Курьезный случай произошел с нашим аналитиком. От известной украинской компании, продающей одежду, он получил рассылку с предложением купить платье. Работа всего аналитического отдела была приостановлена минимум на час, поскольку сотрудники безудержно хохотали, представляя двухметрового Алексея в каком-нибудь легком летнем платьице.
Мы задались вопросом, сколько денег «слил» интернет-магазин, сэкономив на верификации своей клиентской базы всего лишь по одному параметру, не говоря уже об анализе истории предыдущих покупок?
Прогнозы, регулярно выполняемые нашими аналитиками, позволяют быстро и просто выяснить: что предложить покупателю, когда и каким образом. А главное – что и как не предлагать. Ведь поведение людей в прошлом является основой их действий в будущем. И поскольку контакт-центр – это место, где накапливается много данных о поведении потребителей, о реальных покупках, заказах, вопросах и претензиях, то можно определить, как потребители будут поступать в будущем.
Объясним на примере. Крупнейший мировой продавец БАДов реактивировал своих дистрибьюторов через телемаркетинг в контакт-центре. Анализ показал, что дистрибьюторы Западной Украины с мобильными номерами «Киевстар» реактивируются на 30% больше, чем дистрибьюторы этого региона с номерами «Vodafone».
И наоборот, в восточной части страны дистрибьюторы с номерами «Vodafone» реактивируются на 40% больше, чем дистрибьюторы с номерами «Киевстар». Этот анализ помог составить прогноз конверсии по регионам и мобильным номерам и отбросить тех, кто будет реактивироваться с низкой вероятностью. Таким образом, дорогой телемаркетинг убрал основную часть затрат – звонки тем, кому не надо. В итоге конверсия реактивации составила +15% к прошлому году, а затраты по проекту сократились в 2 раза.
Можно прогнозировать покупки, реакцию на рекламные сообщения, реакции на изменения свойств продукта. Можно использовать данные для принятия управленческих решений в масштабе компании, а можно определить сегмент для каждого отдельного потребителя и построить персональную коммуникацию. Арсенал инструментов – от простейших RFM-сегментации и RF-грида до кластерного анализа и других инструментов data-mining. И тогда потребитель получит интересное именно ему сообщение в Viber, через SMS или e-mail.
Наиболее интересные выводы появляются, когда объединяются данные различной природы из разных источников. На покупку влияет пора года, время суток, погода, настроение человека, ситуация у ребенка в школе, успехи на работе и даже политика. Мы объединяем в аналитическом процессе все доступные данные.
Как анализ данных помогает в работе контакт-центра?
Разберем на примере одного из наших проектов. К нам обратился интернет-магазин одежды с задачей реактивации – стимулировать получение заказа от клиентов, которые давно ничего не покупали. Внутренний КЦ заказчика также работал над этим проектом, но руководство не совсем устраивал результат – достаточно высокие затраты на возврат одного клиента.
Для снижения издержек основной задачей DirectCall было увеличение конверсии – количества реактивированных клиентов по отношению к исходной выборке.
Реализация проекта началась не на операционной площадке КЦ, а в отделе аналитики. Мы сегментировали базу данных для определения наиболее эффективного времени совершения звонка. Для анализа использовали статистику по ранее совершенным звонкам и определили наборы факторов, при которых отклик был максимальным.
Для сегментации использовали пол, возраст, регион проживания, оператора связи, количество покупок и срок давности последней, результаты предыдущих звонков.
Параллельно проработали наиболее эффективные возражения потребителей. Сегментировали базу и определили для каждого сегмента оптимальный набор возражений. В результате оператору были предоставлены динамические подсказки с рекомендованными ответами для каждого потребителя. В итоге оператор совершал звонок потребителю в оптимальное время и с убедительными аргументами.
В результате, издержки на возврат одного потребителя снизились в 2 раза. Мы не смогли бы достичь такого результата, сделав стандартный прозвон базы, применяя стандартные графики дозвона и используя общий «набор фраз» для преодоления возражений.
Когда в массиве данных мы находим полезную закономерность, например рост продаж во время дождя, и никто не может объяснить, почему так происходит, наши заказчики называют это волшебством. Мы же считаем, что можем и должны пользоваться имеющейся закономерностью не только для wow-эффекта, но и для повышения конверсии.