अनुभव और भावना विश्लेषण
अनुभव विश्लेषण उपयोगकर्ताओं से पूछता है कि सेवा ने उनकी कैसे मदद की और देखता है कि वे वास्तव में उसका उपयोग कैसे करते हैं; सर्वेक्षण, प्रतिक्रिया-पाठ, भावना विश्लेषण और अनुभव स्तर समझौते तब उपयोगी हैं जब प्रश्न निष्पक्ष हों, प्रतिक्रिया के पूर्वाग्रह को स्वीकार किया जाए, भावना उपकरणों को लोगों के अपने शब्दों से जाँचा जाए, और किसी व्यक्ति को न क्रम दिया जाए न उस पर नज़र रखी जाए।
यह क्यों मायने रखता है
सेवा हर तकनीकी लक्ष्य पूरा कर सकती है और फिर भी लोगों को निराश छोड़ सकती है। प्रणाली चालू है, टिकट समय पर बंद हैं, और एक कर्मचारी ने उस सुबह दो घंटे अपने ज़रूरी उपकरण की पहुँच पाने की कोशिश में बिताए हैं। प्रणाली के डेटा से बने डैशबोर्ड यह नहीं देख सकते। वे वह गिनते हैं जो मशीन ने दर्ज किया, यह नहीं कि व्यक्ति का क्या हाल रहा।
अनुभव विश्लेषण इस ख़ाली जगह को भरता है। वह लोगों से सीधे पूछता है, उपयोग के क्षण पर छोटे सर्वेक्षणों और लंबे आवधिक सर्वेक्षणों से। वह पढ़ता है कि वे क्या लिखते हैं: टिकट की टिप्पणियाँ, सर्वेक्षण के उत्तर, चैट संदेश। वह देखता है कि वे सेवा का उपयोग कैसे करते हैं, कहाँ फ़ॉर्म छोड़ देते हैं, सफल होने से पहले कितनी बार कोशिश करते हैं। वह इन्हें मिलाकर अनुभव की ऐसी तस्वीर बनाता है जिसे तकनीकी माप चूक जाते हैं। अनुभव स्तर समझौतों (XLA) के पीछे का विचार, जो «विषय 3.7 — सेवा स्तर प्रबंधन» में प्रस्तुत हुआ, तकनीकी प्रदर्शन के लक्ष्यों के साथ अनुभव के लक्ष्य तय करना है।
विधियों के अपने जोखिम हैं। सर्वेक्षण केवल उन लोगों तक पहुँचते हैं जो उत्तर देते हैं। भावना विश्लेषण उपकरण शब्दों से भावनाओं का अनुमान लगाते हैं, और अक्सर ग़लत लगाते हैं, विशेषकर भाषाओं और संस्कृतियों में। स्कोर लक्ष्य बन जाते हैं, और लक्ष्य उत्तरदाताओं पर दबाव आमंत्रित करते हैं। कर्मचारियों का डेटा गोपनीयता और भरोसे के प्रश्न उठाता है। यह विषय बताता है कि अनुभव डेटा को निष्पक्षता और इस विनम्रता के साथ कैसे जुटाएँ और उपयोग करें कि वह क्या दिखा सकता है। यह सर्विस डेस्क («विषय 3.1 — सर्विस डेस्क»), सेवा स्तर («विषय 3.7 — सेवा स्तर प्रबंधन»), मापन («विषय 7.3 — मापन और रिपोर्टिंग») और पाठ पढ़ने के लिए AI के उपयोग («विषय 5.1 — सेवा प्रबंधन में AI») से जुड़ता है।
मूल अवधारणाएँ
अनुभव। जब कोई व्यक्ति सेवा का उपयोग करता है तब पहले संपर्क से परिणाम तक वह क्या सोचता, महसूस करता और करता है। Wikipedia ग्राहक अनुभव (customer experience) और उपयोगकर्ता अनुभव (user experience) का वर्णन करता है। आंतरिक सेवाओं के लिए "ग्राहक" सहकर्मी हैं, और डिजिटल कर्मचारी अनुभव शब्द कभी-कभी इस बात के लिए उपयोग होता है कि लोग अपनी प्रौद्योगिकी का अनुभव कैसे करते हैं। इसमें सरलता, गति, भरोसा, और यह शामिल है कि वे अपने लक्ष्य तक पहुँचे या नहीं।
