Business Intelligence

Управление клиентской базой (Customer Base Management)

0

Продолжаем тему постов по оптимизации. Затронем вопрос управления клиентской базой (CBM — Customer Base Management, некоторые называют еще CVM — Customer Value Management), он достаточно комплексный, и не укладывается в один пост либо этот пост будет очень большой.
Мне нравится приложенная к посту картинка, она в принципе достаточно наглядно описывает все активности на протяжении всего срока жизни клиентов, не описывает она пожалуй только монетизацию оттока, но это пока не сильно прижившийся механизм, но он есть и имеет право на жизнь.
В рамках этой работы возникает широкий класс задач, которые необходимо решать, у нас накоплена достаточно большая экспертиза по решению этих задач. Перечислю некоторые из возникающий задач из каждого блока.
1. Распределение бюджетов по каналам продаж и коммуникации.
Внутри каждого канала продаж может возникать такая же активность по оптимизации в зависимости от форматов, географии, площадок и множества других параметров. Математика с одной стороны простая, это классическая задача линейного программирования, однако требует большой организационной работы, чтобы построить грамотную сквозную воронку продаж и «подружить» данные как внутренних CRM систем с данными внешних систем (а иногда и «дружить» не с чем, как в наружке, радио и телеке, где информация об аудитории скажем так сомнительна), а также построить целевую функцию и задать правильные ограничения. Тут возникают 3 типа задач — 1. как минимизировать бюджет на привлечение для достижения заданных показателей по прибыли 2. максимизировать прибыль при заданном бюджете на привлечение. Иногда задача решается в комплексе, 3. Какой бюджет на привлечение нужен чтобы добиться максимальной прибыли, при заданных параметрах маржинальности.
По своему опыту могу сказать, что после детального анализа данных, если вы до сих пор это не анализируете вы получаете прирост по эффективности от 15%. Меньше я не получал, возможно где-то есть best practics, рад буду если кто-то меня удивит.
2 Распределение между активностями (оферами), потому как в каждом канале могут действовать свои активности (массовые, таргетированные, региональные) — также требует выстраивание сквозных прозрачных процессов, в противном случае одна активность может нивелировать эффект от другой. Тут нужна и грамотная коммуникационная политика и сквозной процесс оценки эффективности. Кроме этого, грамотный подход к тестированию активностей, чтобы не давать максимальные скидки, а делать оптимальное предложение каждой целевой группе.
3. В задачах допродаж/кросс-продаж возникает также широкий класс задач и организационных работ.
Под каждый целевой сегмент должен быть подобран правильный продукт, правильная коммуникация, правильное предложение, лучший канал коммуникации. Это сложная оптимизационная задача. Можно внедрять элементы, например, прогнозировать отклик на кампанию и делать сортировку списков клиента на кол-центре или делать адаптивный дизайн email-а в зависимости от сегмента и результата split-тестирования. Конечно, даже в этом виде такой подход даст значительный импульс, но если вы не будете работать над упрощением цикла продажи для абонента и не будете учитывать риски коммуникации, вы можете получить обратный эффект. Например, вы делаете предложение по upsell абонентам, чей тарифный план выше минимального тарифа в текущей линейке при большем объеме услуг или вы предлагаете товар, который уступает по характеристикам текущему предложению или заменителю при меньшей цене, будьте готовы к тому, что если вы не отправили сразу доставщика товара или не сменили тарифный план, а отправили его делать заявку на сайт или в личный кабинет, где он видит все доступные оферы, 50% и более будут подходить к выбору очень рационально и эффект от такой коммуникации будет сильно размыт, а иногда и прямо противоположен, абонент может выбрать самое дешевое предложение а то и вовсе передумать (разница в % конвертации между импульсивным решением и я подумаю иногда разнится в 10 раз). А уж тем более, если вы делегируете часть работ внешним агентам, будьте готовы к тому что вы заплатите деньги за работу все равно, только ваши цели не будут достигнуты, в некоторых случаях вы получаете чистый убыток и unit экономика никогда не сойдется.
4. При работе с оттоком также возникает широкий класс задач, от прогнозирование клиентов, которые возможно уйдут, до решения по выбору лучшего офера, его имплементации, подбора лучшего канала и оценки эффективности этих мероприятий. И я вам так скажу, что здесь грамотная организация процесса намного важнее, чем выбранный алгоритм прогнозирования клиентов, склонных к оттоку. Несомненно это важно, но куда важнее, выделяя предикторы оттока, фокусироваться на том, чтобы их устранять, в противном случае вы тушите огонь бензином — либо будете терять выручку окучивая все больше абонентов новыми оферами, а иногда не одним, а двумя и более, потому что прокисшее молоко не станет свежим молоком. И абонент может конечно поверить один раз, но отток резко возрастает, если причина повторяется и возрастает не меньше чем в 5 раз, а то и на порядок.
Получилось конечно очень по верхам и без конкретики, кто узнал себя, вы не одиноки, но я вам точно могу сказать, что это работает и дает значимый и видимый доказанный неоднократно прирост эффективности.
Пользуйтесь на благо компаний, а кого интересует комплексное решение, то welcome в ЛС, поможем и с методиками и с организацией и автоматизацией бизнес-процесса. А для тех, кто чувствует, что что-то делается но не все, что процесс существует, но не прозрачен и думается, что может быть хоть как-то улучшен, мы можем провести аудит и показать extra value от оптимизации процессов и сформировать RoadMap по изменению процессов, методик и подходов. Иногда процесс очень сильно рвется из-за того, что нет сквозного подхода, сквозной системы мотивации и получается, что вроде бы есть, только результата нет. Мы также поможем выявить эти разрывы и сделать точечные настройки процесса.

