Mendengarkan Umpan Balik Pelanggan: Menavigasi Laporan yang Bertentangan
Diterbitkan: 2022-05-07"Kapten! Kami memiliki pusaran air di pihak kami!” terdengar teriakan dari belakangmu.
"Kapten! Ada monster raksasa di pihak kita!” terdengar teriakan dari yang lain.
Jika situasi ini terdengar akrab bagi Anda, Anda adalah kapten kapal di Yunani kuno atau pemilik bisnis kecil hingga menengah yang mendengarkan umpan balik pelanggan. Bagaimanapun, Anda pernah berpikir, "Tidak mungkin keduanya benar."
Tapi bisakah mereka?

Dan jika ya—jika laporan yang saling bertentangan ini memiliki bobot yang sama—apa yang Anda lakukan? Apakah Anda baru saja keluar dari penggorengan dan masuk ke dalam api?
Saya tahu saya mencampuradukkan metafora saya, jadi mari kita tinggalkan Scylla dan Charybdis dan mundur selangkah untuk fokus pada apa yang sebenarnya kita bicarakan di sini: data ulasan yang bertentangan.
Siapa yang Anda dengarkan saat mendapatkan ulasan yang bertentangan?
Setiap orang.
Hanya karena dua ulasan bertentangan satu sama lain tidak berarti yang satu benar dan yang lain salah.
Jika kita melihat contoh Yunani dari sebelumnya, kedua pelaut menggambarkan situasi yang akurat: Deskripsi mereka hanya berbeda berdasarkan pengalaman/sudut pandang mereka sendiri.
Sama seperti kapten kapal kami, alih-alih memilih sisi yang benar atau salah, Anda harus menerima bahwa pelanggan Anda mengalami banyak kebenaran.
Namun, ketika Anda mendengarkan umpan balik pelanggan dan satu pelanggan bertentangan dengan yang lain, sulit untuk bertindak berdasarkan informasi yang mereka berikan dan bahkan lebih sulit lagi untuk menggunakan informasi itu sebagai pengaruh untuk pemeliharaan klien.
Untuk menghindari mengasingkan pelanggan Anda, Anda harus lebih memahami akar penyebab di balik beragam pengalaman pelanggan mereka.
Dengan menggali lebih dalam untuk memahami "catatan di balik catatan" sambil mendengarkan umpan balik pelanggan, Anda tidak hanya akan lebih siap untuk membedakan antara gejala dan masalah yang sebenarnya, tetapi Anda juga akan memperdalam hubungan Anda dengan klien itu.
Langsung ke:
4 langkah untuk memetakan alasan di balik pengalaman pelanggan yang berbeda
- Langkah 1: Temukan perbedaan utama dalam ulasan
- Langkah 2: Lihat siapa yang melakukan peninjauan
- Langkah 3: Tentukan apakah itu tren atau satu contoh
- Langkah 4: Pertahankan percakapan dengan pelanggan Anda
Merencanakan kursus Anda setelah mendengarkan umpan balik pelanggan
Apa yang harus berlayar?
4 langkah untuk memetakan alasan di balik pengalaman pelanggan yang berbeda
Sebelum kita masuk terlalu jauh ke dalam proses memahami pelanggan Anda, Anda harus melihat apa yang mereka katakan saat mereka memberikan umpan balik (awal percakapan Anda dengan mereka).
Langkah 1: Temukan perbedaan utama dalam ulasan
Perhatikan dua situasi di bawah ini:
skenario 1 | Skenario 2 | |
---|---|---|
Pelanggan A | Produk ini sangat intuitif. | Produk terlalu rumit untuk digunakan dengan baik. |
Pelanggan B | Sulit untuk menggunakan produk. | Produk terlalu sederhana dan tidak memiliki cukup fungsi. |
Dalam kedua skenario, ada ketidaksepakatan kunci.
Anda mungkin cenderung percaya bahwa satu skenario lebih disukai (setelah semua, Skenario 1 menyertakan ulasan positif tentang produk Anda), tetapi dalam kedua situasi Anda harus membuat penyesuaian (dan, seperti yang telah kami nyatakan, semua umpan balik pelanggan dapat Baik).
Langkah 2: Lihat siapa yang melakukan peninjauan
Jika Anda melewatkannya saat pertama kali keluar, berhentilah sejenak dan baca artikel ini tentang pentingnya mengumpulkan data ulasan.
Apakah kamu kembali? Bagus.
Sekarang Anda tahu pentingnya mengumpulkan data demografis saat Anda mendengarkan umpan balik pelanggan, yang akan membantu dalam tahap memahami perbedaan antara dua pelanggan Anda.
Jadi, bagaimana Anda memecah data ini? Salah satu opsinya adalah menggunakan perangkat lunak kecerdasan buatan (AI) untuk mengatur dan menganalisis data pelanggan yang Anda inginkan.
Faktanya, 42% responden dari survei Gartner Digital Markets 2018 (hasil survei lengkap tersedia untuk klien Gartner) menyatakan bahwa mereka saat ini menggunakan AI untuk segmentasi pelanggan, sementara 45% menggunakannya untuk analitik ulasan pelanggan.
