Многие компании, использующие систему NetPromoter, помимо вопроса о рекомендациях и открытого вопроса включают в анкеты дополнительные диагностические пункты. Эти вопросы могут охватывать общие аспекты деятельности компании, такие как репутация, ценность продукта и легкость ведения бизнеса с компанией, или касаться оценки эффективности работы организации в ключевых точках контакта с клиентами, таких как продажи, использование или поддержка. Какой бы ни была выбранная стратегия, индуктивный анализ факторов лояльности, осуществляемый либо самостоятельно, либо в сочетании с описательным, позволяет установить связь между дополнительными диагностическими вопросами и лояльностью клиентов.

В названии этого метода главное слово – индуктивный, то есть полученный с помощью логического вывода. Статистические методы, которые рассматриваются в этом разделе, позволяют делать выводы о том, какие аспекты клиентского опыта определяют общий уровень лояльности, причем на основании агрегированных рейтингов, составленных по оценкам клиентов, а не на основании комментариев. Опросы по оценке уровней лояльности и удовлетворенности потребителей во многих случаях объединяются в одну группу и основаны на применении общего подхода, поскольку во время такого анкетирования изучаются различные аспекты взаимоотношений между клиентами и компанией. Хотя включение дополнительных вопросов оказывает определенное влияние на клиентов, этот метод особенно уместен для определения факторов лояльности и расстановки приоритетов в рамках согласованной совокупности исходных гипотез, заложенных в диагностические вопросы. Этот метод целесообразно использовать для анализа конкурентных преимуществ и разрыва между показателями эффективности в ключевых точках контакта на уровне агрегированных данных и информации по отдельным сегментам клиентов.

Корреляция – самый распространенный статистический показатель, который используется для оценки взаимозависимости между NPS и определенными факторами лояльности. Этот анализ позволяет оценить силу связи между двумя переменными – например, увеличится ли вероятность рекомендаций в случае повышения уровня удовлетворенности продуктом? Коэффициент корреляции, который находится в диапазоне от −1 до 1, отображает степень изменения одной переменной в случае изменения другой.

• Если коэффициент корреляции близок к 0 – значит связь слаба или отсутствует. В изменении значений двух анализируемых переменных нет никакой закономерности.

• Коэффициент корреляции, близкий к 1, свидетельствует о наличии сильной положительной связи. По мере увеличения значения одной переменной повышается и значение другой.

• Коэффициент корреляции, близкий к −1, говорит о наличии сильной отрицательной связи. В случае увеличения значения одной переменной значение другой снижается.

На рисунке 6.4 приведены примеры корреляционного анализа. Чем чаще две переменные меняются в равной мере во всей совокупности наблюдений, тем сильнее связь между ними и тем выше коэффициент корреляции (как в первом примере, в котором определяется связь между качеством продукта и вероятностью рекомендаций). Во втором примере, когда устанавливается корреляция между удовлетворенностью обучением работе с продуктом и вероятностью рекомендаций, обнаруживается менее устойчивая взаимосвязь по всей совокупности наблюдений, что дает более низкий коэффициент. Анализируя этот пример, было бы логично предположить, что качество продукта в большей степени связано с лояльностью клиентов, чем обучение работе с продуктом, поэтому целесообразно и впредь делать все возможное, чтобы клиенты получали продукты такого качества, на которое они рассчитывают.

Высокая корреляция: вероятность рекомендаций меняется вместе с качеством продукта

Низкая корреляция: изменение вероятности рекомендаций и удовлетворенности обучением носит более случайный характер

Рис. 6.4. Два примера корреляционного анализа

Рассмотрим еще один пример. Компания А работает на рынке, на котором произошли существенные изменения после появления новых конкурентов. Следуя своей стратегии, компания соперничает с помощью дифференциации клиентского опыта по самым прибыльным целевым сегментам. Однако руководителям, принимающим решения, не совсем понятно, в какой степени сегодняшние ожидания клиентов обусловлены новой бизнес-моделью, которую используют конкуренты.