Удачи Вам, будьте более эффективны!

Market Basket Analysis

0

Продолжаем про полезные кейсы для бизнеса.
Немного про розницу.
Очень часто маркетинговые кампании в розничных сетях проводятся по принципу мы сто раз так делали, раньше выросли продажи в 3 раза при снижении цены вдвое, то и теперь обязательно вырастут, при этом абсолютно не смотрят, как поведут себя товары-заменители. Недавно мы решали кейс для одного из розничных сетевых брендов и заметили большие искажения в продажах товаров-заменителей, потребители очень живо реагируют на большой дисконт, действительно продажи резко вырастают, но при этом почти на такой же объем падают в заменителях. Да, торговые сети научились перекладывать свои акции на производителя или сам производитель их проводит. В результате розничная сеть немного вырастает в выручке, но значительно начинает терять в марже, так как резко падает оборот по товарам заменителям, а прирост продаж по товару, по которому проводится акция отнюдь не компенсирует выпадающую маржу заменителя.
Получается, что и маркетологи правы, планируя кампании (ведь все как прогнозировали — выросли продажи по акции и даже посещаемость выросла), однако компания потеряла деньги на этих активностях. Тут есть достаточно простые техники, которые позволяют учитывать все эти тренды, а есть и прекрасные аналитические инструменты, которые можно использовать для более умного планирования маркетинговых кампаний.
Одной из таких техник является Анализ продуктовой корзины (Market Basket Analysis) или в data mining-е — это ассоциативный анализ. Что он позволяет делать? Он выделяет на основе истории транзакций группы товаров, которые чаще всего встречаются в чеках (небольшой пример показан в скрин шоте). После проведения такого анализа у нас появляется отличный инструмент кросс-субсидирования, проводя точечные акции по одним товарам и делая наценку на другие, можно компенсировать выпадающую маржу, а если вы еще и переложите скидку на поставщика, то сможете еще больше заработать.
Также эта техника может быть использована при выкладке товаров — можно как пары собирать вместе, если идет наценка, так и разносить по залу обеспечивая лучшую проходимость полок.
Набирает популярность и интересный подход, модели динамического ценообразования, который может работать даже в ситуации, когда нет электронных ценников. Такой подход позволяет учитывать множество факторов при ценообразовании и дает умный инструмент менеджменту компании для повышения маржинальности, учитывать как эластичность спроса по цене, так и перекрестную эластичность по группам заменителей, кроме этого, обогащая витрину данными о конкурентах можно учитывать эластичность по цене конкурента. И чем сложнее логика и витрина, тем сложнее этот процесс становится поддерживать вручную (и не поддерживают), при этом допускается множество ошибок и потерь, мы научились строить такие сложные модели, использовать в моделях бизнес-метрики для оценки их качества, а не только ориентироваться на статистические критерии и находить оптимальные цены/скидки для повышения маржинальности проводимых активностей.
И конечно, мы умеем прогнозировать спрос, оптимизировать склады и логистику, проводить RFM-сегментацию и многое другое. Но об этом чуть позднее.
Интересно подробнее про подходы и инструментарий, welcome в ЛС.