संतुष्टि और संबंधित माप। ग्राहक संतुष्टि (customer satisfaction), जिसका वर्णन Wikipedia पर है, आम तौर पर पैमाने पर "आप कितने संतुष्ट थे?" के रूप में पूछी जाती है। नेट प्रमोटर स्कोर (net promoter score), जिसका वर्णन भी वहीं है, पूछता है कि व्यक्ति सेवा की सिफ़ारिश करने की कितनी संभावना रखता है और प्रमोटरों के हिस्से में से डिट्रैक्टरों को घटाकर निकाला जाता है। अन्य माप प्रयास के बारे में पूछते हैं, जैसे कुछ करवाना कितना आसान था। हर एक के उपयोग और आलोचनाएँ हैं: वे तेज़ और तुलनीय हैं, और भोथरे हैं तथा हेरफेर और ग़लत पढ़े जाने के लिए खुले।
लेन-देन और संबंध सर्वेक्षण। लेन-देन सर्वेक्षण एक बातचीत के बारे में पूछता है, जैसे हल हुआ टिकट, उसके तुरंत बाद। संबंध सर्वेक्षण अंतराल पर समग्र सेवा के बारे में पूछता है। लेन-देन सर्वेक्षण विशिष्ट समस्याएँ दिखाते हैं; संबंध सर्वेक्षण व्यापक दृश्य। दोनों उपयोग करें, और उन्हें छोटा रखें।
सर्वेक्षण डिज़ाइन। शब्द उत्तरों को प्रभावित करते हैं। Wikipedia सर्वेक्षण पद्धति (survey methodology) और आम समस्याओं का वर्णन करता है: अग्रगामी प्रश्न, जो उत्तर सुझाते हैं; सहमति पूर्वाग्रह, हामी भरने की प्रवृत्ति; और सामाजिक-वांछनीयता पूर्वाग्रह, ऐसे उत्तर देना जो स्वीकार्य लगें। तटस्थ शब्द, स्पष्ट पैमाना, प्रति प्रश्न एक विचार, और खुला टिप्पणी बॉक्स उपयोग करें। Wikipedia लिकर्ट पैमानों (Likert scales) और प्रश्नावलियों का वर्णन करता है। सर्वेक्षण को कुछ लोगों पर परखें। इस मार्गदर्शिका का survey-design कौशल देखें।
प्रतिक्रिया और पूर्वाग्रह। केवल कुछ लोग उत्तर देते हैं, और वे सामान्य नहीं होते। Wikipedia प्रतिक्रिया दर और भागीदारी पूर्वाग्रह (participation bias) का वर्णन करता है: जिन लोगों की भावनाएँ प्रबल हैं, या जिनके पास समय है, वे अधिक उत्तर देते हैं। 10 प्रतिशत प्रतिक्रिया से आया स्कोर बाक़ी 90 प्रतिशत के बारे में कम कह सकता है। प्रतिक्रिया दर रिपोर्ट करें, जहाँ हो सके उत्तरदाताओं की तुलना जनसंख्या से करें, और स्कोर को सटीक न मानें।
सर्वेक्षण थकान। जिन लोगों से बहुत बार पूछा जाता है वे उत्तर देना बंद कर देते हैं या लापरवाही से उत्तर देते हैं। सीमित करें कि आप कितनी बार पूछते हैं, केवल वही पूछें जिसका आप उपयोग करेंगे, और दिखाएँ कि उत्तरों के कारण क्या बदला। जो सर्वेक्षण शून्य में खो जाते हैं वे लोगों को परवाह न करना सिखाते हैं।
मुक्त-पाठ प्रतिक्रिया। टिप्पणियाँ बताती हैं क्यों। नमूना पढ़ना आवश्यक है, और मात्रा के लिए उपकरण मदद कर सकते हैं। Wikipedia विषयगत विश्लेषण (thematic analysis) का वर्णन करता है, गुणात्मक डेटा में विषय पहचानने का अभ्यास, और अधिक व्यापक रूप से गुणात्मक अनुसंधान का। विषयों की गिनती और उदाहरण उद्धृत करना टिप्पणियों को उपयोग-योग्य बनाता है।
भावना विश्लेषण। सॉफ़्टवेयर जो पाठ को सकारात्मक, नकारात्मक या तटस्थ, या भावना के अनुसार वर्गीकृत करता है। Wikipedia भावना विश्लेषण (sentiment analysis) और उसकी विधियों का वर्णन करता है। यह पाठ की बड़ी मात्रा के मोटे ट्राइएज के लिए उपयोगी है। यह व्यंग्य, मिश्रित भावनाओं, क्षेत्र के शब्दों ("गंभीर" प्राथमिकता हो सकती है, भावना नहीं), और भाषा तथा बोली के अंतर में लड़खड़ाता है। इसके लेबल को लोगों द्वारा पढ़े नमूने से जाँचें, और परिणाम को किसी व्यक्ति की भावना न मानें। Wikipedia भावना पहचान (emotion recognition) का भी वर्णन करता है, जो गंभीर विश्वसनीयता और नैतिक चिंताएँ उठाती है, विशेषकर चेहरों या आवाज़ों पर लागू होने पर; ऐसी विधियाँ उपयोग करने से पहले सावधानी बरतें और सलाह लें।
