Инструментарий

Разрабатываем стратегию CBM (Customer Base Management)

0

Сегодня я постараюсь описать, что из себя должна представлять стратегия CBM (управление клиентской базой) и на что обратить внимание при ее разработке и реализации. Сразу скажу, что это лишь верхнеуровневая концепция, но она поможет вам составить представление.
По сути это документ, который должен вам по сути сделать дорожную карту трансформации операционных процессов и выхода на заданные целевые показатели.
Этапы работы с клиентом:
1. Привлечение
2. Развитие
3. Проактивное удержание
4. Реактивное удержание
5. Возврат
6. New Монетизация оттока — это скорее некая бизнес-идея, которую мы сейчас начали тестировать с несколькими бизнес-заказчиками, но и она приносит определенный результат.
По каждому этапу вам необходимо разработать каналы коммуникации, продаж или обслуживания. Оценить емкость каналов и необходимые ресурсы для реализации каждого этапа, описать оферы и инструменты работы, а также критерии успешности и методику оценки результатов.

Посмотрев на пункты 1-6 ответьте себе честно, на сколько каждый пункт у вас проработан?

Давайте чуть подробнее опишу каждый этап работы:

1. Привлечение клиентов — понятно, что это ключевой пункт каждой организации, не будет продаж, не будет и бизнеса. Но его наличие вовсе не говорит о том что компания реализовала весь свой потенциал, тут речь идет не только про наличие каналов, их масштабирование до максимальной емкости, но и повышение их эффективности, я приводил пример как можно увеличить эффективность кол-центра на порядок. С развитием цифровых каналов у компаний открываются достаточно большие возможности по масштабированию продаж с минимальными ресурсами, все ли вы их используете?

2. Развитие клиентов. Ответьте себе честно сколько клиентов у вас совершают повторные покупки. Есть ли у вас Upsale/CrossSale кампании? На сколько эффективно у вас работают точки агрегации трафика клиентов? И как вы вообще измеряете результат этой работы? Как изменяется LTV? Как вы выбираете предложения для клиентов? Какое лучшее следующее предложение для клиентов?

3. А когда вы узнаете о том, что клиент уже ушел и больше к вам не вернется? Что вы делаете если клиент столкнулся с деградацией сервиса и что думает о вас? Как вы измеряете лояльность и удовлетворенность? Как работаете с такими клиентами и какие инструменты у вас есть?

4. Ну с реактивным удержанием понятно, клиент сам пришел вам об этом сказал, но какова ваша реакция? Что вы делаете? Какие инструменты есть для его удержания? Как вы меряете такую аудиторию?

5. Возврат. А кто вообще занимается возвратом? И есть ли инструменты для этой работы, и есть ли ресурсы? А что выгоднее возврат или привлечение нового клиента?

6. Монетизация оттока. А кто-нибудь этим занимается кроме меня? Я раньше тоже не особо задумывался, но анализируя и сравнивая клиентский LTV, пришел к выводу, что даже потери можно монетизировать. Сейчас мы тестируем эту концепцию, уже есть первые результаты, о чем несомненно расскажу.

Если вы хотите максимизировать LifeTimeValue, задумайтесь о разработке такой стратегии, она позволит вам улучшить результаты бизнеса на порядок!

 

Серия кейсов по аналитике — как из ничего получить что-то (кейс 3)

0

Кейс 3. Как увеличить эффективность кол-центра, оставаясь при том же объеме ресурсов и ФОТ.

Анализируя результаты работы исходящего телемаркетинга, заметил некоторые детали, а именно:

1. Не все операторы одинаково эффективны

2. Не все базы одинаково эффективны

3. Не все скрипты одинаково эффективны

4. Не на все оферы одинаково реагируют

Иногда показатели эффективности отличались в несколько раз. Поэтому, для чистоты экспертимента потратили немного времени на изучение ситуации и тестирование баз, скриптов, оферов. Все результаты сводились в общую таблицу. Задача была выбрать наиболее эффективные базы и наиболее эффективные скрипты и подобрать лучшие оферы. Для этого применяли самый простой метод AB-тестирования. Т.е. меняли один из параметров, остальные оставались прежними, чтобы набрать некоторую статистику для принятия решения об изменениях и составления карты здоровья.

Также в результате прослушивания, удалось понять, что наиболее эффективные телемаркетологи отходят от скриптов, имея собственные заготовки. Наиболее эффективных также попросили внести изменения в скрипты, чтобы проверить гипотезу.

Провели тестирование, замерили результаты, выбрали наиболее релевантные скрипты и базы, сделали подборку наиболее эффективных оферов.

