京東實戰案例！如何結合業務視角進行設計調研？

調研專項從發起到完成歷經了一個季度的時間，本文將主要記錄我們對新領域 0-1 調研過程中遇到的問題以及思路的轉變，同時向大家分享關于京東快遞在線客服的問題現狀和優化方向。

一、認識智能客服

對于企業和平臺，客服常常被稱為“用戶對產品忠實度的最后一道防線”，也是“用戶與產品關系的穩固劑”，客服服務可以影響用戶與產品的各個觸點環節。例如，我們在一些零售平臺買東西的時候，下單前我們除了會看商品詳情之外，還會通過客服了解詳情頁中未能展示的商品信息、優惠活動以及發貨時間等，在下單后可能會找客服催單、咨詢物流情況，售后時進行退貨溝通、尋求解決其他異常問題等。

市面上的客服系統大多采用「在線客服＋人工服務＋智能外呼」結合「工單系統」的模式，為用戶提供完善、專業的解決能力。其中「在線客服」可以在一定程度上解決人工客服資源有限與消費者咨詢需求海量之間的矛盾，因此平臺的客服設置邏輯也主要使用在線客服與用戶進行前置溝通，解決基礎問題，再把復雜性問題分流給人工客服，提高問題解決效率，降低客服整體成本。

二、智能客服分類

根據智能客服的交互方式、行業特征可以分為以下幾個類型：

1. 知識庫類：集成了豐富的知識內容，提供特定行業/多行業的知識內容，能夠根據用戶的問題提供相關的答案和解決方案，知識類客服可以是單獨存在，例如學習教育知識客服，生活百科知識客服，也可以作為其他客服的知識儲備，解決資訊類問題；
2. 自助服務類：用戶可以通過獨立的自助查詢功能來解決問題，用技術代替人工，幫助用戶完成一些特定的功能服務，通常用于銀行、政府、醫院、金融等行業；
3. 語音助手類：集成自動語音識別（ASR）、自然語言處理（NLP）、語音合成（TTS）等技術，識別用戶語音并進行語音互動，可以滿足特定用戶、特定場景下的語音溝通，根據平臺需求完成外呼、服務辦理、業務咨詢等服務；
4. 陪伴聊天類：主要通過用戶的文本和語音內容解析用戶的意圖，并=識別用戶的情緒狀態，根據用戶情感和需求有效地進行應答，通常適用于社交媒體，內容多為日常主題，強調情緒安撫、推廣營銷活動等；
5. 多模態數字人：使用三維建模和動畫技術創建虛擬的“客服形象”，通常為卡通形象或者是擬人形象，結合圖文、語音、視頻等內容，數字人形象可以給用戶更加真實的對話體驗，企業也可以根據自身的品牌定位去設計數字人，增強品牌印象，強化用戶認知；

三、京東物流智能客服

1. 客服角色

京東物流客服主要承接并解決用戶使用京東快遞服務過程中遇到的問題，客服角色包括「人工客服-智能在線客服-數字人客服」：

人工客服：由真實的人通過字符或者電聯語音與用戶交流，能夠解決線上線下復雜的業務問題，也可以提供多類型業務的問題解答能力，例如投訴理賠回訪、物流異常催單，幫助聯系小哥或者站點。由于人工客服數量有限，用戶在高峰期間通常需要等待，人工客服有固定的服務時間，非 24h 服務，成本也相對較高。

在線客服：通過系統設置在線對話模式，支持 24h 隨時響應用戶需求，能夠解決大部分的信息查詢類問題，目前支持的核心場景有「查快遞」「寄快遞」「催單」「運費查詢」等。在線客服的問題解決能力依托于平臺技術，當前對于復雜場景的解決能力有待提高，例如理賠、會員積分活動等。

數字人客服：是京東物流新興的客服模式，通過人工智能、自然語言處理和機器學習等技術與用戶進行多模態對話，用戶可以通過文字、語音甚至圖片與數字人進行溝通，可以獲得更加沉浸式的對話環境，數字人同時也支持 24h 響應用戶需求。