विषय खोज। प्राकृतिक भाषा प्रसंस्करण तकनीकें, जिनमें Wikipedia द्वारा वर्णित विषय मॉडल शामिल हैं, टिप्पणियों को विषय के अनुसार समूहित कर सकती हैं। वे हज़ारों टिप्पणियों में विषय खोजने में मदद करती हैं, समूहों को नाम देने और जाँचने के लिए मानवीय समीक्षा के साथ।
व्यवहार और उपयोग के संकेत। लोग जो करते हैं वह अक्सर उससे भिन्न होता है जो वे कहते हैं। छोड़े गए फ़ॉर्म, बार-बार की खोजें, पुनः प्रयास, और सेल्फ़-सर्विस प्रयास के बाद संपर्क घर्षण दिखाते हैं। Wikipedia उपयोगिता परीक्षण (usability testing) का वर्णन करता है, जिसमें लोग यथार्थवादी कार्य आज़माते हैं जबकि पर्यवेक्षक कठिनाइयाँ नोट करते हैं। मुट्ठी भर देखे गए सत्र अक्सर ऐसी समस्याएँ खोज लेते हैं जो कोई सर्वेक्षण नहीं बताता।
गुणात्मक विधियाँ। साक्षात्कार और फ़ोकस समूह, जिनका वर्णन Wikipedia पर है, गहराई देते हैं। वास्तविक उपयोगकर्ताओं से कुछ बातचीतें बड़े सर्वेक्षण से अधिक प्राथमिकताएँ बदल सकती हैं। ऐसे लोग चुनें जो भूमिका, कौशल और स्थान में भिन्न हों।
अनुभव स्तर समझौते। ऐसे समझौते जो अनुभव के मापों पर लक्ष्य तय करते हैं, जैसे "कम से कम 80 प्रतिशत उपयोगकर्ता कहते हैं कि सेवा ने उन्हें अपना काम पूरा करने में मदद की"। उन्हें साझा लक्ष्य और बातचीत के रूप में उपयोग करना सबसे अच्छा है, कई मापों के साथ, दंड से जुड़ी एकल संख्या के रूप में नहीं, क्योंकि अनुभव के स्कोर आसानी से विकृत हो जाते हैं। «विषय 3.7 — सेवा स्तर प्रबंधन» देखें।
ग्राहक की आवाज़। ग्राहक जो कहते हैं उसे पकड़ने और उस पर कार्रवाई करने का अभ्यास। Wikipedia इसका वर्णन (voice of the customer) करता है। यह सर्वेक्षण, टिप्पणियाँ, सहायता संपर्क, समीक्षाएँ और बातचीतें साथ लाता है, और अंतर्दृष्टियाँ उन्हें पहुँचाता है जो कार्रवाई कर सकते हैं।
कर्मचारी कल्याण और कार्यभार। विश्लेषण उन कर्मचारियों के अनुभव को भी संबोधित कर सकता है जो सेवा डिलीवर करते हैं: कार्यभार, ऑन-कॉल का बोझ और मनोबल। Wikipedia कर्मचारी जुड़ाव (employee engagement) और व्यावसायिक बर्नआउट (occupational burnout) का वर्णन करता है। टीम स्तर पर, सहमति और सावधानी के साथ मापें, और जो पाएँ उस पर कार्रवाई करें।
नैतिकता, गोपनीयता और सहमति। प्रतिक्रिया जुटाने और विश्लेषण करने में व्यक्तिगत डेटा और कभी-कभी संवेदनशील राय शामिल होती है। Wikipedia गोपनीयता, गुमनामी और सूचित सहमति (informed consent) का वर्णन करता है। बताएँ कि आप क्या जुटाते हैं और क्यों, जहाँ मायने रखे वहाँ गुमनामी दें, रिपोर्ट करने से पहले समेकित करें, और अच्छे कारण के बिना टिप्पणियों से व्यक्तियों की पहचान न करें। काम पर कर्मचारियों के व्यवहार या भावना की निगरानी, जिसका वर्णन Wikipedia कर्मचारी निगरानी (employee monitoring) के अंतर्गत करता है, भरोसे को हानि पहुँचा सकती है और क़ानून द्वारा प्रतिबंधित हो सकती है; क़ानूनी सलाह लें। «विषय 5.6 — AI गवर्नेंस, जोखिम और अनुपालन» देखें।