В некоторых случаях результатов было не достаточно для корректного сравнения, поэтому брали еще  результаты аутстаффинга рабочих мест в других кол-центрах (про это могу отдельно рассказать для чего использовалось).

Что измеряли:

1. Результаты конверсии, по сути количество заявок из эффективных разговоров

2. Время работы на трубке к общему времени работы оператора

3. Длительность диалога

4. Длительность эффективного диалога

В общем все что так или иначе позволяет более эффективно тратить время работы оператора, потому что в единицу времени можно значительно максимизировать результат.

В общем и целом интересное упражнение, которое позволило поднять эффективность в 2.5 раза при том же объеме ресурсов, не меняя состав и мотивацию операторов.

Кроме этого также было отмечено, что 60% результата, дает 10% штата. И тут надо понимать, что это отдельный тип людей, настоящие волшебники, этому можно научиться, но очень долго, а некоторым и не достижимо. Тут мы тоже начали думать, что с эти можно сделать, изменили систему мотивации, и по сути 30% состава, которое давали близкий к нулю результат, сразу отвалились, поэтому на эти места мы взяли «свежую кровь» и получили при том же ФОТ-е еще небольшой прирост результата.

Но самое интересное, что мы получили в результате сравнения с внешними кол-центрами, можно назвать это такой GAP-анализ, который позволяет вычленить отставания и сделать RoadMap по достижению лучших практик, мы увидели, что наши операторы работают на трубке всего 9% от общего рабочего времени, в то время как худший результат внешнего контакт-центра оказался 60%, лучшие показывали результаты на уровне близком к 90%. Начали разбираться и поняли, что контрагенты используют предиктивный набор, экономя время на времени ожидания соединения с потенциальным абонентом. Таким образом, мы получили инструмент увеличения эффективности более чем в 6 раз при том же объеме ресурсов.

Начиная эксперимент мы верили, что можно увеличить эффективность на 30%, что тоже было бы неплохим результатом,  однако результаты превзошли все наши ожидания. При том же объеме ресурсов можно добиться эффективности в 20 и более раз. Я думаю вам не раз приходилось сталкиваться с каким-то операционным процессом внутри компаний, который существует долгие годы, но с помощью аналитического подхода его эффективность может быть увеличена на порядок.

В общем, если немного математически подходить, то результат это некоторая линейная функция, которая зависит от множества факторов. Задача найти оптимальный набор факторов и добиться их достижимости, с тем, чтобы максимизировать результат этой функции. В методах оптимизации это транспортная задача, которая решается симплекс-методом, в бизнесе примерно также, но иногда ограничения жестче и инструменты могут быть ограничены.

Удачи вам и максимальных результатов!

Серия кейсов по аналитике — как из ничего получить что-то (кейс 1)

0

Добрый день, друзья, совсем я в последнее время потерялся, был немного занят, постараюсь писать немного чаще и надеюсь вас порадую в ближайшее время новым интересным материалом.

И хотел бы поделиться несколькими интересными бизнес-кейсами, которые удалось решить на последнем проекте, все они могут быть сведены к общей фразе: как из ничего получить что-то.

Итак — кейс 1:

