Big Data

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!

Как оптимизировать затраты и бюджет на закупку?

0

Продолжаем темы Data Driven Optimization. Поговорим про оптимизацию затрат и управление поставщиками.
Любая закупка генерирует затраты организации и чем лучше компания управляет этим процессом, тем более она эффективна. А я могу вам сказать, что на рынке эта область очень незрелая и с точки зрения обеспечения аналитики сильно отстает от коммерческой функции и это значительная точка роста для вашего бизнеса.

Аналитических кейсов в этой теме с финансовым эффектом очень много, причем как в коммерческих организациях, так и государственных заказчиках.

Давайте рассмотрим несколько кейсов на каждом из этапов:
1. Формирование и оптимизация бюджета закупки – задача определения оптимального объема закупки на основе расходования материалов, на выходе сбалансированный бюджет закупок на N месяцев вперед.
2. Оценка волатильности цены и подбор оптимального сезона для закупки, некоторые товары имеют сезонный спрос. Определение сезонов с наименьшей ценой позволяет здорово оптимизировать затраты.
3. Проверка поставщиков – на аффилированность (явная, неявная — сговор), на надежность (возможности выполнить условия конкурса/потенциальное банкротство, отсутствие претензий со стороны третьих лиц, одновременное участие в большом объеме закупок).
4. Подбор поставщиков также ваша задача, важно сформировать пул надежных поставщиков по каждой номенклатуре закупаемой продукции. И никакого нарушения, если вы просто помимо открытого конкурса, отправляете уведомления еще и по своему списку, гарантируя себе, что закупка точно состоится и вы не потеряете время впустую.
5. Выявление подозрительных конкурсов – нужно проводить регулярный мониторинг подозрительных конкурсов через интегральную оценку по надежности поставщика, цене, длительности, снижении цены от первоначальной, отклоненным заявкам, подозрению на сговор и пр. Тогда настроенные контроли, позволят вам на ранних этапах выявить риски.
6. Контроль над уровнем цен – тут важно по каждой номенклатуре проводить регулярный анализ цен поставщиков на основе открытой информации на сайте, каталогах, или запрашивать предложения с определенной частотой. В этом случае вы будете точно понимать рынок и возможную цену. И тут детальные номенклатуры очень важны, потому как изменение на 1 букву в индексе может привести к увеличению цен в три раза, и вам отгрузят товар с бантиком, который вам не нужен, но задорого.
7. Контроль над объемом закупаемой продукции – вы не допускать затоваривание склада, информируя если объем закупаемых товаров слишком большой (в погоне за минимальной ценой покупается слишком большая партия товаров), либо наоборот объем закупаемой продукции слишком низок (что приводит к дорогой закупке).
8. Контроль над видами закупаемой продукции – ведите реестр товаров заменителей/наличия их на складах/ближайших складах, это позволяет оптимизировать бюджет закупок. Если покупаете технологические товары и услуги, важно отслеживать тренды, все быстро меняется, появляются новые более дешевые технологии, иногда малоизвестные вендоры поставляют более качественные продукты.
9. Объединение закупок между филиалами либо шэринг закупки на паях – самый изящный способ сэкономить, это купить партию, договорившись с кем-то кому нужна такая же продукция.

Далее когда вы купили, потратили деньги, это не значит что уже нужно расслабиться, начинается самое интересное это управление затратами:
1. Вы можете оптимизировать затраты на хранение
2. Можете пересматривать цену если арендуете какой-то ресурс/помещение/пользуетесь услугами. Рынок не стоит на месте и важно проводить работу по мониторингу рынка регулярно, это вам может дать достаточно большую экономию.

Давайте приведу несколько примеров, когда сложно выявить превышение затрат, но можно. Анализируя расходные договора на аренду и покупку ресурсов, я выявлял такие кейсы:
1. Закуплены коммутаторы с количеством портов много больше рынка конкретного региона, это иногда может быть дом, иногда подъезд, а иногда и целый населенный пункт.
2. Закуплены каналы на 50% превышающий нужный объем со скидкой 20% за единицу. То есть вроде бы дешевле на 1 Мбит, но все равно потратили лишних денег, иногда и просто скидку получили, остались в тех же деньгах, хотя могли бы сэкономить. Эксплуатация очень часто перестраховывается и не отслеживает рынок, рынок может быть падающим, а технари планируют развитие.
3. Критичный анализ утилизации ресурсов — вообще проанализируйте чем забиты ваши каналы, я находил и убыточный трафик и технологический трафик, который можно было пускать по дешевому маршруту, но так исторически сложилось.
4. Посмотрите критично на резервирование — я иногда находил такие маршруты, которые по 3 раза зарезервированы было по разным маршрутам.
5. Просто старые договора на аренду, по которым цены снизились на рынке в 3 раза, вроде сумма небольшая поэтому никто не обращает внимание.
6. Использование самого дорогого маршрута для пропуска — вроде бы и канал забит, но переключение трафика на дешевый маршрут и отказ от дорогого приносит дополнительную экономию.
И на самом деле много что еще.

А вы когда-нибудь анализировали прейскуранты Западных IT вендоров — у некоторых они составлены так, чтобы вы никогда в этом не разобрались, а у некоторых содержат более 1000 страниц. А мы в этом очень хорошо разбираемся и знаем как не переплачивать за то, что вам не нужно.

Поверьте если вы проведете эту работу, а по хорошему ее еще и автоматизировать можно, вы получите очень качественный прирост маржинальности и окупите систему к моменту запуска ее в эксплуатацию.

