Метрики счастья клиентов: как ИИ помогает их улучшать, и почему бизнесу это так важно

Привет! Я Дарья Громова, ведущий аналитик по контактным центрам департамента голосовых цифровых технологий компании BSS, и сегодня мы поговорим о счастье клиентов. Точнее, о метриках, которые помогают понять, насколько счастливы ваши клиенты, и о том, что нужно сделать, чтобы они были счастливы по полной 🙂

В качестве основных ориентиров бизнеса чаще всего выступают продажи, качество продукции и предоставляемых услуг, охват и другие параметры. Но какие из множества метрик наиболее ясно отражают перспективы вашего бизнеса? Что помогает развивать и масштабировать его, а не просто получать сиюминутную прибыль?

Ответ прост — метрики клиентской удовлетворенности, показывающие, насколько хорошо компания удовлетворяет потребности и ожидания своих клиентов. Применение этих метрик допустимо в каждой сфере бизнеса, где есть взаимодействие с клиентом.

Не измеряя уровень удовлетворенности, вы можете упустить из виду проблемы в клиентском обслуживании, которые могут привести к оттоку клиентов или к репутационным рискам (вспомните, как быстро разгораются скандалы в интернете). Систематическое измерение и анализ всего лишь нескольких метрик позволит избавиться от лишней головной боли и ненужных расходов.

А теперь к делу…

1. Net Promoter Score (NPS). NPS измеряет лояльность клиентов с помощью оценки вероятности того, что они порекомендуют ваш бренд другим. Например: “Насколько вероятно, что вы порекомендуете нашу компанию друзьям или коллегам?” 0 - “Совсем не вероятно”, 10 - “Очень вероятно”. Когда результаты опроса будут собраны, клиентов следует разделить на три когорты в зависимости от значения Net Promoter Score:

Формула:

Рассчитать окончательный показатель NPS очень просто: NPS = % промоутеров - % детракторов. NPS выше 50% указывает на удовлетворенных клиентов, которые с большей вероятностью будут постоянными и принесут больше дохода.

Как интерпретировать результат:

Высокий NPS указывает на высокую лояльность клиентов, что ведет к их долгосрочному сотрудничеству с компанией. Лояльные клиенты приносят стабильный доход и менее подвержены влиянию конкурентов.

Комментарий:

Проанализировав оценки NPS (Net Promoter Score) для логистической компании, мы столкнулись с противоречием: высокий процент детракторов при высоком качестве обслуживания в контактном центре. При дальнейшем изучении отзывов клиентов было выявлено, что низкие оценки чаще всего ставили те, кто после общения с оператором контактного центра переключался на номер склада для получения информации о заказе.

К сожалению, на складе не хватало персонала, поэтому на звонки там никто не отвечал. В результате клиенты сталкивались с необходимостью перезванивать в контактный центр и заново проходить все этапы переключения на склад. Из-за повторения негативного опыта клиенты оставались недовольны обслуживанием на складе.

Важно отметить, что для клиентов не имеет значения, является ли склад отдельной структурой или частью компании. Они оценивают весь пройденный путь взаимодействия с брендом. Даже если оператор контактного центра предоставил отличную консультацию, отсутствие коммуникации с конечной точкой контакта — складом — может полностью испортить общее впечатление.

2. Customer Satisfaction Score (CSAT). CSAT позволяет компаниям получать детализированные отзывы и улучшать конкретные функции продуктов и услуг. Обычно это один вопрос по конкретной услуге или взаимодействию. Например: “Насколько вы удовлетворены нашим новым продуктом?” Варианты ответов: “Очень неудовлетворен” (1 звезда), “Неудовлетворен” (2 звезды), “Нейтрально” (3 звезды), “Удовлетворен” (4 звезды), “Очень доволен” (5 звезд).

Формула:

CSAT = (Общее количество респондентов / Количество довольных клиентов)×100%

Как интерпретировать результат:

CSAT позволяет получить конкретные отзывы о продуктах, выявляя их слабые места для своевременного исправления.

3. CSI (Customer Satisfaction Index) измеряет общий уровень удовлетворенности клиентов после взаимодействия с брендом. Он оценивает удовлетворенность клиентов по разным параметрам, таким как качество продукта, уровень обслуживания и общее восприятие компании. Например, вопрос, который можно задать клиентам: “Насколько вежливы и внимательны были наши сотрудники во время консультации?” Оцените от 1 до 5, где 1 - “невежливы, невнимательны”. 5 - “очень вежливы и внимательны”.

