做绩效管理，我时常在说，要做就要做有目的的管理。不然，花那个心思做啥呢？为做而做，真的意义不大。

所以，只有有了目的，才会有目标，也才会有对应的管理。

不然，指标责任人，当然要按照自己有利的方向去获得好的指标结果。这不正常吗？

而客户满意度，按正常的想法，那么是由客户按其观感自由评价。不应该有强制、诱导或者人情这些因素的影响。

也就是客户想评价就评价，不想评价就不评，而评价的高低，也同样要随客户自己的意愿。

有人就说了，现在很多人都懒得评价。如果没有强制、诱导或者人情这些因素的参与，获得评价就很困难了。而且其中还有许多是敷衍评价。

但在做网购的时候，我们很多时候也会参考评价的因素。以此来对商品做简单的评估。但对于这种评价，对于我来说，一般要看的都是几百上千条那种。而不是那种几条十几条的好评。毕竟当数量真的多了，你要施展强制、诱导或者人情这些因素，也会很困难。而如果几条十几条，则完全有可能了。

就如前几年三茅做打卡老师评选。拉选票，其实是可以的。毕竟现在很多人都懒得参与，你拉他一下，感谢一下，他会去给你评价。对于这种拉选票，更多的是一种提醒，是一种激发，在其中会有一定的人情因素在内。但这种人情因素，其实是在规则范围内的。

毕竟，同样的服务面对有情感因素区分的熟人与陌生人，其感受是不一样的。有的人之间就这种服务程度，他就会很满意。而有的人，则会对满意的感受要求更高。

但当你通过某种机器人或者通过许诺好处去拉选票时，其本质则变了，等于你是在做选票制假，或者直接在购买选票。

这时的评价数据对你的服务或者产品的评价体现，其实就完全失真了。就变得毫无意义。

因此，要想获得相对客观的评价，一般情况，只有参与评价的客户数量足够大。就可以避开强制、诱导或者人情这些因素。而这个客户数量，要是实在的可回调，可反馈的客户。可不是机器人的虚拟客户。

想来通过一些手段，是可以核实机器人类的虚拟客户吧？

那么，面对员工会去拉评优选票的状况，我们应该如何实施管理呢？

首先，目的、目标与对象要正确。

做客户满意度调查，为的是看看有哪些没有做好，哪些做好。好的发扬，不好的改正。

因此，需要一定数量的客户满意度评价数据，将抽象的客户感受转化为可衡量的数值，帮助我们识别服务短板，优化产品与流程。

因此，会将评价目标定在服务人员与产品上。

而要想获得真实的改善，就需要将客户会在整体过程中有相对感受较深的环节或者内容提出来进行评价。

也就是评价的对象，不是指某人，而应该是服务内容或者产品某些功能或者环节。

其次，可以唤醒客户评价，但不鼓励去影响客户评价。

如果我们用各种因素去影响评价的结果，则将评价搞成了数据游戏。就失去了改善与提高的意义。

客户可能因被骚扰或欺骗而产生抵触情绪，甚至通过差评或口碑传播反噬评价对象或者评价内容的客户印象。

企业会因为虚假数据而掩盖真实问题，导致资源错配（如过度投入非关键环节），长期损害服务质量。

在行业内则可能会遭受信任危机。当你的产品或者服务尽是“高分评价”时，客户往往难以区分真实反馈与虚假数据。最终导致市场整体信任度下降，形成恶性循环。

第三、要对客户评价进行管理

一是要拉起唤醒客户来评价。

可以做适度的激励。比如对提供有效反馈的客户给予小额奖励（如积分、优惠券），但需避免直接关联评分结果，防止贿赂嫌疑。

二是要方便客户做评价。

首先允许客户做匿名评价，减少因“关系压力、人情因素”，导致不得不做出虚假评分。

同时要优化评价流程设计。减少填写步骤，例如采用一键评分或语音反馈，降低客户参与门槛。

再就是要根据客户作息节点的时间段（如服务完成、售后跟进一段时间后）来推送评价请求，避免频繁打扰。尽量取消当面评价，避免脸面情面等因素影响。

构建客户信任关系

三是一定要让客户知道评价的目的。

要与客户做透明化沟通。向客户说明评价用途（如“您的反馈将用于优化服务”），而非仅强调评分结果对个人的影响作用。

四是建立评价闭环管理机制。

一要公开客户反馈的集中问题的处理进展（如在官网展示改进措施），增强可信度。同时要尽量反馈客户参与评价的结果与作用，以此增强客户黏性，提升客户的反馈意愿。

五是要用技术工具与制度保障来确保评价的真实性。

比如使用客户体验管理平台（如倍市得、调研工厂）来实现多渠道数据整合与自动化分析，减少人为干预。同时制定内部的评价规范，禁止诱导评分行为。并允许通过第三方审计来确保评价的真实性执行。

总之，做服务评价，我们一定要将目标定在改善上，而不是去做惩罚。要强调，服务改善会增加所得，而不是服务高分会增加所得。

小结：

对客户满意度评价做管理，需回归“以客户为中心”的本质。通过一定的管理技术来保障数据真实性，同时通过对客户参与评价的结果反馈来表达对参与者的尊重与感谢。

以此约束短期行为、塑造提升客户参与意愿。

当然，只有将评价结果与企业改进、个人行为改善做深度绑定，才能实现评价的“数据游戏”到“评价能创造价值”的转变。