综合数据较少时因不同意见而偏差较大的分值。

第四，根据调查所得的情况给用户体验打分，然后根据分值来将各个点连接起来，便形成了整个用户旅程地图。

当然这还没有完，地图只是参考，更重要的是根据图来分析和调整企业行为。

于是接下来是找出让用户受到挫折或者放弃到店购买的接触点，然后判断这些接触点是否和企业的定位和产品提供的核心价值一致（在这其中前提是，企业需要明确自身的定位，找准核心价值），如果不一致就需要优化，比如顾客对便利店的商品结构不满意，买不到想要的东西，而这个是决定了顾客是否重复购买以及这家店是否能持续盈利的关键，那么就需要重点调整。

另一方面，也不是所有的都需要优化，比如用户对便利店的增值服务是不满意的，但增值服务并不是这家便利店的核心价值，因此不需要过于重视。必要时甚至可以直接取消，等待事关核心价值的关键点做好之后再考虑引入。

 

本文由 @ 老土豆 原创发布。未经许可，禁止转载。

题图来自PEXELS，基于CC0协议