Формула:

CSI = (Сумма всех оценок / Максимальный балл x Количество респондентов) x 100%.

Как интерпретировать результат:

CSI позволяет получить конкретные отзывы о продуктах, услугах, деятельности операторов, что помогает точечно улучшать их качество.

Комментарий:

Однажды мы столкнулись с кейсом, где заказчик в пост-опросе пытался собрать одновременно две метрики (NPS и CSI). Клиентам поочередно задавали вопросы с просьбой оценить консультацию сначала по 10-балльной шкале, а затем по 5-балльной шкале. Такой разброс очень путал клиентов, и они неверно интерпретировали соотношение цифры и полученного впечатления. Российский рынок заведомо приучен к 5-балльной системе оценок еще со школы. Прежде чем внедрять систему опросов, проанализируйте вашу аудиторию и подумайте, какая шкала оценок была бы удобна клиентам.

4. Customer Effort Score (CES). CES измеряет усилия, которые клиент должен приложить для использования вашего продукта или услуги. Обычно это подсказка/всплывающее окно с одним вопросом после взаимодействия.

Формула:

CES=(Количество довольных клиентов/Общее количество опрошенных)×100%

Пример: компания провела опрос среди клиентов с просьбой “оценить по шкале от 1 до 5, насколько сложно было найти товар в каталоге на сайте?”. Клиентов, которые выбрали оценку 4 и 5 — 75 человек, опрошенных — 110 человек.

CES = 75 / 110 * 100% = 68,2%.

Как интерпретировать результат:

Помогает выявить и устранить препятствия, которые мешают клиентам, улучшая пользовательский опыт. Низкий уровень усилий со стороны клиента упрощает взаимодействие с продуктом или услугой, что повышает удовлетворенность. Легкость использования продукта или услуги способствует увеличению конверсий и продаж.

Комментарий:

Ранее работали с кейсом, когда компания-заказчик измеряла CES сразу после регистрации клиента в приложении с помощью вопроса: «Насколько легко вам было зарегистрироваться?». Однако этот сбор оценки проводился слишком рано: клиент еще не успевал столкнуться с основными сложностями (например, настройка аккаунта или использование мобильного приложения). В результате CES оказался искусственно завышенным, а реальные проблемы клиентов (например, сложности с транзакциями) остались незамеченными. Поскольку компания не выявила ключевые барьеры при работе с приложением, это привело к оттоку клиентов на этапе активного использования сервиса.

5. Churn Rate (Индекс отказов). Процент клиентов, которые прекращают взаимодействие с вашей компанией до завершения действия или запроса. Позволяет определить проблемные области и улучшить качество обслуживания для снижения оттока клиентов.

Формула:

Churn Rate = Количество пользователей, отказавшихся от товара или услуги/(Общее количество пользователей в начале периода)×100%

Пример: к нам пришло 300 человек в начале месяца, 10 из них потерялось к началу следующего месяца, значит мы делим 10 на 300. Получаем 0,03. Умножаем 0,03 на 100%. Ежемесячный показатель оттока составляет 3%.

Как интерпретировать результат:

Клиенты могут попадать в отток по различным причинам, включая жизненные обстоятельства, так и реакции на действия компании. Рост оттока может свидетельствовать о проблемах в сервисе или появлении более сильных конкурентов.

Комментарий:

Иногда увеличение оттока — это нормальное, хоть и тревожное, явление для бизнеса. На одном из проектов мы работали с компанией, которая предлагала клиентам подписку на потоковый канал. Измерение Churn Rate проводилось менеджерами ежемесячно, но они не учитывали сезонность спроса. Например, в летние месяцы многие пользователи отменяли подписки из-за отпусков, а осенью возвращались в сервис. Этот временной фактор, влияющий на Churn Rate, не был учтен, что привело к ложному выводу о высоком уровне оттока и изменениям в стратегии удержания. Вследствие этого компания потратила ресурсы на удержание временно неактивных клиентов вместо того, чтобы изучать реальные причины оттока..

6. First Contact Resolution (Разрешение первого контакта). Показатель того, как часто обращения в службу поддержки решаются с первой попытки. Характерен для использования в Контактных центрах. Стремление к 100% показателю помогает улучшить удовлетворенность клиентов и снизить необходимость повторных обращений.

