Ричард Оуэн - Сервис, который приносит прибыль. Практическое руководство по созданию системы NPS

Основное преимущество классификации комментариев состоит в том, что этот процесс позволяет выделить повторяющиеся темы и разделить их на категории по продуктам, регионам и типам клиентов. Это дает возможность компании выйти за рамки взаимодействия с отдельными потребителями и оценить потребности, свойственные отдельным сегментам клиентов. Как бы ни выполнялась классификация комментариев – лично сотрудниками, которые обсуждали с потребителями основные причины возникающих проблем, или с помощью применения строго структурированной схемы, в любом случае цель одинакова – определить, какие действия компании могут повысить индекс искренней лояльности.

Относительно развернутых комментариев существует ряд предостережений. Первое касается смещения внимания на активно проявляющиеся особенности клиентского опыта. Когда респонденты отвечают на вопросы анкеты, они не всегда говорят о ключевых, глубинных причинах своей удовлетворенности или лояльности. Другими словами, люди необязательно абстрагируются от существующих проблем, чтобы проанализировать, какие аспекты работы компании действительно ключевые, вместо этого они могут подробно описывать свой недавний опыт взаимодействия с компанией или рассказывать о новой проблеме. Порой они вообще не осознают, в чем причина их недовольства компанией. Для того чтобы сформировать исчерпывающую картину того, что на самом деле определяет поведение и лояльность клиентов, нужно подтвердить истинность полученной информации на основании количественного анализа других данных или интервью.

Еще одно предостережение касается того, что такой анализ может потребовать больших затрат, в частности на ручную обработку и классификацию комментариев. Некоторые компании привлекают для выполнения этой работы сторонних исполнителей, однако при этом могут быть упущены преимущества организационного обучения, которое обеспечивается за счет анализа полученных ответов клиентов сотрудниками самой компании.

И последнее, на что следует обратить внимание, частота встречаемости определенной категории комментариев (например, качество питания во время полета) не всегда подразумевает наличие значительной корреляции между этой категорией и лояльностью клиентов. Авиакомпаниям хорошо известно, что пассажиры часто предъявляют претензии к еде на борту, но по своему опыту они также знают, что этот критерий не следует серьезно принимать во внимание при анализе лояльности. Если полагаться исключительно на отзывы клиентов, может сложиться ложное впечатление, что вы закладываете прочный фундамент для дальнейших действий. Необходимо понимать границы возможностей используемых методов и сокращать возможные риски с помощью подтверждения правильности сделанных выводов разными аналитическими методами.

Бернхард Вассинк и Джон Годин утверждают, что компании GE Real Estate удалось многому научиться благодаря комментариям клиентов. Вот что говорит об этом Годин:

Мы обнаружили интересную особенность. При анализе имеющихся в нашем распоряжении комментариев бросается в глаза явное различие между тем, что говорит промоутер, и степенью позитивности его отзыва и тем, что говорит нейтрал. Детракторы могут говорить нечто в таком роде: «Нам нравятся ваши сотрудники, но процесс заключения сделки действительно нужно усовершенствовать». На следующем этапе необходимо разделить все ответы по таким категориям, как промоутеры, нейтральные клиенты и детракторы, и сравнить полученную классификацию с глубинными причинами этих комментариев. По большому счету, мы хотели бы перевести нейтралов в категорию промоутеров, чтобы они стали источником рекомендаций в противовес антирекламе и негативным отзывам.

Чтобы быть уверенными в своих выводах, в GE использовали сегментацию клиентов по уровню лояльности в соответствии с NPS, проанализировали другие характеристики потребителей, а также выполнили подтверждающий статистический анализ для определения и установления приоритетности ключевых факторов повышения лояльности.

Некоторые компании используют автоматизированные программные инструменты для классификации и анализа многочисленных развернутых ответов, которые они получают. Это позволяет выявлять определенные темы или закономерности в большом объеме текста и других информационных материалов. Как и в случае классификации комментариев вручную, в результате применения таких автоматизированных инструментов получается диаграмма, отображающая относительную частоту встречаемости определенных вопросов или тем в ответах клиентов (рис. 6.2).