Группа руководителей компании А принимает решение провести общий опрос по NPS, включив в анкету вопрос о рекомендациях и дополнительные пункты о каждом ключевом аспекте клиентского опыта с оценкой их важности и удовлетворенности потребителей. Проанализировав закономерности в ответах с помощью корреляционного метода, можно оценить связь между вероятностью рекомендаций и каждым аспектом клиентского опыта.

Те аспекты, для которых коэффициент корреляции окажется самым высоким, вероятнее всего, можно считать истинными факторами повышения NPS и общего уровня лояльности. Именно им необходимо уделить первоочередное внимание во время последующего анализа. В частности, следует подтвердить правильность сделанных выводов с помощью анализа комментариев клиентов и дальнейшего обсуждения с ними соответствующих тем. После получения такого подтверждения руководству нужно уделить более пристальное внимание тем аспектам работы компании, которые были определены как ключевые факторы лояльности, а также сделать больше инвестиций в совершенствование бизнес-процессов и инновации.

Дальнейшая приоритезация ключевых факторов лояльности осуществляется с помощью анализа различий между степенью важности этих факторов и уровнем удовлетворенности клиентов. Факторы, по которым установлена самая высокая корреляция с лояльностью и самый большой разрыв, находятся в верхней части списка корректирующих действий, поскольку в них высокий потенциал в плане повышения лояльности сочетается с самой большой потребностью в улучшении. Аспекты клиентского опыта с высокими показателями удовлетворенности, демонстрирующие хорошую корреляцию с повышением лояльности, образуют центральную группу основополагающих элементов дифференциации.

Самая распространенная ошибка, которую часто допускают при применении этого подхода, – исходить из предположения, что наличие корреляции указывает на причину. Хотя во многих случаях определенная логическая последовательность событий (например, плохое впечатление о продукте негативно сказывается на долгосрочной лояльности клиентов) действительно существует, так бывает не всегда. Рассмотрим в качестве иллюстрации следующий пример. Установлено, что в жару повышается уровень преступности. Известно также и то, что в таких погодных условиях люди чаще покупают мороженое. Поскольку оба результата (уровень преступности и покупка мороженого) связаны с одним и тем же событием (жаркой погодой), между ними наблюдается очень высокая корреляция. Тем не менее было бы неправильно делать вывод, что повышение уровня преступности влечет за собой увеличение частоты покупки мороженого или что высокая частота покупки мороженого приводит к всплеску преступной активности, в этом случае из рассмотрения исключается истинная причина – температура воздуха. В случае индуктивного анализа факторов лояльности подтверждение сделанных выводов требуется не в меньшей степени, чем при описательном.

Таким образом, подходы к определению факторов NPS, основанные на корреляционном анализе, подталкивают к действиям, даже если нет возможности абсолютно точно установить причинно-следственные связи. Такой анализ факторов используется, как правило, для выявления драйверов лояльности как по всей совокупности сегментов, так и в отдельных группах и позволяет компаниям быстро определить приоритетные задачи, на которых необходимо сфокусировать энергию.

Между тем большинство руководителей интуитивно осознают, какими именно действиями организация способна повысить лояльность клиентов. Если такого понимания нет, можно начать с анализа основных причин лояльности и более глубокого изучения развернутых ответов на вопросы анкет.

Регрессионный анализ основан на тех же принципах, что и корреляционный. Однако в отличие от корреляции между двумя переменными (например, качеством продукта и лояльностью или обучением работе с продуктом и лояльностью) регрессионный анализ описывает взаимосвязь между несколькими прогностическими переменными (такими как качество продукта, обучение работе с продуктом и поддержка по телефону) и результирующей переменной – например, вероятностью рекомендаций. Регрессия показывает как силу, так и направление взаимосвязей между переменными в виде математического уравнения. Собственно говоря, такой подход позволяет прогнозировать, как изменение одной переменной скажется на другой – например, в какой степени улучшение работы службы поддержки клиентов по телефону повысит общий показатель NPS.

