ДЕНЬ 05
Как повысить удовлетворенность клиента при помощи данных
Завершаем наш марафон изучением что такое шум, а что — сигнал. Как повысить показатель удовлетворенности клиента работой службы технической поддержки — в сегодняшнем кейсе.
Повышение удовлетворенности клиентов через анализ данных
Разбор бизнес-примера
Никита Анпилов
Руководитель проектов B2B, Ростелеком
В 2018 году в компании начался проект по трансформации технической поддержки B2B-сегмента, в рамках которой была разработана новая система KPI. До 2019 года показатели техподдержки считались вручную, собирая данные из множества разных источников. Была разработана единая витрина данных в периметре централизованного хранилища данных, которое на ежедневной основе собирает данные с основных систем техподдержки, использующихся в Ростелекоме.
Мы сделали приложение на базе Qlik Sense по показателям эффективности, на основе которых рассчитываются премии сотрудников. Отчетность показывает всю аналитику: от верхнеуровневого взгляда на динамику показателей (по Ростелекому в целом или по макрорегиону) до подробной детализации по каждому инциденту.
Мы сделали приложение на базе Qlik Sense по показателям эффективности, на основе которых рассчитываются премии сотрудников. Отчетность показывает всю аналитику: от верхнеуровневого взгляда на динамику показателей (по Ростелекому в целом или по макрорегиону) до подробной детализации по каждому инциденту.
“
Можно сказать, что нашим приложением пользуются в разы больше, чем другими – оно действительно востребовано
В приложении можно просматривать данные по регионам, в динамике, отслеживать исполнение или неисполнение SLA — показателя своевременности оказания услуги или, например, отслеживать % повторных заявок на конкретной линии техподдержки. Коллеги могут просматривать статистику на ежедневной основе: насколько текущая площадка перевыполняет план или как сильно она отстает.
На базе нашего приложения мы также сделали информационные рассылки: из отчета создаются автоматические выгрузки и рассылаются при помощи сервиса NPrinting. Это помогает информировать заинтересованных лиц о текущем положении конкретного региона в части исполнения/неисполнения показателей. Рассылки побуждают к посещению дашбордов для проведения аналитики, ведь в отчете собрана вся нужная информация для анализа и принятия решений.
Основной результат использования интерактивной отчетности для проверки эффективности: улучшение клиентского сервиса
Какие результаты?
Нам удалось улучшить показатель SLA на 20 процентных пунктов — с апреля 2019 до июля 2021. А количество повторных выездов по проблемам сократилось в среднем с 8% до 4,5%. И сотрудники, и их руководители яснее понимают места, в которых требуется приложить усилия — это влияет на итоговый результат.
Важно в самом начале видеть конечный результат: попробовать нарисовать визуальную часть и в коммуникации с коллегами и теми, кто будет пользоваться отчетностью, дополнять свой прототип. Это сэкономит много времени.
Шум и сигнал — или как подсветить то, что важно
Наиболее важная цель любой визуальной аналитики и любого дашборда — донести информацию. При этом, не просто донести какую-то информацию, а обратить внимание на полезную и необходимую для принятия решений.
“
Содержимое дашборда должно быть организовано таким образом, чтобы отражать характер информации. Информация не может быть просто размещена где-либо на дашборде. Элементы, которые логически относятся друг к другу, должны располагаться также близко друг к другу. Важные элементы часто должны быть крупнее и, таким образом, более заметными, чем менее важные элементы. Элементы, которые должны быть изучены в определенной последовательности, должны быть расположены в том виде, чтобы поддерживать визуальное внимание аудитории.
Логичная структура дашборда служит «невидимым» навигатором, показывая с чего начать и куда идти дальше. То, каким образом вы решите представить данные, формирует путь, по которому целевая аудитория понимает как общую картину, так и то, как мелкие элементы дашборда сочетаются друг с другом.
Представьте себя игроком баскетбольной команды, вам надо принять решение — передавать кому-то пас или попытаться забить мяч самостоятельно? За пару секунд вы должны оценить положение игроков своей команды, игроков команды противника, вспомнить их сильные и слабые стороны, прислушаться к тренеру и своей интуиции, услышать подсказки болельщиков и вспомнить математические прогнозы, которые вы читали неделю назад. Довольно много информации? Но не вся из нее полезна.
Прозрачность и доступность данных – ключ к успеху
Если мы узнали что-то новое для себя из имеющихся данных и эта информация имеет для нас ценность, которую мы можем превратить в действие – мы получили сигнал.
Сигнал — это та информация, которая вам необходима. Шум — это вся остальная информация, которая мешает найти нужный сигнал.
Когда вы начинаете исследовать новые для себя данные, любой шум может показаться сигналом. До тех пор, пока вы не изучите данные достаточно глубоко, вы не сможете увидеть сигнал. Но изучив, что является привычной и стандартной ситуацией, а какие паттерны в данных наоборот – необычны, сигналов останется не так много. Скорее всего, они будут появляться только с течением времени при обновлении ваших данных.
Стивен Фью выделяет три типа сигналов:
Когда данные начинают вести себя по-новому — это потенциальный сигнал. Когда диапазон, в рамках которого обычно колеблется показатель, резко изменяется — это потенциальный сигнал. Когда мы начинаем видеть признаки хороших или плохих перемен — это тоже потенциальный сигнал. Подумайте о том, как вы можете идентифицировать сигналы в своих данных.
Стивен Фью выделяет три типа сигналов:
- заметные изменения в паттернах показателей (изменение тренда)
- заметные изменения в величине
- появление уже известного и знакомого паттерна вновь
Когда данные начинают вести себя по-новому — это потенциальный сигнал. Когда диапазон, в рамках которого обычно колеблется показатель, резко изменяется — это потенциальный сигнал. Когда мы начинаем видеть признаки хороших или плохих перемен — это тоже потенциальный сигнал. Подумайте о том, как вы можете идентифицировать сигналы в своих данных.
В заключение...
В процессе разработки и дизайна мы делаем сложное простым: у нас есть много информации, много данных, которые постоянно меняются, а также различные аналитические потребности и вопросы. Мы хотим взять всю эту сложность и упростить ее.
Мы рассказываем ясную историю: мы хотим иметь возможность связывать данные с их контекстом в бизнесе и отвечать на вопросы зрителей. Здесь решающую роль играет визуальное оформление дашборда.
Мы выражаем смысл данных: выбранные визуализации данных должны правильно представлять информацию, которую вы хотите извлечь из них.
Мы показываем детали по мере необходимости: мы хотим, чтобы каждый зритель имел доступ к нужным им данным — ни меньше, ни больше. Некоторым пользователям может потребоваться более детальное представление данных — другим может хватить поверхностного обзора.
Работая с данными, мы создаем полноценный проект.
На этом наш марафон завершается, но наша работа с данными не заканчивается! Желаем вам дата-успехов!
Что почитать?
Подборка ссылок и материалов для погружения
