Инструменты методики АЦТ, часть 30: управление клиентским опытом (Customer Experience Management), этичное управление данными клиентов (Ethical Customer Data Management) и анализ данных о клиентах с использованием ИИ (AI in Customer Analytics)

Это тридцатая статья цикла по инструментам методики «Аккордная цифровая трансформация». Завершаем группу D «Клиенты и рынок» — инструменты D3-04, D4-01 и D4-02.

Три инструмента этой статьи работают с уже собранными сведениями о клиенте, не добавляя к ним новых. Управление клиентским опытом (D3-04) сводит все точки контакта в единый управляемый порядок работы. Этичное управление данными клиентов (D4-01) определяет допустимые границы обращения с личными сведениями. Анализ данных о клиентах с использованием ИИ (D4-02) извлекает из накопленного закономерности, недоступные при ручном разборе. Трудоемкость инструментов этой статьи выше, чем в предыдущих: 48 часов у первого инструмента, 42 у второго и 64 у третьего, а последний методика относит к очень сложным. Суммарно это 154 часа против 114 в предыдущей статье.

D3-04 — Управление клиентским опытом (Customer Experience Management, CXM)

Откуда появился инструмент. Понятие закрепилось за работой Бернда Шмитта, профессора маркетинга Колумбийской школы бизнеса, выпустившего в 2003 году книгу «Customer Experience Management: A Revolutionary Approach to Connecting with Your Customers». Она продолжала его более раннюю книгу «Experiential Marketing» (1999), где Шмитт доказывал, что покупатель оценивает не только свойства продукта, но и то, что испытывает при обращении к компании. В книге 2003 года он определил управление клиентским опытом как стратегическое управление всем опытом клиента при взаимодействии с продуктом и компанией и предложил порядок из пяти шагов, доводящий этот подход до каждой точки контакта. Единоличного авторства у понятия нет: к началу 2000-х оно складывалось в нескольких школах одновременно, однако определение Шмитта закрепилось как опорное.

Суть и механика. Управление клиентским опытом — комплексный подход к анализу и улучшению взаимодействия клиентов с бизнесом. Он сосредоточен на управлении и улучшении всего пути клиента во всех точках соприкосновения с компанией: сюда входят онлайн- и офлайн-взаимодействия, поддержка клиентов, маркетинг, доставка продукта или услуги. Цель подхода — повысить удовлетворенность клиентов, их лояльность и готовность рекомендовать бренд другим. Методика выделяет три особенности инструмента: целостный подход, охватывающий весь путь клиента к бренду; ориентация на клиента, требующая понимания его ожиданий, предпочтений и поведения; интеграция данных из нескольких источников для постоянного улучшения качества обслуживания. Отличие от управления взаимоотношениями с клиентами (D2-05) состоит в предмете управления: там предметом служит история отношений, доступная сотрудникам, здесь — качество самого взаимодействия на каждом шаге.

Значение единой точки входа видно на промышленном холдинге с несколькими производственными площадками.

Пример. Лесопромышленный холдинг «Свеза» с площадками по всей стране и штатом более 6,5 тысячи человек к 2023 году работал с разрозненными системами. После вывода из эксплуатации зарубежной платформы обслуживания клиентов работу с обращениями до оформления претензии вели во внутреннем решении, созданном силами компании, которое не связывалось с остальными каналами. Компания перевела обслуживание клиентов, поручения и управление качеством на единую отечественную платформу и создала общую точку входа для обращений из всех каналов, с настраиваемыми сроками реакции и раздельным порядком обработки для корпоративных и розничных покупателей. Планы корректирующих мероприятий связали с обращениями: из выявленного отклонения по качеству автоматически формируется поручение. По данным поставщика платформы, оформление обращения сократилось с 15 до 10 минут, а срок его обработки уменьшился на семь дней.

Управление клиентским опытом сводит разрозненные обращения в единый порядок работы и связывает жалобу клиента с устранением ее причины на производстве.