Благодаря этому свойству регрессионное моделирование часто выбирают в качестве инструмента для построения моделей доходности инвестиций и связи между ними и ожидаемыми выгодами в плане повышения лояльности и связанных с ней аспектов поведения клиентов. Имея в своем распоряжении такую информацию, компании могут принимать более взвешенные решения, куда вкладывать деньги и какие инвестиции обеспечат самый высокий доход.

В компании GE Real Estate, помимо анализа комментариев клиентов, применяют регрессионный анализ. Бернхард Вассинк отмечает: «Регрессионный анализ позволил нам определить пять вещей, необходимых нашим клиентам: широкий ассортимент продуктов, приемлемая цена и структура сделки, непрерывное управление взаимоотношениями с клиентами, выполнение заранее оговоренных условий сделки и простой процесс ее заключения. На основании этих факторов мы можем принимать решения, приносящие значительные результаты».

На рисунке 6.5 представлен простой графический пример регрессионного анализа. Уравнение отображает взаимосвязь между общим индексом удовлетворенности продуктом и показателем лояльности. Эта связь достаточно сильна: в случае повышения качества продукта на одну отметку шкалы компания может рассчитывать на повышение общей вероятности рекомендаций примерно на три четверти одной отметки. После этого остается только определить, какие аспекты обеспечивают удовлетворенность клиентов качеством продукта и какой объем инвестиций требуется для значимого повышения индекса удовлетворенности.

Рис. 6.5. Регрессионный анализ и его результаты

Компании, которые пользуются методом «шесть сигм» и другими программами совершенствования бизнес-процессов такого рода, обычно включают регрессионный анализ в свой подход к определению индекса искренней лояльности. Аспекты клиентского опыта (такие как поддержка потребителей и качество продуктов), имеющие высокую корреляцию с NPS, служат прогностическими переменными (на рис. 6.5 это индекс удовлетворенности качеством продукта, отложенный на оси x), на основании которых методом регрессионного анализа оценивается результирующая переменная (на рис. 6.5 это индекс лояльности, отложенный на оси у). Как правило, переменная Y отображает баллы, выставленные клиентами в ответ на вопрос о вероятности рекомендаций, что считают в компании важным показателем эффективности ведения бизнеса.

Преимущество регрессионного моделирования заключается в возможности его применения для создания предиктивных моделей. Однако в сфере клиентского опыта и лояльности это же становится и самой сложной задачей. В отличие от приведенного выше примера клиентский опыт представляет собой сложную совокупность различных аспектов взаимодействия с компанией, а связь между смоделированными переменными и результирующей может быть относительно слабой.

Кроме того, регрессионное моделирование подразумевает возможность присвоения разного веса (разной степени влияния) одной и той же прогностической переменной в общем уравнении в зависимости от того, в каком порядке переменные включаются в модель. В таком случае необходима особая осторожность и компетентность при анализе и интерпретации полученных результатов. Кроме того, когда две или более переменные помогают объяснить итог, но между ними есть корреляция, регрессионная модель может дать ошибочное представление о силе связи между одним прогностическим фактором и результатом.

Рассмотрим пример переменных, между которыми может быть высокая корреляция. Возможно, у вас есть данные об уровне удовлетворенности клиентов продуктом и службой поддержки или об удовлетворенности организацией продаж и управлением работой с корпоративными клиентами. Большинство потребителей не воспринимают впечатления о продукте и поддержке как нечто обособленное: они дополняют друг друга. Что касается продаж и управления работой с клиентами, различия между ними носят в основном организационный характер и основаны на внутренней структуре компании; при этом потребитель не видит почти никакой разницы между основными аспектами опыта (контакты с продавцами, оценка продукта, ведение переговоров и покупка). Картина мира, сложившаяся у клиента, не содержит четких разграничений, соответствующих внутренней структуре организации, поэтому его ответы на вопросы об удовлетворенности чаще всего отображают определенный фрагмент общего опыта и приводят к получению показателей с высоким уровнем корреляции. Преимущества регрессионного подхода (в частности, возможность создания точной модели для определения приоритетных задач и инвестиций) имеют свою цену: применение этого подхода требует высокого уровня квалификации и больших трудозатрат при анализе.