Формула:

FCR=(Число обращений, разрешенных с первого контакта/Общее число обращений)×100

Предположим, в службу поддержки поступило 1000 обращений за месяц. Из них 800 обращений были разрешены с первого контакта.

Таким образом:

FCR(%)=(800/1000)×100=80%

Как интерпретировать результат:

Уровень FCR ниже 80% говорит о том, что в работе операторов или сотрудников офиса обслуживания, существуют проблемы, т.к. вопрос клиента не решается с первого обращения и ему пришлось обращаться в компанию вновь. FCR часто отражает показатель компетентности сотрудников организации.

Комментарий:

Чаще всего контакт-центр (КЦ) рассчитывает FCR на основе данных за 24 часа с момента первого обращения клиента. Такой срок применим далеко не для каждого КЦ, и тем более, не для каждого вида бизнеса. Например, в страховой сфере есть тематики, где невозможно решить вопрос в рамках короткого периода. Это могут быть обращения клиентов, где требуется согласование выплат или требуется время для сбора документов, оценки ущерба и согласования с третьими сторонами. В связи с этим прежде чем внедрять FCR, определите тематики обращений, которые заведомо будут требовать большего времени для решения, и установите комфортный срок допустимости повторных звонков.

Изначально применение описанных выше метрик было характерно для контактных центров, но с развитием клиентского сервиса, компании стали применять их во всех видах взаимодействия с клиентами: чат, смс, звонок, визит в офис, использование сайта, приложения и т.д. Количество данных, которые бизнесу нужно собирать для оценки удовлетворенности клиентов, постоянно увеличивается, что усложняет ручную обработку информации. Анализ клиентских данных можно доверить искусственному интеллекту, который умеет:

Кроме этого, ИИ может быть внедрен в инструменты автоматизации клиентского обслуживания. Например, голосовые и чат-боты, которые обеспечивают поддержку клиентов 24/7, в тех ситуациях, когда иметь штат сотрудников, работающих ночью – очень затратная история. В бизнес-практике достойно себя зарекомендовали такие продукты на базе ИИ как: речевая аналитика, голосовые и чат-боты, база знаний для сотрудников, онлайн суфлер, роботы-прозвонщики, различные продукты на основе биометрических данных.

Семимильными шагами развивается внедрение в бизнес решений на базе генеративных нейросетей и больших языковых моделей (LLM). Например, наша компания активно использует генеративные модели в работе речевой аналитики, позволяя прогнозировать эмоциональное выгорание сотрудников, поведенческие стратегии клиентов, более эффективно работать с лучшими практиками обслуживания и продаж.

Измерение уровня удовлетворенности обслуживанием – это неотъемлемый процесс для каждой уважающей себя организации. Если нет возможности тратить на это человеческие ресурсы, развитие ИИ в этой области сможет сделать большую часть работы за вас. Стоит отметить, что измерение удовлетворенности доступно не только крупному бизнесу, обладающему большим бюджетом. Достаточно иметь клиентскую базу в своем телефоне и периодически отправлять опросы клиентам в любых доступных мессенджерах. Но! Важно правильно формулировать вопросы, корректно интерпретировать значения и глубоко анализировать даже минимальные отклонения от целевого значения показателей.

Например, анализируя проекты наших заказчиков, мы часто встречаем ситуации, когда клиентов переводят на оценку качества звонка, даже если консультации не было. Клиент из-за длительного времени ожидания ответа оператора поставил звонок на удержание и успел вернуться к диалогу в момент, когда оператор произнес «к сожалению, вас не слышно» и перевел звонок на оценку. Естественно, любой клиент будет не удовлетворен ситуацией и поставит компании, оператору и всем, кому возможно – низкие оценки. Дальше кейсы с низким уровнем удовлетворенности передаются на специализированную линию прозвона клиентов для выявления причин. И это создает лишнюю нагрузку. Достаточно, в таких ситуациях, когда клиента не слышно, или оператор слышит «отбивку», что находится на удержании звонка, не переводить на оценку консультации. Простой шаг, который сохраняет корректный расчет удовлетворенности клиентов.

Если вам тоже небезразличны метрики удовлетворенности ваших клиентов и вы хотите вывести ваш бизнес на новый уровень, мы будем рады в этом помочь. У нас серьезная экспертиза по ревизии клиентского сервиса и выстраиванию лучшего клиентского пути. Мы знаем всё о метриках клиентской удовлетворенности и на «ты» с ИИ. Исследуем, проанализируем, выстроим процессы, порекомендуем решения. Обращайтесь!