Сервис, который приносит прибыль. Практическое руководство по созданию системы NPS - Лаура Брукс

По мнению Тимоти Кирхмана из группы по изучению мнения потребителей, благодаря этому процессу компании LEGO удалось получить хорошие инсайты.

Специалисты LEGO также изучили, чего ждут дети (их клиентское ядро) от онлайн-среды. Рис. 6.3 иллюстрирует результаты адаптивного диалога с оценкой популярности и степени важности идей, предложенных детьми в ответ на поставленные вопросы. Благодаря этому процессу в LEGO узнали любопытный факт: маленьким клиентам интересно создавать различные конструкции как из физических, так и из виртуальных деталей. Компания сможет использовать эту ценную информацию при разработке новых интернет-продуктов, чтобы привлечь еще больше детей к игре с конструкторами LEGO в интернете.

Рис. 6.3. Идеи детей для интернет-сообщества LEGO

Примечание: представленные на рисунке идеи входят в список лучших шестидесяти четырех. Всего в опросе приняли участие 307 респондентов.

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.