Если вам интересна эта тематика — тогда вам сюда http://fsecrets.ru/service/

Хотите оставаться в теме самых интересных кейсов применения больших данных, подписывайтесь на telegram-канал https://t.me/fsecrets

Используем DPI по максимуму

0

Пост, скорее посвящен операторам связи, но на самом деле может быть полезен многим компаниям.

Сегодня хотелось бы поговорить о DPI и его возможностях, которые открываются перед операторами.

Уверен, что на сегодня потенциал DPI не исчерпал своих возможностей и на 1%.

Может я не прав, но на сегодня самые распространенные услуги на базе DPI:

1. Это реализация блокировок сайтов, занесенных в реестр Роскомнадзора.

2. Услуги класса «Родительский контроль».

Есть еще реализации, которые, как правило, больше к ограничениям абонентов относятся, нежели к дополнительным возможностям. Например, блокировка нежелательного контента в образовательных учреждениях — это пример B2B сервиса, но реализованного на площадке оператора.

Некоторые научились использовать аналитику для предотвращения оттока — ведь по статистике, риск посещения сайта конкурента в 5 раз чаще приводит к оттоку, чем звонок на службу технической поддержки.

Немногие используют аналитику DPI для кросс-продаж и Upsell, хотя это открывает удивительные возможности как по продаже собственных услуг, так и продаже услуг партнеров.

На основе DPI можно выделять конечных пользователей домохозяйств по профилю потребления услуг и переходить к персональной коммуникации.

Раньше были инсталляции, которые позволяли монетизировать абонентскую базу по рекламной модели, но после небезызвестных событий и разъяснения Роскомнадзора, что все данные должны оставаться в периметре оператора, это значительно усложнило реализацию, хотя и дало возможность операторам самим запускать такие сервисы на собственных площадках. И возможности эти довольно обширны.

Также данные c DPI позволяют значительно оптимизировать сетевые ресурсы. Если посмотреть на открытые данные операторов связи в инвестиции по модернизации сетей передачи данных, которые составляют больше 200 млрд в год, а также на кривую роста трафика сети передачи данных, то можно понять какие обширные возможности еще не реализованы и на сколько огромен рынок. Понятно, что все операторы научились оптимизировать затраты на апстримы, делая прямые пиринговые стыки с крупнейшими генерящими трафик площадками. Но при этом оптимизацию зоновой инфраструктуры упускают из виду. А вот и зря! Если вы проанализируете трафик DPI по видам и посмотрите на участки сети, то вы увидите, что на вашей сети достаточно большой объем «паразитирующего» трафика, который выжирает трубу, но не приносит вам ни копейки. Более того, если сегментировать базу, то четко будет видно кто из абонентов такую нагрузку создает. Когда я проделывал такое упражнение в одном из операторов, то был сильно удивлен статистикой, ведь всего 5% абонентов генерировали больше 80% трафика. Я конечно ожидал Правила Паретто, но был удивлен полученным результатом. Если распределить затраты на эксплуатацию сети на всю базу, получалось, что эти 5% абонентов давали такой убыток, что проще было этих абонентов подарить конкуренту. Однако объем базы был достаточно большой и выручку не хотелось терять, поэтому мы научились работать с такими абонентами и оптимизировать нагрузку за счет различных профилей на виды трафика, минимизируя полосы для «паразитного» трафика, выделяя в отдельные WLAN-ы отдельные виды трафика. Для платного трафика наоборот уровень SLA был увеличен, что давало прирост платного трафика в единицу времени. Применение этого подхода позволило увеличить трафик и выручку, ведь за единицу времени пользователь смог скачивать больше информации, получая лучший сервис, а время сессии не уменьшилось, а увеличилось, ведь пользоваться услугой стало комфортнее.

Data-продукты на основе DPI, на мой взгляд, заслуживают большого внимания, ведь потенциал этого рынка не исчерпан. И открывают широкие возможности перед операторами по монетизации растущего трафика передачи данных. Например, HR-аналитика и проактивное удержание сотрудников. Выделение сотрудников, которые посещают площадки поиска работы или наоборот праздно проводят время — достаточно актуальные сервисы.

Это и сервисы заботы о пожилых родственниках, ведь иногда родители стесняются рассказать детям, что со здоровьем не все в порядке.

Это сервисы заботы о детях, родительский контроль не всегда убережет от пагубного влияния соц. сетей.

Защита от несанкционированного доступа, ведь при аномальном поведении трафика сразу заметны такие атаки. И их возможно ограничить.

Продажа приоритетного доступа на площадку — на основе приоритета трафика.

Исследовательские Data-продукты. Ни одно исследование и опрос аудитории не справиться с результатами реальной статистики потребления услуг. И тут возможности не ограничены, такие продукты нужны и полит технологам и маркетологам, и продуктологам и PR службам. Сейчас эту нишу плотно держат поисковики, но поисковики кроме факта захода на какую-либо площадку вообще ничего не видят, если отсутствует их собственный движок, который собирает статистику, операторы знают об абонентах почти все.

Улучшение скоринговой модели для банков. Уж кто как не оператор связи знает о своих пользователях все. Тут и предотвращение мошенничества и удержание клиентов, которые захотят сменить банк. И много других бизнес-кейсов.

Возможности не ограничены, достаточно включить немного фантазии, а покупатели на такие продукты найдутся всегда. Мир IoT откроет еще больше возможностей для реализации Data-продуктов.

Используя DPI можно значительно увеличить отношение Revenue/Traffic.

Эффективных вам решений!

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!

 

Big Data Landscape 2016

1

Все ключевые инструменты в одной картинке (кликабельно)!
Big Data

Вверх
Яндекс.Метрика