चक्र बंद करना। लोगों को बताएँ कि आपने क्या सुना और क्या बदला। जिन्होंने गंभीर समस्या उठाई उनसे फ़ॉलो-अप करें। दिखाई देने वाली प्रतिक्रिया के बिना भागीदारी घटती है।
दृष्टियाँ कैसे फ़िट होती हैं। अनुभव विश्लेषण वह मानवीय परिणाम देता है जिसे सुधारना अन्य तीन दृष्टियों का लक्ष्य है। एजाइल अभ्यास छोटे प्रयोग चलाता है और उपयोगकर्ताओं से पूछता है कि उन्होंने मदद की या नहीं। AI समीक्षा के अधीन पाठ पढ़ने और समूहित करने में मदद करती है। स्वचालन सर्वेक्षण ट्रिगर करता है और प्रतिक्रिया को रूट करता है।
सर्वोत्तम अभ्यास
- केवल संतुष्टि नहीं, परिणामों के बारे में पूछें। "क्या आपको वह मिला जो आपको चाहिए था?" जैसा प्रश्न और प्रयास के बारे में एक शामिल करें। स्कोर को मुक्त-पाठ "क्या बाधा बना?" से जोड़ें।
- सर्वेक्षण छोटे और समयबद्ध रखें। बातचीत के तुरंत बाद एक से तीन प्रश्न पूछें, और साल में कुछ बार छोटा संबंध सर्वेक्षण चलाएँ। लोगों से एक ही चीज़ के बारे में बार-बार न पूछें।
- तटस्थ प्रश्न लिखें और उन्हें परखें। अग्रगामी शब्द, दोहरे प्रश्न और शब्दजाल से बचें। लॉन्च से पहले सर्वेक्षण को अलग-अलग समूहों के कुछ लोगों पर आज़माएँ।
- प्रतिक्रिया दरें और किसने उत्तर दिया रिपोर्ट करें। दिखाएँ कि कितनों ने उत्तर दिया, जहाँ संभव हो जनसंख्या से तुलना करें, और सीमाएँ बताएँ। झूठी सटीकता से बचें।
- टिप्पणियाँ पढ़ें। हर सप्ताह उनका नमूना लें, रिपोर्ट में उन्हें उद्धृत करें, और उन्हें विषयों में समूहित करें। पैमाने के लिए उपकरण उपयोग करें, मानवीय समीक्षा के साथ।
- भावना उपकरणों को लोगों से जाँचें। लोगों से नमूने को लेबल करवाएँ, उसकी उपकरण से तुलना करें, और नोट करें कि वह कहाँ विफल होता है। उपकरण का उपयोग ट्राइएज के लिए करें, व्यक्तियों के बारे में निष्कर्षों के लिए नहीं।
- शब्दों के साथ व्यवहार भी देखें। परित्याग, पुनः प्रयास और दोहराए संपर्क देखें, और वास्तविक कार्यों के साथ कुछ उपयोगिता सत्र चलाएँ। लोग जो करते हैं उसकी तुलना जो वे कहते हैं उससे करें।
- XLA को साझा लक्ष्य की तरह उपयोग करें। ग्राहकों के साथ अनुभव के कुछ मापों पर सहमत हों, साथ मिलकर उनकी समीक्षा करें, और उन्हें दंड या व्यक्तिगत प्रदर्शन से जोड़ने से बचें।
- लोगों की रक्षा करें। समझाएँ कि आप क्या जुटाते हैं, परिणाम समेकित करें, व्यक्तियों की पहचान से बचें, और कर्मचारियों की भावना की निगरानी करने से पहले सलाह लें। अनुभव डेटा से कभी व्यक्तियों को क्रम न दें।
- चक्र दिखाई देने वाले ढंग से बंद करें। "आपने कहा, हमने किया" सारांश प्रकाशित करें, और गंभीर मुद्दों पर फ़ॉलो-अप करें। जिन प्रश्नों से कार्रवाई नहीं होती उन्हें सेवानिवृत्त करें।
अपनी टीम के साथ चर्चा के प्रश्न
हम इस बारे में क्या जानते हैं कि लोग हमारी सेवा का अनुभव कैसे करते हैं जो हमारे तकनीकी माप नहीं दिखाते? हाल की शिकायतें या टिप्पणियाँ सूचीबद्ध करें। डैशबोर्ड से बेमेल की अपेक्षा रखें। फ़ॉलो-अप में एक पहलू चुनें, जैसे पहुँच पाने का समय, और उसके बारे में अनुभव प्रश्न जोड़ें।