Границы применимости. Инструмент применим там, где клиент взаимодействует с несколькими подразделениями и качество его опыта складывается из работы каждого: в промышленных поставках, услугах, розничной торговле. По методике это сложный инструмент. Первое ограничение — полномочия: подход затрагивает маркетинг, продажи, обслуживание и производство, и без единого ответственного, действующего поверх подразделений, распадается на отдельные улучшения. Второе — измеримость: без показателей удовлетворенности и сроков реакции работа превращается в набор разрозненных начинаний без измеримого результата. Третье — состояние данных: целостная картина опыта складывается только при объединении данных из всех источников. Управление клиентским опытом опирается на карту пути клиента (D2-04) как на описание точек контакта, на управление взаимоотношениями с клиентами (D2-05) как на источник истории отношений и на индекс лояльности (D2-01) как на измеритель, а содержание ему дает аналитика поведения клиентов (D3-03).

Чек-лист перед внедрением управления клиентским опытом:

Назначен ответственный за клиентский опыт, обладающий полномочиями поверх отдельных подразделений.
Описаны все точки контакта, включая офлайновые и послепродажные, поскольку опыт складывается из каждой.
Определены показатели, по которым оценивается опыт клиента, и установлена периодичность их измерения.
Сведения о клиенте из разных источников объединены в общую картину.
Обращения клиентов связаны с устранением причин, а не только с ответом заявителю.
Установлены сроки реакции для каждого типа обращения и порядок контроля их соблюдения.

Типовые ошибки:

Улучшение по частям. Каждое подразделение улучшает свой участок, общий опыт клиента остается прежним. → Назначить ответственного за весь путь клиента.
Опыт без измерения. Работа ведется без показателей, и результат остается неизвестным. → Определить показатели удовлетворенности и сроков реакции.
Ответ без устранения причины. Обращение закрывают, повторяющаяся причина сохраняется. → Связать обращения с планами корректирующих мероприятий.
Разрозненные источники. Сведения о клиенте хранятся в отдельных системах, целостной картины нет. → Объединить данные о клиенте из всех каналов.

D4-01 — Этичное управление данными клиентов (Ethical Customer Data Management, ECDM)

Откуда появился инструмент. Основания подхода сложились в 1970-е годы, когда ведомства впервые столкнулись с массовой обработкой сведений о гражданах в вычислительных системах. В июле 1973 года консультативный комитет министерства здравоохранения, образования и социального обеспечения США под председательством Уиллиса Уэра выпустил доклад «Records, Computers and the Rights of Citizens». Доклад сформулировал правила добросовестной работы с данными. Недопустимо существование систем, само наличие которых скрыто. Человек вправе узнать, какие сведения о нем собраны и как используются, воспрепятствовать их применению для иных целей и исправить запись. Хранящий данные отвечает за их защиту. В 1980 году Организация экономического сотрудничества и развития развернула эти положения в восемь принципов, ставших основой законодательства о персональных данных во многих странах. В России те же начала закреплены Федеральным законом № 152-ФЗ «О персональных данных», принятым в 2006 году.

Суть и механика. Этичное управление данными клиентов предполагает сбор, хранение и использование личной информации прозрачно, с явным согласием и только для целей, согласованных с клиентом. Для реализации подхода применяются политика конфиденциальности, механизмы согласия — формы согласия на сайте или в мобильном приложении, флажки во время оформления заказа — и регулярные аудиты данных, при которых проверяют, какую информацию собирают, почему она нужна и нужно ли ее удалять. Методика называет две причины, по которым подход важен для предприятия. Он поддерживает доверие клиентов, поскольку они охотнее доверяют компаниям, прозрачным в сборе данных и получающим информированное согласие. Кроме того, подход помогает соблюдать требования законодательства, регулирующего работу со сведениями о клиентах.

Последствия перехода к явному согласию видны на изменении, затронувшем весь рынок мобильной рекламы.

Пример. В апреле 2021 года компания Apple выпустила версию мобильной операционной системы, в которой приложение обязано запросить у пользователя разрешение, прежде чем отслеживать его действия в других приложениях и на сайтах. Прежде такое отслеживание велось по рекламному идентификатору устройства без отдельного обращения к владельцу; теперь при первом запуске приложение выводит запрос с выбором из двух вариантов, а в настройках устройства запрет можно установить сразу для всех приложений. По умолчанию разрешение не выдается. По измерениям аналитической компании Flurry, проводившимся на выборке в несколько миллионов пользователей в сутки, в первые недели после выпуска отслеживание разрешали около 5% пользователей в США и 12–15% в мире. Изменение затронуло рынок мобильной рекламы, оценивавшийся в 189 млрд долларов.

