Кейсы

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 2)

0

Кейс 2. Или как ваш маркетинг анализирует рынок.

Еще один интересный кейс. Продолжая анализировать тарифную политику компании, стал ковыряться в услугах междугородней и международной связи. Понятно, что оператор Зоновый, соответственно дальняя связь могла предоставляться только по агентской схеме. Было выяснено, что был преселект одного из операторов большой тройки, где было больше 95% трафика и мелочевка по нескольким другим операторам. Есть несколько типов агентских договоров: федеральный оператор формирует тарифы самостоятельно, оператор Зоновый получает агентское, есть договора в которых федеральный оператор дает таксы, а Зоновый оператор накручивает маржу. В нашем случае у оператора был второй тип агентского. В принципе самый простой способ поднять выручку и маржу, это поднять тарифы, но сделать это незаметным для абонента, выбрав направления с максимальным трафиком и делая небольшую индексацию, можно получить приличный результат. В моем случае гипотезу я выдвинул именно такую и стал собирать статистику, чтобы смоделировать ситуацию. Параллельно стал поднимать историю, когда тарифы изменялись, чтобы оценить эластичность спроса по цене. Это был бы классический кейс. Однако история была намного интереснее. Начал я выборочно смотреть тарифы и затратные таксы, увидел что часть направлений оказались убыточны, то есть таксы увеличивались, а оператор не шевелился менять тарифы. Ну бывает, с изменением курса доллара я наблюдал картину, когда таксы менялись дважды в неделю и конечно сложно в такой ситуации реагировать, но и это решаемый вопрос, главное автоматизация процесса. Но суть не в этом. Я обратил внимание на очень подозрительно низкие тарифы на Дальний Восток, мне показалось, что они намного ниже чем у Федеральных операторов. Я решил собрать и проанализировать тарифы всех Федеральных операторов и сравнить их с утвержденными. Какого было мое удивление, когда оказалось, что мало того тарифы ниже рынка, иногда на порядок, самое смешное, они намного ниже, чем у оператора, который давал оператору таксы на пропуск трафика, причем тоже существенно ниже. После этого, задача сводилось к тому, чтобы найти разумный баланс между индексацией тарифов и оставаться в рынке, чуть ниже, чтобы трафик не ушел. Показал результаты руководству компании, удивление было не меньше. При этом конечно столкнулся с жестким сопротивлением продавцов, которые меня уверяли, Что мы все потеряем если проиндексируем тарифы. В общем не буду описывать всю историю уговоров и продиводействий внутри компании, сразу скажу, что результат мог быть бы больше, если бы все поверили в него сразу. В общем результат на лицо, трафик не упал, выручка и маржа выросли, абоненты не убежали. Выручка от агентского выросла больше чем на 25%.

Если вы занимаетесь ценообразованием, не бойтесь экспериментировать, но и, снижая тарифы ниже рынка, понимайте его емкость, иногда это не приводит к росту трафика, а приводит к потере выручки или недополученной выручки. Такие кейсы есть везде и повсюду, важно грамотно видеть ситуацию.

Удачи вам, надеюсь материал кому-то окажется очень полезным!

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!

 

Какая точность считается нормальной?

0

Каждый раз когда речь заходит о моделировании, мне очень часто приходится слышать вопрос — как вы считаете, какая точность является нормальной. И я всегда не могу на него ответить однозначно, назвав какую-то величину.  В моем блоге достаточно примеров, когда точность важна, когда я писал про моделирование потребления электроэнергии, когда каждый закупленный в пустую киловатт может пропасть, а не закупленный может не принести желанной прибыли, но мог быть реализован. В то же время бывают другие ситуации, когда точность прогноза не столь важна, особенно если для достижения точности приходится значительно усложнять модель, которая в конечном итоге плохо интерпретируется, а иногда и вовсе становится неустойчивой на более длительных отрезках времени.

Попробуем на примерах показать, что есть хорошо, а что есть плохо.

Пример 1

Модель на тестовой выборке показывает 60%. Я бы не советовал брать такую модель. Это очень низкий показатель, близкий по сути к угадыванию, которая на боевых данных может не дать хорошего результата, особенно, если сам прогнозируемый фактор имеет очень маленький вес.

Но бывают и другие ситуации, нужно с чего-то начать, и если сравнивать взять просто список клиентов и начать обзвон или применить модель а потом по полученному списку начать обзвон, то я бы советовал использовать модель, чем совсем бездумно начать звонить. Эффект может быть все же выше с моделью. Да, эффект будет незначительным, но это лучше, чем ничего.

Пример 2

Модель на тестовой выборке показывает 87%. Такая точность может дать неплохие результаты на реальных данных, но они могут быть далеки от идеала по следующим причинам: недостаточно данных для обучения. Модель была построена на маленькой выборке, не являющейся репрезентативной, что обязательно скажется на качестве прогноза. Но если задача начать, то это тоже неплохо.

Пример 3

Модель показывает результат 97%. Модель должна показывать неплохой результат, если конечно вы не заигрались с ее переобучиванием. Но в некоторых случаях и такой точности может быть недостаточно. Когда это может произойти. Если переменная, которую вы прогнозируете может зависеть от случайного фактора, вес которого может быть значительный. Например, вы прогнозируете отток абонентов и знаете, что в 50% случаях отток происходит по причине переезда. Да, модель может выделить тех абонентов, которые были похожи на тех, кто переезжал, но это не значит что спрогнозированный абонент переедет. Отсюда нужно всегда выделять факторы, которые случайны и по возможности работать с меньшей выборкой, потому как прогнозировать абонентов, которые переедут не ваша задача, ваша задача прогнозировать абонентов, которые уйдут в отток.

В этом случае достичь 97%, конечно никогда не удастся. Поэтому всегда важно определить что именно вы прогнозируете и от каких факторов зависит прогнозируемая величина.

Можно попробовать ответить универсально, если больше 95% то это хорошо, главное что вы прогнозируете ту величину, которую можно прогнозировать.

Также на точность может влиять сезонность, если у вас недостаточно данных, вы, например, использовали данные в пиковый сезон, а на фактический данных вам предстоит получить прогноз в сезон меньших продаж. В этом случае модель не будет устойчивой и величина в 97% вообще ничего не значит.

Удачи вам, будьте внимательны!

Вверх