В связи с этим многие компании используют только подходы, основанные на корреляционном анализе, что позволяет руководителям составить первоначальное представление о факторах, определяющих NPS. В действительности два-три основных драйвера лояльности, выявленные с помощью каждого из перечисленных выше методов, во многих случаях остаются неизменными. Как уже было сказано, доверие к полученным результатам можно повысить благодаря получению подтверждающих данных из дополнительных источников.

Анализ относительного влияния – это еще один индуктивный подход, который мы часто используем для определения основных причин. Этот метод был разработан специально для решения проблемы взаимной корреляции между прогностическими переменными, которая свойственна методам регрессионного анализа. Предположим, вы обнаруживаете сильную взаимозависимость между NPS и поддержкой клиентов. Кроме того, существует прочная корреляция между NPS и установкой продукта. В идеале вам необходимо каким-то образом разграничить и оценить вклад поддержки клиентов и установки на местах в общий уровень лояльности клиентов. Поскольку между этими двумя факторами существует корреляция, с помощью регрессионного анализа трудно определить влияние каждого из них в отдельности.

Именно с такой целью и был разработан метод анализа относительного влияния. Этот подход, которые впервые в 1988 году предложили Тил и Чанг, заключается в применении информационно-теоретических методов к такой статистической процедуре, как усреднение по упорядоченности, разработанной Краскелом в 1987 году. В соответствии с этим методом каждой прогностической переменной соответствующей модели присваивается определенный вес таким образом, чтобы общая сумма приоритетов всех переменных составляла 100 процентов. Такой подход позволяет выполнить процедуру математического моделирования и составить четкую упорядоченную картину влияния каждого из выбранных параметров эффективности работы компании на общий уровень NPS.

На рисунке 6.6 показан пример анализа относительного влияния, представленный в виде каскадной диаграммы – стандартного способа отображения информации, который часто используется при анализе методом «шесть сигм». Интерпретация каскадной диаграммы не составляет труда: любой аспект взаимодействия клиента с компанией, на который приходится более 20 процентов изменения индекса лояльности, заслуживает отдельного внимания со стороны бизнеса и целенаправленной работы по его улучшению. В приведенном примере очевидно, что начать следует с продукта (вернее, с удовлетворенности им клиента), далее следует легкость ведения дел с компанией, что оказывает влияние на группы, вовлеченные в процесс продаж.

Рис. 6.6. Анализ относительного влияния и его воздействие на NPS

Все методы индуктивного анализа факторов позволяют создать структурированную количественную схему определения важных аспектов клиентского опыта. Самое большое преимущество этих методов заключается в возможности количественной оценки, которая может ускорить процесс принятия решений, позволяя четко определить приоритетные направления и получить ответ на вопрос «насколько это важно и стоит ли вкладывать в это деньги?». Помимо определения самых важных аспектов и тем, эти методы можно использовать для проверки значимости ключевых показателей эффективности, подтверждения правильности предположений руководства относительно самых важных задач, а также для определения доходности планируемых инвестиций. Всех этих преимуществ вполне достаточно для того, чтобы считать целесообразным применение такого подхода, даже несмотря на расширение анкет и стремление сосредоточить внимание только на количественных, а не на качественных данных.