हमारे सर्वेक्षणों का उत्तर कौन देता है, और कौन कभी नहीं देता? उत्तरदाताओं की तुलना जनसंख्या से करें। अपेक्षा रखें कि रात के कर्मचारी या दूरस्थ स्थल जैसे समूह छूटे हैं। फ़ॉलो-अप में एक छूटे समूह तक किसी और तरीक़े से पहुँचें, जैसे छोटा साक्षात्कार।
पिछली तिमाही में उपयोगकर्ताओं के बताए अनुसार हमने क्या बदला, और क्या उन्हें पता है? उदाहरण माँगें। कम की अपेक्षा रखें। फ़ॉलो-अप में नियमित "आपने कहा, हमने किया" संदेश पर सहमत हों।
जब कोई व्यक्ति उन्हीं टिप्पणियों का नमूना पढ़ता है तब हमारा भावना उपकरण कितना सटीक है? उसे परखें। व्यंग्य और क्षेत्र के शब्दों पर त्रुटियों की अपेक्षा रखें। फ़ॉलो-अप में सहमत हों कि उपकरण कहाँ उपयोग हो सकता है और कहाँ नहीं।
हमारे अनुभव के कौन-से माप अनुभव सुधारे बिना ऊपर धकेले जा सकते हैं? उत्तरदाताओं पर दबाव, चुनिंदा सर्वेक्षण, या पूछने से पहले टिकट बंद करने के बारे में सोचें। फ़ॉलो-अप में उत्तरों को प्रभावित करने के विरुद्ध नियम और इसकी जाँच पर सहमत हों कि सर्वेक्षण कैसे भेजे जाते हैं।
हम कर्मचारियों के अनुभव के बारे में क्या जुटाएँगे, और कैसे सुनिश्चित करेंगे कि उसका उपयोग मदद के लिए हो, निगरानी के लिए नहीं? सहमति, समेकन और उद्देश्य पर चर्चा करें। प्रबल विचारों की अपेक्षा रखें। फ़ॉलो-अप में उपयोग के कथन पर सहमत हों, और कर्मचारी प्रतिनिधियों तथा क़ानूनी सलाह को शामिल करें।
व्यवहार में: सेवा प्रबंधन का एक उदाहरण
एक राष्ट्रीय पुस्तकालय नेटवर्क की IT टीम 300 शाखाओं में 6,000 कर्मचारियों को सहायता देती है। तकनीकी माप अच्छा प्रदर्शन दिखाते हैं: उपलब्धता 99.5 प्रतिशत से ऊपर और 92 प्रतिशत टिकट लक्ष्य के भीतर हल। फिर भी वार्षिक कर्मचारी सर्वेक्षण कहता है कि "IT सहायता" सबसे कम रेटिंग वाली सेवा है, और शाखा प्रबंधक कहते हैं कि IT उनका काम नहीं समझता।
सेवा प्रबंधक छोटे लेन-देन सर्वेक्षण से शुरू करती हैं, जो टिकट हल होने पर अपने-आप भेजा जाता है: दो प्रश्न ("क्या हमने आपकी समस्या हल की?" और "मदद पाना कितना आसान था?") और वैकल्पिक टिप्पणी। प्रतिक्रिया दर 18 प्रतिशत है। उत्तरदाताओं की तुलना कर्मचारी जनसंख्या से करने पर वे पाती हैं कि बड़ी शाखाएँ अधिक प्रतिनिधित्व में हैं और छोटी, दूरस्थ शाखाएँ मुश्किल से दिखती हैं। वे बेतरतीब चुनी गई पाँच छोटी शाखाओं को मासिक फ़ोन कॉल जोड़ती हैं, और तीन उपयोगिता सत्र चलाती हैं जिनमें कर्मचारी नया लॉगिन माँगने और बैठक कक्ष का डिस्प्ले बुक करने की कोशिश करते हैं।
संख्याएँ दिखाती हैं कि 84 प्रतिशत कहते हैं कि उनकी समस्या हल हुई, पर केवल 55 प्रतिशत कहते हैं कि मदद पाना आसान था। दो विश्लेषकों द्वारा विषय के अनुसार समूहित टिप्पणियाँ दिखाती हैं कि सबसे आम शिकायत हर व्यक्ति को समस्या फिर समझानी पड़ना है: 31 प्रतिशत टिप्पणियाँ। 200 हाथ से लेबल की टिप्पणियों पर परखा गया भावना उपकरण लगभग एक-चौथाई को ग़लत लेबल करता है, जिनमें कई वे हैं जो "तत्काल" या "गंभीर" को वर्णनात्मक शब्दों की तरह उपयोग करती हैं, इसलिए टीम उसका उपयोग केवल पढ़ने के लिए टिप्पणियाँ छाँटने में करती है। उपयोगिता सत्र पाते हैं कि अनुरोध फ़ॉर्म परिसंपत्ति टैग माँगता है जो अधिकांश कर्मचारियों को पता नहीं।