2. 體驗現狀

由于社會智能化水平的提升，用戶對智能客服的服務提出了更高的要求，我們在季度體驗報告中發現用戶對現有物流客服的整體評價較低，是京東快遞線上服務的體驗波谷，存在較大的優化空間。通過用戶回訪和用戶聲音，我們定位到用戶對智能客服的部分評價，主要有以下幾個問題：

1. 轉人工困難
2. 熱點問題推薦不及時
3. 基礎問題回復不夠有效直接

從用戶聲音發現「轉人工困難」的問題的解決更多需要從業務成本出發，其次我們無法定位「基礎問題回復不夠有效直接」的場景，整體問題也相對淺顯，為了更全面定位智能客服的用戶體驗問題以及后續優化方向，我們需要對智能客服系統進行更加全面的調研分析。

由于客服系統角色較多，我們本次以智能在線客服為對象。

四、調研思路

1. 思路

我們首先確定了本次調研的數據資源，主要包含兩個部分

① 客觀數據無法新埋埋點，但是可以獲取基礎的指標口徑的行為數據和會話數據

1. 意圖相關數據：一級意圖的會話、消息數量；轉人工率；
2. 首頁模塊使用數據：猜你想問、核心功能、推薦運單點擊量，僅有第一層的點擊數據，無下鉆數據；
3. 用戶日志：具體日志對話；

② 主觀問卷：支持重新設計和投放回收

1. 用戶意圖：用戶常咨詢的問題類型和二級問題下鉆；
2. 首頁關注情況：首頁功能模塊關注情況；
3. 問題解決評價；不能識別以及解決的問題場景；
4. 用戶對在線客服形式的評價：和其他形式的優勢對比

基于資源現狀和以往經驗，我們采用常規的分析思路，將分析結構分成兩個模塊：

1. 客觀數據分析智能客服宏觀表現——根據客服核心指標分析
2. 結合客觀與主觀依次分析核心意圖解決情況——結合行為數據和主觀評價數據分析

2. 問題和調整

采用常規思路分析后我們發現了兩個分析難點：

問題 1：由于下探數據缺失，在分析已有的客服客觀數據的時候，雖然可以定位到異常的時間點/意圖類型，但是我們并不能產生新的結論，這樣調研就無法給予業務新的優化方向。

問題 2：根據客服度意圖的分類，我們發現意圖數量非常多，且意圖之間的業務特征和解決方案有重合的部分，所以我們無法面面俱到地分析每一個意圖的體驗問題，容易散而亂。

調整：所以我們摒棄了從客服指標看數據的角度，直接從用戶的主觀問卷出發，從用戶視角定位產品問題，確認用戶主觀體驗上的問題類型，然后再結合客觀數據驗證分析。

五、調研輸出

1. 分析結構

在用戶的評價中，我們發現體驗低谷包含兩個典型方面，主要包括首頁低分模塊和整體低分的解決能力模塊，所以我們將以頁面模塊和解決能力兩個為重點進行下探：

1. 首頁低分模塊（首頁布局）：快捷入口、猜你想問
2. 解決問題能力：所有關于識別和解決的語句均較低，也就是說客服在解決用戶問題的過程中均表現不佳

part1：首頁模塊

——以較低分「猜你想問」為例。

使用量 VS 關注度

猜你想問從頁面空間上占據了較大的區域，同時通過問卷可得用戶猜你想問模塊的關注度也相對較高，占據整個首頁關注度的 20%，但是整體點擊量較低不到 10%，說明當前猜你想問的問題覆蓋范圍或者是問題使用模式并不能滿足用戶的需求。

看使用量：第一屏問題點擊量占據全量的 90%+，第二、三屏問題點擊率較低。

原因分析

原因 1：在京東平臺用戶需要點擊右上角的「換一換」去切換查看更多問題，但是從用戶主動性上考慮，用戶一般探索未知的可能性很小，像「更多」「換一換」等按鈕并未傳遞精準的信息，用戶點擊的主動性較低。

原因 2：當前所有問題分類規則較為模糊，例如修改功能相關問題“如何修改地址？”在第一屏顯示，“如何修改寄件人”在第三屏顯示，同一類型的問題在不同位置出現，用戶很難對現在的猜你想問邏輯形成一定結構性印象。