Явное согласие показывает действительный спрос на сбор сведений: то, что прежде подразумевалось умолчанием, при прямом вопросе выбирает меньшинство клиентов.

Границы применимости. Инструмент применим в любой организации, обрабатывающей персональные данные, и особенно там, где данные собираются в нескольких каналах и системах. По методике это сложный инструмент. Первое ограничение — подвижность правовой среды: с 30 мая 2025 года в России действуют повышенные размеры ответственности за нарушения при обработке персональных данных, включая штрафы, исчисляемые долей годовой выручки при повторной утечке, поэтому однократное приведение в соответствие не снимает задачу. Второе — формальность согласия: текст, изложенный так, что клиент его не понимает, удовлетворяет требованию, однако доверия не создает. Третье — избыточный сбор: сведения, собранные без определенной цели, увеличивают и обязательства компании, и последствия возможной утечки. Этичное управление данными задает границы персонализированному маркетингу (D3-02) и анализу данных с использованием ИИ (D4-02) и опирается на управление взаимоотношениями с клиентами (D2-05) как на основное место хранения сведений.

Чек-лист перед внедрением этичного управления данными клиентов:

Составлен перечень собираемых сведений с указанием цели сбора по каждому пункту, поскольку без этого объем сбора не поддается оценке.
Проверено соответствие фактического сбора данных заявленным целям обработки.
Установлен порядок получения согласия, изложенный языком, понятным клиенту.
Определены сроки хранения и порядок удаления сведений, утративших назначение.
Назначена периодичность повторных проверок, поскольку требования и процессы меняются.
Доступ сотрудников к личным сведениям клиентов разграничен в соответствии со служебными задачами.

Типовые ошибки:

Сбор без цели. Сведения собирают в расчете на будущее применение, не определив назначение. → Ограничить сбор данными, необходимыми для заявленных целей.
Согласие для отчетности. Форма согласия составлена так, что клиент не понимает предмета. → Излагать условия языком, доступным клиенту.
Разовое приведение в соответствие. Проверку проводят однажды и к ней не возвращаются. → Установить периодичность повторных проверок.
Хранение без срока. Сведения хранят бессрочно, включая утратившие назначение. → Определить сроки хранения и порядок удаления.

D4-02 — Анализ данных о клиентах с использованием ИИ (AI in Customer Analytics)

Откуда появился инструмент. Показательным для направления стало открытое соревнование, объявленное компанией Netflix в октябре 2006 года. Участникам передали более ста миллионов оценок, которые 480 тысяч подписчиков поставили почти 18 тысячам фильмов, и предложили миллион долларов тому, кто улучшит точность собственного алгоритма компании на 10%. Решение задачи заняло почти три года: в сентябре 2009 года приз получила объединенная команда BellKor’s Pragmatic Chaos, превзошедшая исходную точность на 10,06%. Соревнование показало, что модели, обученные на поведении клиентов, предсказывают их предпочтения точнее правил, составленных вручную, и одновременно обнаружило ограничение подхода: победившее решение оказалось слишком сложным для промышленной эксплуатации, и компания не внедрила его целиком.

Суть и механика. Анализ данных о клиентах с использованием искусственного интеллекта позволяет компаниям лучше понимать поведение клиентов, прогнозировать их потребности и приспосабливать маркетинговые стратегии. Цель методики — улучшить пользовательский опыт, повысить лояльность клиентов и эффективность продаж. Модели анализируют большие массивы данных о клиентах, выявляя закономерности и тенденции, которые невозможно обнаружить вручную. Методика перечисляет основные возможности. Это сегментация аудитории по поведенческим данным, включая историю просмотров, отклики на рекламу и взаимодействие с содержанием, и предсказание будущих покупок по прошлым заказам. Сюда же входят анализ тональности отзывов и сообщений клиентов с выделением ключевых проблем и выявление вероятности оттока по частоте покупок и снижению активности, по результатам которого клиенту предлагают персональные скидки или специальные условия.

Разницу между выборочной проверкой и сплошным разбором обращений видно на работе контакт-центра страховой компании.