टीम फ़ॉर्म बदलती है, ऐसा दिखाई देने वाला इतिहास बनाती है जो टिकट के साथ एजेंटों के बीच चलता है, और क्या बदला इसका मासिक नोट प्रकाशित करती है। वे शाखा प्रबंधकों के साथ अनुभव का स्तर-लक्ष्य तय करती हैं: 75 प्रतिशत कर्मचारी कहते हैं कि मदद पाना आसान था, तिमाही समीक्षा, टिप्पणियों और प्रतिक्रिया दर के साथ। प्रबंधक टीम से कहती हैं कि स्कोर का उपयोग व्यक्तिगत मूल्यांकन के लिए नहीं होगा।
क्या बदलता है: आसानी के स्कोर दो तिमाहियों में 68 प्रतिशत तक बढ़ते हैं, और "फिर से समझाना" टिप्पणियों के 15 प्रतिशत तक गिरता है। क्या कठिन रहता है: सबसे छोटी शाखाओं में प्रतिक्रिया दर कम रहती है; कुछ एजेंट चिंतित हैं कि कथन के बावजूद स्कोर उनके विरुद्ध उपयोग होंगे; और एक विक्रेता ने फ़ोन कॉल के लिए भावना-पहचान उपकरण प्रस्तावित किया है, जिसे प्रबंधक तब तक अस्वीकार करती हैं जब तक क़ानूनी और कर्मचारी प्रतिनिधि समीक्षा न कर लें। वे फ़ोन नमूने को बढ़ाने की योजना बनाती हैं।
चार दृष्टिकोण
उत्पाद और डिलीवरी टीमें
उपयोगकर्ताओं से अपनी सुविधाओं के परिणामों के बारे में पूछें, कुछ वास्तविक सत्र देखें, और परित्याग जैसे घर्षण बिंदुओं को इंस्ट्रुमेंट करें। जो सीखें वह सेवा टीम के साथ साझा करें।
सेवा और संचालन टीमें
टिप्पणियाँ पढ़ें, ग्राहकों को बताएँ कि क्या बदला, और अनुभव डेटा से देखें कि प्रक्रिया लोगों को कहाँ निराश करती है। स्कोर में हेरफेर न करें, और लोगों से अच्छी रेटिंग देने को न कहें।
नेतृत्व और गवर्नेंस
प्रतिक्रिया दरों और टिप्पणियों के साथ अनुभव के माप माँगें। गुणात्मक काम और फ़ॉलो-अप का वित्तपोषण करें। अनुभव के स्कोर से व्यक्तियों को क्रम न दें और न पुरस्कृत करें। गोपनीयता और कर्मचारी निगरानी पर सलाह लें।
ग्राहक और उपयोगकर्ता
आपसे उस बारे में पूछा जाना चाहिए जो मायने रखता है, जहाँ उचित हो आप गुमनाम रूप से बोल सकें, और सुनें कि क्या बदला। प्रदाता को बताएँ कि सर्वेक्षण आपका अनुभव कहाँ चूकते हैं, और अपनी टिप्पणियों में उदाहरण दें।
एजाइल, AI, स्वचालन और विश्लेषण
एजाइल
अनुभव पर छोटे प्रयोग चलाएँ, जैसे फ़ॉर्म बदलना, और कुछ उपयोगकर्ताओं से पूछें कि क्या उससे मदद मिली। डिज़ाइन में उपयोगकर्ताओं को शामिल करें। सावधानी: सर्वेक्षणों को लगातार बदलना तुलनाएँ नष्ट करता है; स्थिर कोर रखें और प्रश्न कम जोड़ें।
AI
AI टिप्पणियाँ समूहित कर सकती है, विषयों का सारांश दे सकती है, और "आपने कहा, हमने किया" नोट के मसौदे बना सकती है, किसी व्यक्ति के मूल से जाँचने के साथ। स्वामी नामित करें। सावधानी: AI भावना और भावना-पहचान समूहों और भाषाओं में ग़लत और अनुचित हो सकती है; लेबल किए नमूने पर परखें और व्यक्तियों पर उपयोग से बचें। «विषय 5.6 — AI गवर्नेंस, जोखिम और अनुपालन» देखें।
स्वचालन
सर्वेक्षण के ट्रिगर, गंभीर टिप्पणियों की किसी व्यक्ति तक रूटिंग, और फ़ॉलो-अप के अनुस्मारक स्वचालित करें। सावधानी: केवल अच्छे परिणामों के बाद भेजे गए स्वचालित सर्वेक्षण स्कोर बढ़ा देते हैं; उन्हें एकरूपता से ट्रिगर करें। «विषय 6.2 — वर्कफ़्लो स्वचालन और ऑर्केस्ट्रेशन» देखें।