Удачи Вам, будьте более эффективны!

Как оптимизировать работу контакт центра?

0

Любая компания, которая имеет собственный контакт-центр сталкивается с множеством вызовов, которые перед ней стоят. Основная задача — это наличие ресурса для решения всех задач. В часы наибольшей загрузки ресурса всегда не хватает и приходится передавать на аутсорсинг, если контакт центр занимается обслуживанием или привлекать дополнительный ресурс во вне, если контакт центр занимается сбором задолженности или продажами. Внешний контакт центр больше заинтересован работать по минутам, нежели за результат. Если такой контакт центр работает за результат, то это хорошо, если поминутно, то у него нет никакого интереса делать больше за меньшие деньги.

На мой взгляд каждый контакт центр должен задать себе простой вопрос — а на сколько эффективно используется текущий ресурс. Например, посчитать время, проведенное операторами на трубке к общему временному фонду, это первый момент, а второй момент вообще понять, а все ли операторы одинаково эффективны на 1 сделанный звонок. Если в первом случае этот показатель от 60%, а во втором случае все одинаково эффективны, поздравляю, вы из тех, кто действительно работает неплохо, но есть те кто и 95% показывает, это вообще очень круто!

НО! Если эти показатели ниже и есть разрыв между лучшими и худшими операторами, я вас поздравляю у вас есть огромный потенциал для увеличения эффективности. Если в первом случае вам нужно разбираться с непродуктивной потерей времени, то во втором случае нужно понять, что же делают лучшие операторы, чего не делают худшие. Конечно, вы можете их прослушивать, давать какие-то рекомендации, если у вас немного звонков, тогда эти рекомендации сразу дадут ощутимый прирост. Но если звонков миллионы, то традиционной прослушкой не обойтись и нужно использовать более интеллектуальные подходы.

В данном случае речь идет об использовании алгоритмов NLP (Natural Language Processing), которые помогают размечать тексты операторов и далее уже на основе размеченных текстов оптимизировать диалоги худших (выдавая рекомендации) приводя их к лучшим. О том как мы решали такую задачу я расскажу в другой заметке.

А стоит ли овчинка выделки, зачем так заморачиваться, почему нельзя просто послушать и дать рекомендации?

Раньше мы так и делали, но когда в одном из кейсов сравнили результаты ручной разметки речевых скриптов операторов, в результатами автоматической разметки с помощью алгоритмов text mining, получили разную картину и результат автоматической разметки оказался более полным, потому как позволяет проанализировать больше информации и выделить все самые возможные и невозможные ситуации и сформировать более полные рекомендации по изменению операторов.

Что это вообще дает? Основной эффект вы получаете практически сразу же, с тем же ресурсом вы начинаете делать намного больше.

Например, для одного из кол центра проведя такую работу и проведя пилотный проект после разработанных рекомендаций, мы сравнили результаты контрольной и пилотной группы, и получили колоссальные результаты практически сразу же, а именно конверсия из звонков в результативные звонки с подтвержденной оплатой увеличилась на 18%, а сумма платежа увеличилась более чем в 2 раза. Неплохо притом же ресурсе получить такой прирост.