Наверное поймут только телекомовцы, но постараюсь писать понятным для всех языков. Проведя небольшой аудит межоператорского взаимодействия передо мной открылась такая картина и вводные. Зоновый оператор присоединен на местном и зоновом уровне ко множеству операторов, цены на завершение вызова на своей и чужой сети в рамках встречных договоров одинаковые, то есть нельзя говорить о какой-то дискриминации. Но если сравнивать цены между операторов, то они конечно существенно отличались. Кроме этого, был достаточно большой объем транзитного трафика с тарифом ниже, чем стоимость тарифа на завершение на чужой сети, то есть попросту говоря убыточный трафик. Проведя беседу с руководителем межоператорского блока, установил, что есть ряд присоединений с минимальным гарантированным платежом и конечно ежемесячно проводится работа по снижения минимальных гарантий и больше нет возможности никакой оптимизации, вся работа проводится регулярно. И приходится таким образом заполнять стык, иначе если тариф увеличить, транзитер убежит. Когда я руководителю организации показал какой убыток идет на межоператорском взаимодействии, то конечно все очень удивились. Речь шла о 2 млн. руб. в мес. чистого убытка. Это мало того убыточный транзит, это и переплата за минимальные гарантии трафика, которые не выбирались и это нессиметричный пропуск трафика, когда на сеть оператора шел трафик по одной цене — минимальной, а завершался по более дорогой цене. Я уверил, что все можно исправить, однако можно потерять выручки почти на 1 млн, но при этом сократить 3 млн. расходов. Кроме этого был вариант, при котором транзитер все же останется, но я сразу сказал, что гарантий никаких нет. Собственники приняли-таки решение, что прибыль важнее и дали добро на проведение оптимизации. Что было сделано — я дал команду написать всем транзитерам письма о снижении минимальных гарантий до объемов собственного трафика, а весь трафик что сверх минимального гарантий идет по тарифам желательно ниже предоплаченного объема. Результат этой работы дал сразу результат в течение 2-х недель, мы получили снижение минимальных гарантий на 1 млн. руб. Ну конечно не сразу, а после серии встреч, письма послужили неким катализатором диалога. Несколько операторов отказались это сделать, никакие угрозы не помогли, тогда в результате долгих переговоров я пришел к выводу, что можно сделать размен, снять гарантии на местном уровне, но взять гарантии на зоновом уровне, благо трафика на зоновом было достаточно много, чтобы не заметить этих платежей. Таким нехитрым способом мы выровняли объем стыков до уровня собственного трафика. Оставался убыточный транзит. Но тут порядок был простой, поднять цену до уровня выше, чем мы платим оператору за пропуск трафика. Соответствующее уведомление мы также отправили. Первая реакция для транзитера был шок, конечно нигде на рынке таких цен не было, в итоге мы потеряли порядка 300 тыс. выручки, следом последовало увеличение на второй стык и ожидание что будет снят и второй объем. Но дальше все пошло по оптимистичному сценарию.  Транзитер вдруг не только вернул трафик, но и значительно нарастил транзит, в итоге мы помимо увеличения выручки, получили чистую экономию более 2 млн. руб. в мес. При размене трафика местный на зоновый, удалось еще небольшую экономию сделать, за счет более выгодного распределения завершения по стыкам между операторам.

Как решаются такие задачи, как правило необходимо понимать немного в математике, немного в физике и немного быть погруженным в связь. Трезво оценивать риски и не бояться потерять часть выручки. Для меня это был не новый опыт, однако скорее первый, где таким образом маржинальность операторского бизнеса за 2 месяца выросла почти на четверть. Сравнивая результаты по году я пришел к выводу, что по сути этим одним кейсом больше половины новой прибыли было получено.

Удачи вам, и следите за обновлениями в блоге, будет еще интереснее!

Если у вас после прочтения, появились вопросы, не стесняйтесь задавать, с удовольствием помогу.

 

Как выбрать правильного интернет провайдера

0

Натолкнулся на интересный сервис по выбору качественного провайдера Интернет http://vinternete.su/, мне кажется пока сервис еще сыроват, но ребята на правильном пути, если они реализуют все что у них написано, то провайдеры не смогут уже возражать против объективных измерений. Пока я так понял доступна только Москва и область. Мне кажется такие социально-значимые вещи нужно обязательно поддерживать и распространять. Поэтому делюсь с вами, давайте поддержим ресурс своими измерениями, чем больше будет база измерений, тем более качественной будет статистика на основе которой клиенты будут принимать решение. На мой взгляд, это классический пример Data-driven сервиса.

Удачи вам и правильного выбора! Поможем составить независимый рейтинг провайдеров на основе реальных измерений скорости!

 

A/B-тестирование 

0

A/B-тестирование (A/B testing, Split testing) — метод маркетингового исследования, суть которого заключается в том, что контрольная группа элементов сравнивается с набором тестовых групп, в которых один или несколько показателей в offer-е были изменены, для того, чтобы выяснить, какие из изменений улучшают целевой показатель, например hit rate, revenue, profit и т.д.

Примеры:

  • Сравнение различных скидок, например, 20% и 50% и определение оптимальной скидки
  • Сравнение двух offer-ов с разной механикой для определения оптимального предложения
  • Иногда проводят более экзотические модификации, например, меняют цвет баннера, размер текста, расположение УТП
Кроме этого должны быть соблюдены ряд условий:
  • Выборка должна быть однородная. Мы должны понимать, что hit rate для разных подсегментов одного сегмента с одним и тем же offer-ом, одинаковый. Иногда говорят, что необходимо провести A/A тестирование, прежде чем приступить к A/B тестированию. Если условие нарушаются, результаты A/B тестирования по выбору оптимального offera непредсказуемы.
  • Offer должен быть применим для сегмента. Например, мы сравниваем скидку 30% и 20% на годовой абонемент и тестируем на абонентах, которые постоянно задерживают оплату, пропускают периоды оплат. Отклик будет столь мизерным, что результаты будут мало применимы, даже если будут отличаться на порядок.
  • Объем выборок при тестировании offer-ов должен быть статистически значимым, в идеале чем больше, тем лучше, в этом случае результаты будут более точными

Удачи вам! Прежде чем запускать сложный offer, неплохо бы его потестировать!

Вверх