Первое, что нам очень важно научиться проверять, это аспекты взаимодействия, которые больше всего влияют на клиентскую удовлетворенность как в положительную, так и в отрицательную сторону. К числу таких аспектов, например, всегда относятся соблюдение особых требований клиентов, особых нюансов спецификации и ускоренный класс обслуживания.
Второй фактор — это полнота поставки (иначе — OTIF).
Третий фактор — это назначение поставки и особые способы работы с этой поставкой.
Четвертый фактор — это назначение продукта и особенности его эксплуатации.
- Условно вычислимые метрики. Это метрики, которые мы можем измерить и мониторить за счет изъятия данных из наших внутренних систем. Это могут быть метрики с недогрузом, неритмичностью поставок, с проблемами в упаковке и так далее.
- Триггерные. Это метрики, которые мы можем собрать на текущий момент только посредством очной коммуникации с клиентом. Например, оценка работы менеджера, или скорость предоставления документов. Это не означает, что все компании на свете могут измерить скорость предоставления документов только через устную коммуникацию. Это означает, что конкретный клиент, для которого мы этот набор метрик создавали, на текущий момент обладает таким уровнем автоматизации, который не позволяет некоторые показатели отслеживать постоянно.
При этом совершенно очевидно, что в огромной иерархии процессов, с которыми мы можем сталкиваться, и в огромной совокупности всех точек контакта, которые мы рассмотрели ранее, обязательно имеются такие процессы, которые мы прямо сейчас сможем взять и классифицировать как наиболее значимые.
Так, мы собрали статистику по одному из подразделений нашего клиента по всем видам и типам неудовлетворенности. При этом мы опирались не только на классификацию рекламаций, которые официально поступили в компанию, но и на проведенные нами в процессе проекта интервью с экономическими и техническими покупателями и конечными эксплуатантами. Все собранные элементы как удовлетворенности, так и неудовлетворенности мы классифицировали по четырем категориям, и получилась довольно универсальная классификация. Это жалобы, связанные с: дисциплиной поставок, качеством, сервисом и ухудшением. Так, если проблема возникала в комментариях клиента впервые, то мы заносили ее в одну из первых 3 групп.
Если же проблема ранее не возникала, но клиент отметил, что в целом в процессе наметился некий регресс, то мы сбрасывали этот комментарий в отдельную группу «ухудшение». С этим все достаточно очевидно, но совсем другое дело — научиться все это эксплуатировать на регулярной основе.
Это по сути и есть первый шаг:
- собрать все рекламации, которые есть;
- собрать ОС от клиентов через опросы;
- квалифицировать удовлетворенность и неудовлетворенность;
- неудовлетворенность разложить по причинам и начать инициативы, направленные на борьбу с причинами такой неудовлетворенности.
По итогам интервью на основании пирамиды Bain мы начинаем выделять для клиентов основные метрики, которые на уровне нашей работы влияют на удовлетворенность и неудовлетворенность. Все метрики пирамиды мы разделили на два вида:
- Условно вычислимые метрики. Это метрики, которые мы можем измерить и мониторить за счет изъятия данных из наших внутренних систем. Это могут быть метрики с недогрузом, неритмичностью поставок, с проблемами в упаковке и так далее.
- Триггерные. Это метрики, которые мы можем собрать на текущий момент только посредством очной коммуникации с клиентом. Например, оценка работы менеджера, или скорость предоставления документов. Это не означает, что все компании на свете могут измерить скорость предоставления документов только через устную коммуникацию. Это означает, что конкретный клиент, для которого мы этот набор метрик создавали, на текущий момент обладает таким уровнем автоматизации, который не позволяет некоторые показатели отслеживать постоянно.
При этом нужно понимать, что в B2B-сегменте в ходе цифровизации клиентского опыта мы должны постепенно наращивать количество вычислимых метрик и сокращать количество метрик, собираемых устно. Многие крупные клиенты с течением времени будут продолжать ценить прямое межличностное взаимодействие, но в случае с прочими партнерами все же лучше не пренебрегать автоматизацией.
Дальше у нас появляется очень простая логика. Мы имеем некий список каналов взаимодействия с клиентами, которые могут быть нами использованы для того, чтобы постепенно наращивать число вычислимых метрик. Они могут иметь разную форму: всплывающие экраны в личном кабинете; электронные письма, которые отправляются после совершения транзакции; кнопки обратной связи, в том числе в мобильном приложении; чат-бот; пуш-уведомления и так далее. Но наша основная задача - научиться среди этих метрик выбирать те, которые постепенно можно в эти каналы зашивать, и, за счет этого, правильным образом выстраивать процесс сбора этой обратной связи.
Итогом такого сбора должна явиться примерно вот такая таблица. По сути это методология оценки клиентского опыта.
Для каждого сегмента клиентов мы выбираем наиболее значимые метрики. По итогам интервью для каждого клиентского сегмента нами выбираются определенные факторы. Мы через интервью получаем сведения о важности факторов для клиентов и о том, как эта важность варьируется. Далее все эти метрики с помощью специальных систем получают конкретное значение — доли (которые показывают, какой параметр как влияет на значение того или иного показателя). Дальше, исходя из оценки важности для клиента и текущего расчетного значения, можно получить расчетный показатель удовлетворенности по блоку.
Базовое правило очень простое: чем выше фактор удовлетворенности для клиента, тем больший вес получит итоговая оценка.
После этого мы можем сгруппировать прогнозные показатели удовлетворенности по крупным блокам и получить некий сведенный прогнозный показатель. Тогда нашей дальнейшей задачей будет научиться на регулярной основе измерять этот показатель , сравнивать с реальностью и вносить корректировки в изначальную таблицу. То есть мы обнаруживаем проблемы, связываемся с клиентом, выясняем ее важность и на основе этого подправляем некоторые элементы. При необходимости делаем так 2-3 раза. Сбор обратной связи тогда становится очень точным.
Так возникает реальная система управления клиентским опытом, когда мы не ограничиваемся сбором обратной связи, а выставляем факторы значимости; проводим сессии обратной связи, чтобы убедиться, что модель работает валидно; и теперь чуть ли не каждый день можем двигаться по траектории: