Курйозний випадок стався з нашим аналітиком. Від відомої української компанії, що продає одяг, він отримав розсилку з пропозицією купити сукню. Робота всього аналітичного відділу зупинилася щонайменше на годину, оскільки співробітники без зупину реготали, уявляючи двохметрового Олексія у якійсь легкій літній сукенці.
Ми замислилися, скільки грошей «злив» інтернет-магазин, заощадивши на верифікації своєї клієнтської бази усього лише за одним параметром, не кажучи вже про аналіз історії попередніх покупок?
Прогнози, що регулярно виконуються нашими аналітиками, дозволяють швидко й просто з’ясувати: що запропонувати покупцю, коли і яким способом. А головне – що і як не пропонувати. Адже поведінка людей в минулому є основою їх дій в майбутньому. І оскільки контакт-центр – це місце, де накопичується багато даних про поведінку споживачів, про реальні покупки, замовлення, запитання и претензії, то можна передбачити, як споживачі чинитимуть у майбутньому.
Пояснюємо на прикладі. Один з найбільших світових продавців БАДів реактивував своїх дистриб’юторів через телемаркетинг у контакт-центрі. Аналіз показав, що дистриб’ютори Західної України з мобільними номерами «Київстар» реактивуються на 30% більше, ніж дистриб’ютори цього регіону з номерами Vodafone.
І навпаки, у східній частині країни дистриб’ютори з номерами Vodafone реактивуються на 40% більше, ніж дистриб’ютори з номерами «Київстар». Цей аналіз допоміг скласти прогноз конверсії за регіонами і мобільними номерами й відкинути тих, хто реактивуватиметься з низькою вірогідністю. Таким чином, дорогий телемаркетинг прибрав основну частину витрат – дзвінки тим, кому не треба. Зрештою, конверсія ре активації склала +15% до минулого року, а витрати за проектом скоротилися удвічі.
Можна прогнозувати покупки, реакцію на рекламні повідомлення, реакції на зміни властивостей продукту. Можна використовувати дані для прийняття управлінських рішень в масштабі компанії, а можна визначити сегмент для кожного окремого споживача і побудувати персональну комунікацію. Арсенал інструментів – від найпростіших RFM-сегментації і RF-гриду до кластерного аналізу й інших інструментів data-mining. І тоді споживач отримає цікаве саме йому повідомлення у Viber, через SMS чи e-mail.
Найбільш цікаві висновки з’являються, коли об’єднуються дані різної природи з різних джерел. На покупку впливає пора року, час доби, погода, настрій людини, ситуація у дитини в школі, успіхи на роботі і навіть політика. Ми об’єднуємо в аналітичному процесі всі доступні дані.
Як аналіз даних допомагає в роботі контакт-центру?
Розберемо на прикладі одного з наших проектів. До нас звернувся інтернет-магазин одягу із задачею реактивації – стимулювати отримання замовлення від клієнтів, які давно нічого не купували. Внутрішній КЦ замовника також працював над цим проектом, але керівництво не зовсім влаштовував результат – досить високі витрати на повернення одного клієнта.
Для зниження витрат основним завданням DirectCall було збільшення конверсії – кількості реактивованих клієнтів відносно попередньої вибірки.
Реалізація проекту розпочалася не на операційному майданчику КЦ, а у відділі аналітики. Ми сегментували базу даних для визначення найбільш ефективного часу здійснення дзвінка. Для аналізу використовували статистику за раніше здійсненими дзвінками і визначили набори факторів, за яких відгук був максимальним.
Для сегментації використовували стать, вік, регіон проживання, оператора зв’язку, кількість покупок і строк давності останньої, результати попередніх дзвінків.
Паралельно пропрацювали найбільш ефективні заперечення споживачів. Сегментували базу й визначили для кожного сегмента оптимальний набір заперечень. В результаті оператору були надані динамічні підказки з рекомендованими відповідями для кожного споживача. Таким чином, оператор здійснював дзвінок споживачу в оптимальний час і з переконливими аргументами.
В результаті витрати на повернення одного споживача знизилися удвічі. Ми не змогли б досягти такого результату, зробивши стандартний продзвін бази, застосовуючи стандартні графіки додзвону й використовуючи загальний «набір фраз» для подолання заперечень.
Коли в масиві даних ми знаходимо корисну закономірність, наприклад зростання продажів під час дощу, і ніхто не може пояснити, чому так відбувається, наші замовники називають це дивом. Ми ж вважаємо, що можемо і повинні користуватися закономірністю не лише для wow-ефекту, а й для підвищення конверсії.