Также глубокий анализ кол-центра позволяет вам увидеть непродуктивную потерю времени операторов и провести соответствующую работу по корректировке поведения операторов и техники, которая иногда тоже вносит свою лепту в непродуктивность процесса.

Если вам интересно провести такой анализ и увеличить эффективность работы кол-центра, то я с удовольствием вам помогу.

Для заявки на проведение этой работы, обращайтесь на admin@fsecrets.ru. Проведем аудит и предложим мероприятия по повышению эффективности.

Удачи вам и эффективных решений!

Увеличиваем ARPU абонентов

0

Всем привет, сегодня поговорим о том, как увеличить ARPU. Я сегодня не буду говорить про тарифную политику, хотя наиболее простой способ это конечно замещение высокодоходными абонентами базы низкодоходных абонентов, однако речь сегодня пойдет не про это.

Речь пойдет о задачах — допродаж (смене тарифа), кросс-продаж (изменения набора услуг).

Для решения этих задач нужно ответить для себя на следующие вопросы:

1.  Что продаем, какие тарифы продаем.

2. Сколько это будет стоить для абонента и какова эластичность спроса по цене. Тут как правило при отсутствии статистики, я как всегда рекомендую AB-тестирование и замер результатов на ограниченной выборке. Я не раз видел ситуацию, когда при ARPU Lift — 100 рублей — конверсия была 3%, а при ARPU Lift — 50-60 рублей, в 5 раз выше, 15% минимум. Т.е. очевидно, немного снижая цену, вы получите результат в несколько раз выше, при том, что ARPU будет чуть ниже, чем планировали. Поэтому упражнения на тестовых выборках я бы рекомендовал проводить. Да, это занимает время, но и результат окупится.

3. Кому продаем, т.е. как мы будем выделять абонентов, которым будем предлагать то, что запустили. Если база большая, а ресурс ограничен, то вопрос встает очень остро. Опять же не всем абонентам может подходить новый набор услуг. А некоторые могут уже пользоваться и платить больше. Тут главное не навредить.

4. Какая мотивация будет у операторов кол-центра или какие есть таргетированные каналы для продвижения, какова их емкость и эффективность. Иногда рассчитывая на 1 микст каналов, можно некорректно распределить нагрузку и получить результат много ниже. Ну и опять же если окупаются ли затраты на привлечение, если вы используете активные каналы продаж. Но и без мотивации не работает, если не мотивировать рублем, эффективность очень сильно падает. Но иногда использование таргетированных цифровых каналов может поднять эффективность по конвертации на порядок. Важно конечно их наличие, если их нет, тогда сложнее, использование массовых инструментов может даже навредить.

5. Подготовка скриптов и сценариев кампаний. Очень важный шаг, который обычно упускают. Многие считают, а пусть подрядчик подготовит и запустит, мы все равно ему за это платим. Я видел неоднократно, как небольшое изменение скрипта приводит к изменению конвертации в разы. При использовании цифровых каналов очень важна механика покупки, важно сократить время действия абонентов до секунд, т.к. при импульсивных покупках конверсия выше на порядок, чем если абоненту нужно совершить несколько действий — например, пополнить баланс, зайти в личный кабинет, нажать на смену тарифного плана, а заработает он только с начала нового месяца — вся эта механика убивает эффективность кампаний. Кроме этого, если вы даете абоненту самому менять тариф, то не факт что он выберет тот что вы ему предлагали, ведь в доступной ему линейке тарифов может быть тариф ниже с большим чем у него сейчас набором услуг. Сам не раз наблюдал ситуацию, когда на каждые +100 руб. выручки идет снижение на 50 руб. из-за того, что механика не позволяла оператору кол-центра менять тариф при звонке. То есть эффективность снижалась почти в 3 раза. И хорошо, что дельта положительная, я встречал примеры, когда дельта была отрицательная.  Конечно всегда сложно перестраивать что и так работает, но поверьте эти изменения обязательно окупятся.

 

Удачи вам и эффективных кампаний!

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!

 

Вверх
Яндекс.Метрика