AI bukan satu-satunya pilihan—Anda dapat menggunakan perangkat lunak CRM atau menelusuri data secara manual—tetapi ini adalah solusi termudah.
Setelah Anda mengumpulkan data, saatnya untuk melakukan sedikit pencarian jiwa. Tanyakan pada diri Anda siapa pembeli ideal Anda? Kemudian tanyakan pelanggan mana yang Anda dengar yang paling cocok dengan persona target tersebut.
Pegang informasi itu; itu akan menjadi penting nanti.
Langkah 3: Tentukan apakah itu tren atau satu contoh
Telusuri setiap informasi yang Anda terima sambil mendengarkan umpan balik pelanggan, apa pun skenarionya.
Sekarang, hitung berapa banyak pelanggan yang telah memberikan umpan balik serupa.
Jika hanya satu pelanggan yang mengatakan sesuatu, itu masih valid. Jika 100 orang mengatakan sebaliknya, itu tidak berarti bahwa satu pelanggan dengan umpan balik asli tidak memiliki pengalaman yang sah.
Alih-alih, anggap itu sebagai cara untuk mencari tahu bagaimana mendekati masalah yang dihadapi.
Katakanlah 99 orang menikmati aspek tertentu dari produk Anda, tetapi satu orang mengatakan tidak. Mengatasi masalah itu membutuhkan pendekatan pemecahan masalah yang sangat berbeda dibandingkan jika 50 orang menikmati aspek yang sama tetapi 50 orang tidak.
Salah satunya adalah tren yang berakar pada produk Anda, dan satu lagi adalah contoh tunggal yang berakar pada pengalaman pelanggan tersebut. Meskipun keduanya valid, strategi Anda untuk mengatasi masalah harus berbeda.
Langkah 4: Pertahankan percakapan dengan pelanggan Anda
Anda harus menindaklanjuti dengan pelanggan Anda ketika mereka meninggalkan ulasan, apakah itu positif atau negatif.
Melakukannya akan membantu Anda lebih memahami alasan yang mereka miliki untuk masalah yang mereka bicarakan dan bagaimana mereka mengharapkannya untuk diselesaikan.
Jadi kapan waktu terbaik untuk berbicara dengan mereka? Menurut penelitian Gartner baru-baru ini, sekitar dua hingga tiga bulan setelah mereka meninggalkan ulasan.

Sejauh ini, pelanggan tidak mengingat detail terperinci yang dapat menghambat pemahaman yang lebih dalam tentang pengalaman mereka. Sebaliknya, pelanggan mengingat poin penting dan dapat lebih akurat berbicara tentang perjalanan emosional dan logistik mereka.
Percakapan tingkat tinggi itu—dan itu harus berupa percakapan daripada, katakanlah, survei—akan membantu Anda memahami catatan di balik catatan itu dan memberikan pemahaman yang lebih luas tentang mengapa mereka meninggalkan umpan balik tertentu.
Pengetahuan itu dapat memberi Anda kunci untuk mengetahui mengapa Pelanggan A memberi Anda satu ulasan dan Pelanggan B memberi Anda ulasan yang berbeda.
Merencanakan kursus Anda setelah mendengarkan umpan balik pelanggan
Sekarang setelah Anda memiliki semua pengetahuan ini, apa yang akan Anda lakukan dengannya?
Semua informasi yang Anda kumpulkan akan sangat penting dalam membantu Anda menemukan cara untuk bergerak maju dengan penyesuaian yang diperlukan.
Langkah pertama Anda adalah menentukan apakah umpan balik adalah bagian dari tren atau hanya kejadian yang jarang terjadi.
- Jika itu tren, bersiaplah untuk membuat beberapa perubahan yang lebih luas.
- Jika itu adalah hasil dari satu situasi atau kejadian yang jarang terjadi , Anda harus fokus pada pengalaman individu.
Terlepas dari arah mana Anda pergi, Anda harus mengubah sesuatu.
Untuk yang terakhir, Anda harus fokus untuk mengatasi masalah individu tersebut, apakah itu tentang proses orientasi atau kegunaan. Ini akan menjadi waktu yang tepat untuk menggunakan program advokasi pelanggan Anda untuk mengatasi titik kontak ini.
Namun, jika itu tren, prosesnya menjadi sedikit lebih rumit.
