27 September 2018

Как аналитика взаимодействий с клиентами влияет на работу контакт-центра?

Как аналитика взаимодействий с клиентами влияет на работу контакт-центра?

Если вы знаете, что один из ваших клиентов завтра проснётся с мыслью о покупке нового планшета — можно уже сегодня прислать ему письмо с кодом на скидку. Если вы понимаете, что по всем признакам клиент собирается перейти к другому провайдеру, можно повысить ему скорость, снизить цену или предложить что-то ещё. Это клиентская аналитика.

Если вы не знаете, какой тарифный план из трёх предложенных стоит запустить по всей стране, надо воспользоваться клиентской аналитикой, которая возьмёт каждого отдельного человека из базы, оценит эмоциональные и практические мотивы перехода – и позволит понять, сколько людей будут пользоваться этим тарифом.

Именно так выглядит Data Mining в клиентской аналитике. И именно так это уже работает на практике в сотнях крупных компаний по всему миру и в нашей стране.

В прошлом топике я уже писал о том, насколько сильно клиентская аналитика может преобразить call-центр, когда вы знаете всё про звонящего. Это — кусочек большого паззла про клиентскую аналитику.

Не все абоненты равноценны с точки зрения маркетинга:

Не все абоненты равноценны с точки зрения маркетинга: они различаются по доходности, перечню потребляемых услуг, лояльности или склонности к уходу. Нужно иметь возможность разделять аудитории и работать с каждым сегментом отдельно.

Почему? Потому что чем точнее мы сфокусированы на клиенте, тем больше будет отдача. Например, можно предлагать ту или иную услугу или товар не всем подряд, а тем, кто по сегментации наиболее вероятно примет предложение. 

Работает ли это на практике? Да. Последние годы я занимаюсь внедрением инструментария для анализа клиентских обращений и могу сказать, что это, определённо, очень мощный инструмент для крупного бизнеса.

Базовый параметр — ценность абонентов – может определяется по набору вот таких данных:

  • Склонности продолжать пользоваться услугами компании или уйти в другую.
  • Соцстатуса на базе биллинга, программ лояльности и социального графа.
  • По текущему портфелю услуг (истории заказов).
  • На базе предиктивной модели — по списку услуг или товаров
  • Лояльности (на основе истории событий из CRM).
  • Плюс по ещё десяткам параметров, зависящих от конкретного бизнеса.

Интеграция и практическое использование

Интеграция этого кусочка с CRM позволяет доставить аналитику точно по месту для операционных решений: например, это реально работает для провайдеров связи при выборе тарифа, в банке при выборе вариантов счёта, в ритейле – по товарным предложениям и так далее.

Вот пример кусочка расчётов тогда, когда клиенту нужно предложить один из двух продуктов (например, тарифных планов):

Такие системы внедряют в инфраструктуру компании, у которых 1 и больше млн. клиентов, но зачастую они успешно работают и начиная от 100 тыс. клиентов.

Есть сочетание с маркетинговым движком. Например, можно стимулировать клиента к новым покупкам на основе профилей клиентов, похожих по поведению (что бы вы купили завтра, если бы вели себя как вся группа?). Есть и response engine, куда можно подать данные типа условий маркетинговых акций, и на выходе получить выборку клиентов, для которых каждая акция будет оптимальна. Результат – меньшие затраты на проведение, высокая отдача. 

Ещё одна интересная вещь – проверка гипотез о стратегических решениях. Например, нужно рассчитать стоимость внедрения очень дорогой программы лояльности: можно получить прогноз доходности. Более широко — можно оценить всю существующую клиентскую базу и понять капитализацию компании. Ещё интересный пример: при продаже бизнеса можно учесть весь потенциальный доход от клиентской базы.