विश्लेषण
स्कोर, प्रतिक्रिया दरें, विषय, व्यवहार के संकेत और तकनीकी डेटा मिलाएँ। सावधानी: स्कोर शोर वाले हैं, इससे प्रभावित कि कौन उत्तर देता है और प्रश्न कैसे पूछा गया; रुझान उपयोग करें, अनिश्चितता रिपोर्ट करें, और टिप्पणियाँ पढ़ें। «विषय 7.3 — मापन और रिपोर्टिंग» और सेवा प्रबंधन मेट्रिक्स पुस्तक देखें।
आम विफलता के तरीके
- केवल तकनीकी माप। हरे डैशबोर्ड, नाख़ुश उपयोगकर्ता। अनुभव के माप और टिप्पणियाँ जोड़ें।
- सर्वेक्षण के पूर्वाग्रह की अनदेखी। सबसे मुखर उत्तर देते हैं। प्रतिक्रिया दरें रिपोर्ट करें और छूटे समूहों तक पहुँचें।
- अग्रगामी प्रश्न। उत्तर तिरछे हो जाते हैं। तटस्थ शब्द उपयोग करें और परखें।
- भावना स्कोर पर भरोसा। उपकरण ग़लत लेबल करते हैं। मानवीय पढ़ने से जाँचें और ट्राइएज के लिए उपयोग करें।
- लक्ष्य के रूप में स्कोर। लोग उत्तरदाताओं पर दबाव डालते हैं। XLA को कई मापों के साथ साझा लक्ष्य की तरह उपयोग करें।
- सर्वेक्षण थकान। प्रतिक्रिया घटती है। कम पूछें, और दिखाएँ कि क्या बदला।
- लोगों की निगरानी। भरोसा और वैधता को नुक़सान होता है। समेकित करें, सहमति लें और सलाह लें।
परिपक्वता मॉडल
| आयाम | आरंभ | विकास | मानकीकरण | प्रबंधन | समन्वय |
|---|---|---|---|---|---|
| संग्रह | वार्षिक सर्वेक्षण | लेन-देन सर्वेक्षण | टिप्पणियों के साथ छोटे लेन-देन और संबंध सर्वेक्षण | प्रतिक्रिया और पूर्वाग्रह जाँचे, छूटे समूहों तक पहुँच | कई चैनलों की प्रतिक्रिया एकीकृत |
| विश्लेषण | केवल स्कोर | हाथ से पढ़े विषय | नमूनों के साथ विषय, उपकरण लोगों से जाँचे गए | अनुभव व्यवहार और तकनीकी डेटा से जुड़ा | अनुभव की अंतर्दृष्टि सेवाओं में नियोजन चलाती है |
| उपयोग | रिपोर्ट किया | कुछ कार्रवाइयाँ | कार्रवाइयाँ ट्रैक और "आपने कहा, हमने किया" प्रकाशित | ग्राहकों के साथ अनुभव लक्ष्यों की समीक्षा | साझेदारों में अनुभव समझौते साझा |
| नैतिकता | अस्पष्ट | जागरूकता | उद्देश्य, गुमनामी और समेकन के नियम | कर्मचारियों और सलाहकारों के साथ अभ्यासों की समीक्षा | संग्रह और विश्लेषण में गोपनीयता निर्मित |
जाँच-सूची
- हम केवल संतुष्टि नहीं, परिणाम और प्रयास मापते हैं।
- सर्वेक्षण छोटे, तटस्थ और परखे हुए हैं।
- हम प्रतिक्रिया दरें और कौन छूटा है रिपोर्ट करते हैं।
- हम साप्ताहिक टिप्पणियाँ पढ़ते हैं और उन्हें विषयों में समूहित करते हैं।
- भावना उपकरण मानवीय लेबल से जाँचे जाते हैं और केवल ट्राइएज के लिए उपयोग होते हैं।
- हम केवल पूछते नहीं, वास्तविक उपयोग देखते हैं।
- हम अनुभव लक्ष्यों को साझा लक्ष्य की तरह उपयोग करते हैं, व्यक्तिगत माप की तरह नहीं।
- हम प्रकाशित करते हैं कि प्रतिक्रिया के कारण क्या बदला।
AI प्रॉम्प्ट
समीक्षा के लिए टिप्पणियों को विषयों में समूहित करें।
ये उपयोगकर्ताओं की मुक्त-पाठ टिप्पणियाँ हैं, व्यक्तिगत ब्योरे हटाकर: [चिपकाएँ]।
उन्हें अधिकतम आठ विषयों में समूहित करें, हर एक की गिनती दें, और हर विषय के लिए दो छोटी टिप्पणियाँ ठीक वैसी उद्धृत करें। जो टिप्पणियाँ फ़िट नहीं होतीं उन्हें सूचीबद्ध करें। भावना की रेटिंग न दें और अनुमान न लगाएँ कि किसने क्या लिखा।