Mari kita kembali ke skenario kita sebelumnya. Melihat masing-masing dari ini akan membantu Anda mengembangkan pemahaman tentang metodologi yang lebih luas yang diperlukan untuk menavigasi laporan yang saling bertentangan ini:
Jika Pelanggan A lebih dekat dengan ideal Anda, selamat! Anda tampaknya memahami demografi target Anda. Namun, Anda masih perlu melihat tantangan yang diungkapkan Pelanggan B. Jika Pelanggan B lebih dekat dengan ideal Anda, coba cari tahu apa yang Pelanggan A pahami atau dapat rasakan yang tidak dapat dipahami oleh pelanggan ideal Anda. Untuk apa Pelanggan A menggunakan produk Anda—apakah itu berbeda dari Pelanggan B? Kualitas apa yang ditunjukkan Pelanggan A yang tidak ditunjukkan oleh Pelanggan B? Percakapan yang Anda lakukan saat mendengarkan umpan balik pelanggan akan membantu menjawab pertanyaan-pertanyaan ini dan memberi Anda pemahaman yang lebih dalam tentang pengalaman mereka dengan produk dan perusahaan Anda. Mungkin masalahnya adalah bahwa Pelanggan B memiliki pengalaman orientasi yang buruk dan memerlukan demonstrasi yang lebih lambat dan lebih terperinci. |
Jika Pelanggan A—yang percaya produk Anda terlalu rumit—adalah pelanggan ideal Anda, maka mungkin Anda perlu duduk dan memikirkan untuk apa pelanggan ideal Anda sebenarnya menggunakan perangkat lunak Anda. Anda mungkin telah membangun produk yang terlalu kuat. Alat khusus bisa terlalu spesifik untuk penggunaan universal dan model berskala yang menghilangkan fitur yang tidak penting dapat membantu. Atau, ini bisa menjadi masalah dengan antarmuka pengguna (UI) yang mencegah mereka menavigasi produk, sehingga membuat pengalaman pengguna lebih efisien bisa menjadi tindakan yang benar. Dalam hal ini, terlibat dengan pelanggan Anda secara keseluruhan akan memberi Anda pemahaman yang lebih baik tentang langkah selanjutnya. Jika Pelanggan B adalah pelanggan ideal Anda, maka Anda perlu mengajukan pertanyaan serupa kepada diri sendiri. Menurut Anda, apa tujuan produk Anda? Apakah sesuai dengan harapan pelanggan Anda? Mungkin Anda tidak cukup menyentuh poin rasa sakit pelanggan Anda. Atau, Anda mungkin menawarkan fitur yang menurut mereka tidak ada pada produk Anda, tetapi UI Anda membuatnya lebih sulit ditemukan. Sekali lagi, mempertahankan percakapan itu akan terbukti penting dalam merumuskan strategi untuk retensi dan kesuksesan pelanggan. |
Apa yang harus berlayar?
Semua umpan balik adalah tanda. Apakah itu benar-benar paduan suara Yunani yang memberi tahu Anda bahwa mereka telah memperhatikan tren atau satu Tiresias yang memperingatkan Anda tentang badai yang akan datang, suara pelanggan harus menjadi panduan Anda.
Dengan terlibat langsung dengan mereka, Anda akan belajar dengan tepat betapa pentingnya mendengarkan dan memahami siapa mereka dan dari mana mereka berasal, serta koreksi kursus apa yang perlu Anda buat sebagai hasilnya.
Metodologi
Hasil yang disajikan didasarkan pada studi Gartner yang dilakukan untuk memahami adopsi dan rencana investasi AI dalam perdagangan digital. Studi ini juga berusaha memahami nilai dan keberhasilan AI dalam perdagangan digital dan tantangannya. Penelitian utama dilakukan secara online dari 4 Juni hingga 17 Juli 2018, di antara 307 responden di Amerika Utara, Amerika Latin, Eropa Barat, dan Asia-Pasifik.
Organisasi yang memenuhi syarat menjangkau berbagai industri tidak termasuk Perawatan Kesehatan. Perusahaan diharuskan memiliki pendekatan teknologi utama untuk perdagangan digital sebagai 'Platform perdagangan yang dibuat khusus' atau 'Solusi perangkat lunak perdagangan paket' dengan beberapa (>$0 USD) pendapatan yang dihasilkan dari saluran digital pada tahun fiskal 2017. Perusahaan juga diharuskan untuk menggunakan atau mengemudikan AI dalam perdagangan digitalnya. Sampel mewakili organisasi di AS/Kanada (n=86), Brasil (n=35), Prancis (n=30), Jerman (n=31), Inggris Raya (n=30), Australia/Selandia Baru (n=30 ), India (n=33) dan Cina (n=32).
Semua responden disaring untuk keterlibatan dalam keputusan strategis untuk perdagangan digital dalam organisasi mereka.
Kuota diterapkan untuk negara, industri, dan pendapatan seluruh perusahaan dari saluran digital untuk tahun fiskal 2017.
Kecerdasan Buatan: AI adalah kombinasi teknologi canggih yang mengubah perilaku tanpa diprogram secara eksplisit, berdasarkan data yang dikumpulkan, analisis penggunaan, dan pengamatan lainnya. Pembelajaran mesin adalah kategori teknologi utama yang mendorong AI dan mencakup teknik seperti regresi linier, pohon keputusan, jaringan Bayesian, dan jaringan saraf dalam.
Studi ini dikembangkan secara kolaboratif oleh Analis Gartner dan Tim Riset Utama yang mengikuti Commerce Technologies & Experiences.
Penafian: Hasil tidak mewakili temuan "global" atau pasar secara keseluruhan, tetapi mencerminkan sentimen responden dan perusahaan yang disurvei.