最近，Uber的首席运营官Travis Kalanick在Facebook上针对老顾客对旧金山市服务质量变差而抱怨一事做出了回应。笔者强烈建议你去看看他的帖子，因为对于首席运营官们来说，这是一场及其罕见的高度曝光秀。在Travis的话中，我挖掘出了更有趣的信息：Travis认为他们内部指标的改变并不能反映服务质量的变化。作为一个Uber的“资深用户”，这不禁让我联想到一个几乎所有公司（尤其是一些大数据技术公司）都存在的通病，那就是但凡是有价值的反馈都不是由简单的数据集合得出的。原因如下：
1.即使无法准确地描述终端用户的体验，人们也总是倾向于相信自己的衡量标准。
2.很多公司在如何获得用户反馈上不费心思，这导致他们所获取的反馈总是证明他们现在的系统是非常恰当，稳固且具有代表性的。
我把UserVoice得出的定型或定量的反馈称作为“直接的反馈”，因为它收集的数据直接来自用户，而非是采用暗示性的反馈、项目追踪或探索行为模式，尽管这三种方法在目前十分流行。
可是，这种直截了当的反馈有时却富有欺骗性。比如Uber的司机非常依赖的星级评定制度，如果司机不在让用户评星的方式和时间上非常留心，那他极可能会得到有偏见的反馈。在Uber的案例中，我认为还是有非常多地方值得大家反思。首先我们将探讨当我们叫一辆Uber时，会发生什么？
现有体验
1. 下单用车
如果因为司机迟迟没到或者行驶的路线有误而要取消本次乘车，Uber是得不到关于该司机的反馈的。这是Uber用户最近常有的抱怨。我会说服Travis对此采取措施，或许仅对司机的取消率进行分析就已经足够了。
2. 上车之后
在途中你无法对司机进行反馈，这一点让我十分失望。因为无论在使用联网APP还是在玩手机游戏的时候，允许用户对于痛点作出反馈是至关重要的。但在某个早晨，我的UberX司机行驶偏离了0.5英里，我却只能在下车后才能给出反馈。
3. 下车评分
然而你下车后会特意再去打开Uber吗？抱歉地说，我不会。你只会在下一次乘车时打开Uber（当我截图的时候我首先得对三天前的一位司机打分）。你可能已经忘了之前不愉快的用车经历，或者更可能是你想马上用车所以随便给了个5分。这张截图中可以引出另一个问题，分不开对司机还是对Uber本身作出的反馈。我住在街角，因而没有少于街区距离的Uber司机能载我。我总得走完整条街去乘车，但我无法向Uber反馈这个问题，或者告诉他们我家地址总是被忽略了。
避短扬长（一些容易的做法）
以上就是过去几个月以来，我在乘坐Uber时遇到过的不愉快经历，对此我未曾正式提及过。但Uber公司可以采用一些简单容易的办法来改善用户体验。
1. 打开程序，实时反馈
当你不慎把自己的手机落在刚刚乘坐的Uber车上，或者一些更糟糕的事情发生了，你一定想尽可能快并容易地和Uber车主取得联系，因此你就需要一个在手机上总能找到的按钮（理想状态下这个按钮应该比邮件编辑器窗口来得复杂一些，可以参考PicCollage公司的成功案例）。在潜在问题出现前，向用户展现这些问题所在是解决问题的关键。
在获得用户对app或其服务本身的反馈时，Uber可以利用以下这个绝佳的方法。当在等Uber车主来接时，用户通常有那么几分钟时间是用来消磨的，而这几分钟也正是他们对Uber有反馈想法的时间。Uber应当让用户意识到并为之提供反馈信息。
2. 不要让用户在乘车结束后才能给予反馈
个人认为，Uber还应当设置一个按钮让用户在乘车时能够对司机做出实时评价。司机走得路线是不是太绕？我全程是不是都在用导航？如果我遇到这些问题，Uber应该给我一个按钮让我即时评分。同时，如果我只是在刚上车时不满意，但司机能在我乘车途中对此进行补偿，那这样就很好，我在下次乘坐Uber前，可以随时更改我的评分。
倘若Uber想要获得更高质量的用户反馈，它可以在用户下车后给他们发短信，或者在app上推送评分提醒（或提示用户确认已有评价）。这样的话，每当用户在下次使用Uber时就不会有上次乘车还未评价的页面出现了。
虽然说了这么多意见，我个人还是爱Uber的。以上这些就像是基于Uber的一些很棒服务之上的额外挑剔，可以说是用户体验的“最后一公里”、实用设计与抛光的“最后5%”，而恰恰是这些才能将极佳产品与仅仅的好产品区分开来。
虽然Uber现在处于业内顶尖位置，但是任何产品都可能受到所谓“最后一公里”的致命一击，最后变得无关紧要（就像“掘客”Digg网站，黑莓，诺基亚等等）。尽管用户反馈常常给予企业鞭笞和敲打，然而常言道“人们会总要一匹跑得更快的马”，这也就是 “最后一公里”的意义所在：用户体验最终能够充分发挥其用并帮助产品渡过难关。
参与人员：编译 – 刘年华 陈圣聪 王诗萁；编辑 -裴懿萱；策划 – 徐睿艺、樊茜茜；
推广 – 李燕云、申洪浩、李华芳
原文：http://community.uservoice.com/blog/on-uber-big-data-and-blind-spots/
原作者：Richard White, CEO of UserVoice
本文为专栏文章，来自：英明泰思基金会，内容观点不代表本站立场，如若转载请联系专栏作者，本文链接：https://www.afenxi.com/26664.html 。