Все эти методы выходят за рамки анализа поверхностных факторов благодаря использованию статистики и корреляционных методов для изучения закономерностей в ответах клиентов и обнаружения связей, позволяющих лучше понять их поведение. Однако в случае применения этих методов тоже может произойти смещение полученных результатов, поскольку такой анализ сфокусирован и ограничен тем, что включено в схему проведения опроса. Если один из важных факторов в опрос не попал, то вы рискуете неправильно оценить возможности для инвестиций. По этой и другим причинам лучше использовать правильно подобранную совокупность инструментов количественного и качественного анализа, чтобы составить более полное и точное представление о том, что важно для ваших клиентов.

Во многих компаниях считают, что оптимальный подход к анализу основных причин появления промоутеров и детракторов должен включать в себя больше одного метода. Рис. 6.7 поможет вам сопоставить разные аналитические подходы и выбрать те из них, которые больше всего соответствуют вашим потребностям и бизнесу. Например, если вам необходим метод, обеспечивающий количественную оценку факторов лояльности, но у вас ограничен объем внутренних ресурсов, можете использовать метод индуктивного анализа или адаптивный диалог. Если вы впервые занимаетесь разработкой программы в своей компании и для вас решающее значение имеет вовлечение сотрудников в процесс замыкания обратной связи, то вы можете начать с обсуждения основных причин с клиентами. В действительности самые лучшие программы подразумевают избирательный подход к использованию всех этих способов в соответствии с потребностями и целями компании и ее главных действующих лиц.

Рис. 6.7. Сравнительный анализ методов определения факторов лояльности

Сравнивать преимущества всех этих методов действительно имеет смысл, но каковы особенности их применения на практике? Вот некоторые рекомендации по этому поводу.

В случае использования коротких анкет с двумя-тремя вопросами вам не удастся получить достаточно информации для выполнения анализа факторов лояльности. Следовательно, вы должны осознавать, что повышение коэффициента отклика и легкость сбора данных компенсируют затраты на проведение причинно-следственного анализа после обработки результатов опроса. Без дополнительной работы после анкетирования вы не сможете по-настоящему разобраться в том, почему NPS такой, какой он есть, и что можно сделать для повышения этого показателя. Частое заблуждение при внедрении системы Net Promoter – это то, что анкета из двух вопросов сама по себе позволит добиться поставленной цели. Это совсем не так. В таком случае лучшим решением проблемы будет анализ основных причин как отдельного процесса.

Включая в короткую анкету открытый вопрос, подразумевающий развернутый комментарий (а мы считаем, что это необходимо сделать), вы получите бесценные данные для замыкания обратной связи с клиентами (см. ), а также массу других данных. Методы классификации комментариев клиентов в том виде, в каком они существуют сейчас, не позволяют получить достаточно информации для понимания основных причин. Было бы неблагоразумно принимать стратегические решения только на основании данных, полученных при классификации комментариев. Мы считаем, что это подтверждает потребность в дополнительном анализе после опроса. На момент написания этой книги мы проанализировали дюжину технологических решений, но так и не обнаружили прорыва в этой области.

Более революционный подход к выполнению причинно-следственного анализа состоит в создании сообщества клиентов и использовании таких инструментов, как адаптивный диалог, для определения основных причин лояльности. Чтобы сократить вероятность искажения результатов, такое сообщество должно быть достаточно большим и насчитывать тысячи членов. Мы отдаем предпочтение формальным методам причинно-следственного анализа и последующему обсуждению причин с клиентами перед проведением традиционных фокус-групп из-за экономической эффективности этого подхода.

Включение в анкету дополнительных вопросов позволяет получить достаточно данных для анализа факторов лояльности клиентов. Помимо длины анкеты, самый большой недостаток этого метода заключается в том, что в процессе формулирования вопросов вы исходите из заранее сформированного представления о том, какими должны быть эти факторы. В этом случае можно использовать такие методы, как анализ комментариев или адаптивный диалог, чтобы удостовериться, что вы не упускаете из виду реальные факторы. Итак, начать необходимо с предположения, но попытайтесь сделать все возможное, чтобы оно было основано на данных, полученных от потребителей.