जिनके बारे में आप अनिश्चित हैं उनकी सूची दें।
सर्वेक्षण के प्रश्नों की समीक्षा करें।
यह सर्वेक्षण का मसौदा है: [चिपकाएँ]।
वे प्रश्न सूचीबद्ध करें जो अग्रगामी, दोहरे, अस्पष्ट, या पक्षपाती उत्तर पैदा करने की संभावना वाले हैं, हर एक को उद्धृत करते हुए, और तटस्थ पुनर्लेखन सुझाएँ। प्रश्न न जोड़ें।
जिनके बारे में आप अनिश्चित हैं उनकी सूची दें।
भावना उपकरण को परखें।
ये 40 टिप्पणियाँ हैं, हर एक पर मानवीय लेबल और उपकरण का लेबल: [चिपकाएँ]।
सहमतियों और असहमतियों की संख्या और हिस्सा निकालें, असहमति वाली टिप्पणियाँ सूचीबद्ध करें, और बताएँ कि उनमें क्या समान है। इस नमूने से परे उपकरण के बारे में कुछ निष्कर्ष न निकालें।
जिनके बारे में आप अनिश्चित हैं उनकी सूची दें।
AI कौशल
- survey-design: निष्पक्ष, उपयोगी सर्वेक्षण डिज़ाइन करने के लिए उपयोग करें।
- getting-feedback: उपयोगकर्ताओं और सहकर्मियों से प्रतिक्रिया जुटाने और उपयोग करने के लिए उपयोग करें।
- stakeholder-analysis: यह पहचानने के लिए उपयोग करें कि किससे पूछना है और कौन छूटा है।
- statistical-analysis: अनिश्चितता के साथ प्रतिक्रिया डेटा का विश्लेषण करने के लिए उपयोग करें।
- service-level-agreement: तकनीकी लक्ष्यों के साथ अनुभव के लक्ष्य ढालने के लिए उपयोग करें।
प्रमुख स्रोत
- Don Dillman, Jolene Smyth, and Leah Christian, Internet, Phone, Mail, and Mixed-Mode Surveys (4th edition, 2014): सर्वेक्षण डिज़ाइन की मानक मार्गदर्शिका।
- Jakob Nielsen, usability research (nngroup.com): छोटे नमूने के उपयोगिता परीक्षण पर व्यावहारिक प्रमाण।
- सहयोगी सेवा प्रबंधन मेट्रिक्स पुस्तक: अनुभव के मापों की परिभाषाएँ और रक्षा-रेखाएँ।
- Wikipedia, "Customer satisfaction" और "Sentiment analysis": मुख्य विचारों का अवलोकन।
संदर्भ
- Customer satisfaction — Wikipedia — https://en.wikipedia.org/wiki/Customer_satisfaction
- Net promoter score — Wikipedia — https://en.wikipedia.org/wiki/Net_promoter_score
- Customer experience — Wikipedia — https://en.wikipedia.org/wiki/Customer_experience
- User experience — Wikipedia — https://en.wikipedia.org/wiki/User_experience
- Survey methodology — Wikipedia — https://en.wikipedia.org/wiki/Survey_methodology
- Participation bias — Wikipedia — https://en.wikipedia.org/wiki/Participation_bias
- Sentiment analysis — Wikipedia — https://en.wikipedia.org/wiki/Sentiment_analysis
- Thematic analysis — Wikipedia — https://en.wikipedia.org/wiki/Thematic_analysis
- Usability testing — Wikipedia — https://en.wikipedia.org/wiki/Usability_testing
- Voice of the customer — Wikipedia — https://en.wikipedia.org/wiki/Voice_of_the_customer
- Employee monitoring — Wikipedia — https://en.wikipedia.org/wiki/Employee_monitoring
- Privacy — Wikipedia — https://en.wikipedia.org/wiki/Privacy