Пример. «Росгосстрах» перевел разбор обращений в контакт-центр на систему речевой аналитики, построенную внутренней командой на решениях с открытым исходным кодом и генеративных моделях. Система обрабатывает все входящие звонки, более 15 тысяч в сутки, и оценивает содержание разговора по набору признаков: для этого специалисты компании составили свыше ста запросов к модели, каждый из которых отвечает за отдельный параметр диалога. Надстроенный над аналитикой сервис ищет в расшифровках признаки нарастающего недовольства, включая намерение подать жалобу, и извещает ответственных сотрудников, что позволяет вернуться к клиенту в течение часа. Сплошной разбор выявил и повторяющуюся причину недовольства: клиентов не устраивало требование предоставлять дополнительные документы в одном из страховых процессов, и после разбора обратной связи это требование отменили. По данным компании, среднее время разговора сократилось примерно на 7% при одновременном росте доли вопросов, решенных с первого обращения.

Сплошной разбор обращений обнаруживает не только отдельные конфликты, но и порождающие их причины в процессах компании.

Границы применимости. Инструмент применим там, где обращения и действия клиентов накапливаются в объемах, недоступных для ручного разбора: в массовом обслуживании, розничной торговле, подписных услугах. По методике это очень сложный инструмент, самый трудоемкий в группе D. Первое ограничение — данные: модель выводит закономерности из накопленной истории, и при малом объеме или низком качестве записей результат не воспроизводится. Второе — окупаемость эксплуатации: точность модели и пригодность к промышленному применению различаются, и решение, выигравшее по точности, может оказаться слишком дорогим в сопровождении. Третье — правовое основание: работа строится на личных сведениях клиентов и потому ограничена этичным управлением данными (D4-01). Анализ с использованием ИИ продолжает аналитику поведения клиентов (D3-03), поставляет основания сегментации (D3-01) и персонализированному маркетингу (D3-02) и опирается на управление клиентским опытом (D3-04) как на способ применить полученные выводы.

Чек-лист перед внедрением анализа данных с использованием ИИ:

Определена задача, для которой строится модель, и решение, принимаемое по результату расчета.
Оценены объем и качество накопленных данных, поскольку от них зависит воспроизводимость результата.
Получены правовые основания для обработки личных сведений в этих целях.
Оценена стоимость сопровождения решения, а не только точность модели.
Результат сравнивается с прежним порядком работы или с контрольной группой.
Установлена периодичность пересмотра модели по мере изменения поведения клиентов.

Типовые ошибки:

Модель без решения. Расчет выполняют, но порядок работы с клиентами по его результатам не меняют. → Определять решение, принимаемое по результату расчета, до начала работы.
Точность вместо применимости. Выбирают наиболее точное решение без оценки его эксплуатации. → Учитывать стоимость сопровождения при выборе.
Обработка без основания. Личные сведения используют для целей, на которые клиент согласия не давал. → Согласовать цели обработки до начала расчетов.
Результат без проверки. Отдачу от модели принимают без подтверждения. → Сравнивать результат с прежним порядком отбора или с контрольной группой.

Резюме

Три инструмента этой статьи завершают группу D и отличаются от предыдущих предметом работы: они опираются на уже собранные сведения о клиенте. Управление клиентским опытом определяет, как компания работает с клиентом в каждой точке контакта. Этичное управление данными устанавливает, что с накопленными сведениями допустимо делать. Анализ с использованием ИИ извлекает из них закономерности, недоступные при ручном разборе. Все три требуют полномочий, выходящих за пределы одного подразделения: клиентский опыт складывается из работы маркетинга, продаж, обслуживания и производства; правила обращения с данными касаются каждого, кто их собирает; выводы моделей приобретают смысл лишь тогда, когда по ним меняется порядок работы. Совокупная трудоемкость составляет 154 часа и превышает суммарную трудоемкость любой из предыдущих статей цикла, включая те, где разбиралось по четыре инструмента. Эта разница отражает переход от отдельных приемов работы с клиентом к управлению всей совокупностью отношений с ним. Для промышленного предприятия это означает, что клиентское направление перестает быть задачей отдела сбыта и становится сквозной функцией, затрагивающей качество, производство и обращение с данными.

В следующей статье цикла перейдем к группе E «Стратегия и инновации» и разберем четыре инструмента базового стратегического анализа: SWOT-анализ, анализ по видам деятельности, пять сил Портера и PESTLE-анализ.