原因 3：三個模塊的功能重合度較高，其中「預估運費」「寄快遞」「查快遞」「配送范圍」「商務合作」在三個模塊中均有入口，重合度高、覆蓋度低。

優化意見

針對「猜你想問」，向用戶展示用戶可能想問的/平臺想要讓用戶知道的問題。

part2：解決能力

整體優化方向

我們首先需要找到整體解決能力的優化方向。我們通過問卷發現大部分的用戶會傾向于選擇人工服務解決問題，人工服務的優勢主要是解決能力，例如直接幫助完成一些功能；一部分選擇傾向于在線客服的用戶則是因為在線客服的即時在線能力和響應速度。

1. 人工客服優勢：「交流更高效」「直接幫助完成查單/催單等行為」「能解決更多的問題」
2. 在線客服優勢：「隨時能響應和回答我的問題」「回復速度更快」「可以直接線上幫我解決問題」

基于用戶的傾向性，我們可以借助在線客服的本身優勢，參考人工客服優勢，確定可以提升優化的是「直接解決問題能力」，這種問題類型可以是線上流程型的功能，例如修改地址/投訴/理賠等。

業務意圖分類

回到具體分析內容上，我們發現業務范疇內的意圖數量龐大，且不同意圖之間的前端方案和業務規則有重合，我們需要找到新的切入點去分析客服目前的意圖解決能力，或者是找到業務和產品他們“擅長”/“熟悉”的角度去分析問題，我們在前面客觀數據分析以及數據探討的時候感知到業務“很關注催派送/催攬收的意圖“，“閑聊/空白的意圖會被忽略”，所以還是需要回到意圖的范疇去分析解決能力。

我們先拉取整體的意圖 top20，根據確認的優化方向篩選可以通過線上解決能力的意圖，最后我們發現可以從三個類型去涵蓋高頻且符合線上解決能力的意圖。

下單要素查詢類為例

我們以「下單要素查詢」為例，如果用戶想咨詢下單類的信息，不管是咨詢運費相關、配送范圍還是直接物品寄件，用戶進入客服的行為軌跡我們都可以劃分為三個步驟，確定好場景和步驟后我們就可以根據獲得客觀數據結合端上現狀進行分析。

1. 找到查詢入口
2. 選擇/錄入查詢要素
3. 查詢結果

1）找到查詢入口

支持用戶能夠找到查詢入口，需要分析當前首頁的意圖覆蓋情況，根據用戶調研數據以及和友商的橫向對比我們清晰的可以發現我們缺失了“利益”相關的意圖，包括優惠券、活動、會員等。因此我們就可以確定首頁需要補充的意圖范圍，進而滿足用戶的需求。

2）選擇/錄入查詢要素

通過對現有猜你想問、快捷功能、快捷標簽等功能入口的體驗自查，我們發現用戶查詢下單要素的時候，平臺提供的應答方式不統一。對于用戶來說，用戶詢問“物品信息”、“運費”、“寄收地址”等信息都是帶著下單的意愿來的，只是詢問的切入口不同，但是目前平臺回答的對話結構樣式多，交互不一致，針對不同的詢問要素，出現了五六種回答方式，對于用戶來說，過多的應答方式不利于用戶形成使用習慣。

3）查詢結果

通過測試不同類型的查詢要素我們發現目前答案僅針對用戶詢問的問題，沒有繼續追問/展示相關的要素內容，例如用戶寄什么物品后系統未繼續追問從哪里寄到哪里，無法幫助用戶完成快速下單。

輸出設計建議

為了更好的推動有效意見的落地，可以對所有的優化意見進行「場景-策略-意見-優先級」，這樣對于后續實際落地可以提供優先改進參考。

總結

在工作中我們衡量用戶調研的價值之一就是是否推動業務采納和落地，調研分析的時候我們需要從設計的專業角度提供新的發那些思路，給出設計意見。從本次專項中發現數據多而全并不一定是有效的，設計側作為一個優化推動者，就需要給出真正好的改進方向，舍棄無用的“結論”。另一方面，我們要找到可以引起業務關注的分析點，不能單純的分析體驗過程。本期的客服調研與業務側同步后獲得了較好的反響，發現的痛點以及優化意見均得到了認可。

歡迎關注「JellyDesign」的小程序：