Surinkti neužtenka: kaip klientų grįžtamąjį ryšį paversti įžvalgomis?

Klientų grįžtamąjį ryšį surinkti šiandien gana paprasta. Galima išsiųsti apklausą po pirkimo, įdėti QR kodą fizinėje lokacijoje, paklausti po aptarnavimo ar periodiškai stebėti NPS, CSAT ir kitus rodiklius. Didesnis iššūkis prasideda tada, kai atsakymai jau yra prieš akis.

Tarkime, bendras pasitenkinimas sumažėjo. Ar priežastis yra ilgesnis laukimas, nauja savitarnos sistema, vienos lokacijos problemos, konkreti klientų grupė, o gal keli dalykai vienu metu? Vienas skaičius to nepasako. O keli šimtai atvirų komentarų gali turėti atsakymą, tačiau tik tada, jei juos pavyksta susisteminti.

Todėl grįžtamojo ryšio vertė nesibaigia jo surinkimu. Tikrasis darbas yra atsakymus paversti informacija, kurią galima suprasti, palyginti, prioritetizuoti ir panaudoti sprendimams.

Surinkti → struktūruoti → analizuoti → suprasti → veikti

Jei procesas sustoja ties „surinkome“, organizacija turi duomenų, bet dar nebūtinai turi įžvalgų.

Šiame puslapyje:

• Surinkome atsakymus. Ir kas toliau?
• Vienas vidurkis gali slėpti kelias skirtingas istorijas
• Skaičius parodo signalą. Komentaras paaiškina priežastį
• Kai komentarų tūkstančiai, perskaityti visus nebėra analizė
• Dažniausiai minima problema nebūtinai turi būti pirmoji eilėje
• Įžvalga turi pasiekti žmogų, kuris gali ką nors pakeisti
• Analizė nesibaigia sprendimu: reikia patikrinti, ar pokytis suveikė
• Kur čia padeda „Apklausa360“?
• Nuo atsakymų prie sprendimų
• Šaltiniai

Didelė grįžtamojo ryšio duomenų bazė pati savaime nėra vertė. Net ir gerai sukurta apklausa gali baigtis Excel failu, kuris kartą per ketvirtį atidaromas, peržvelgiamas ir vėl uždaromas. Tokiu atveju organizacija žino, kad klientų klausė, bet nebūtinai žino, ko iš jų išmoko.

Caemmerer ir Wilson tyrimas apie klientų grįžtamojo ryšio sistemas parodė, kad paslaugų tobulinimui svarbu ne tik tai, kaip informacija surenkama, bet ir kaip ji interpretuojama bei panaudojama skirtinguose organizacijos lygiuose. Tyrėjai pabrėžia, kad grįžtamojo ryšio iniciatyvoms reikia geresnės integracijos, o organizacijos turi padėti žmonėms ne tik gauti duomenis, bet ir juos suprasti bei naudoti sprendimams. Šaltinis

„Pastangos turi būti sutelktos į surinktų duomenų interpretavimą ir naudojimą.“

Laisvas vertimas iš Caemmerer & Wilson (2010).

Tai gana paprasta, bet svarbi skirtis: atsakymas į apklausą yra duomuo. Įžvalga atsiranda tada, kai suprantame, ką tas atsakymas reiškia platesniame kontekste ir ar jis turėtų pakeisti mūsų veiksmus.

Bendras klientų pasitenkinimo rezultatas gali atrodyti stabilus, nors po juo slepiasi labai skirtingos patirtys. Tai ypač aktualu organizacijoms, turinčioms kelias lokacijas, skirtingus aptarnavimo kanalus, daug paslaugų ar nevienodas klientų grupes.

Pavyzdžiui, bendras CSAT gali būti 82 %. Iš pirmo žvilgsnio tai vienas aiškus rezultatas. Tačiau segmentavus atsakymus gali paaiškėti, kad vienoje lokacijoje pasitenkinimas siekia 92 %, kitoje 84 %, o trečioje tik 68 %. Bendras vidurkis buvo teisingas, bet neparodė, kur iš tikrųjų yra problema.

Tas pats principas galioja lyginant laikotarpius, kanalus, produktus, naujus ir ilgalaikius klientus ar kitus pjūvius. Analizė leidžia pereiti nuo „mūsų rezultatas yra 82 %“ prie daug praktiškesnių klausimų: kur rezultatas prastesnis, kam, kada ir kas pasikeitė?

Bendras rodiklis parodo kryptį. Pjūviai parodo, kur ieškoti priežasties.

Kiekybiniai rodikliai yra patogūs, nes leidžia greitai pamatyti pokytį. NPS nukrito. CSAT vienoje vietoje prastesnis. CES po naujo proceso pablogėjo. Tai svarbūs signalai, tačiau vien iš jų dažnai neaišku, kas juos sukėlė.

Atviri komentarai papildo skaičius tuo, ko skalė nuo 1 iki 10 negali pasakyti: klientas gali paaiškinti, kad naujas atsiskaitymas neaiškus, registracijos metu nerado reikalingos informacijos, darbuotojo pagalba išsprendė problemą arba konkreti funkcija tapo pagrindine priežastimi vertinti paslaugą geriau.

Būtent todėl vis daugiau tyrimų grįžtamojo ryšio analizėje jungia kiekybinius ir tekstinius duomenis. Marcolin ir kolegos parodė, kaip teksto klasifikavimas, sentimentų analizė ir temų modeliavimas gali padėti viešbučių sektoriaus vadovams iš klientų komentarų gauti sprendimams naudingą informaciją. Šaltinis Naujesnis Kyriakidis ir Tsafarakis tyrimas taip pat parodė, kad sujungus tekstinius ir skaitinius atsiliepimų duomenis galima geriau identifikuoti klientų pasitenkinimą lemiančius veiksnius ir sritis, kuriose reikia tobulėjimo. Šaltinis

Skaičius padeda pastebėti, kad kažkas pasikeitė. Komentaras padeda suprasti, kodėl.

Kol atvirų atsakymų yra dvidešimt ar penkiasdešimt, juos galima gana lengvai perskaityti rankiniu būdu. Kai jų susikaupia keli šimtai ar keli tūkstančiai, toks metodas tampa lėtas, sunkiai pakartojamas ir priklausomas nuo to, kas konkrečiai skaito komentarus.

Be to, žmogaus akis natūraliai labiau įsimena ryškų ar emocionalų komentarą. Vienas labai piktas atsiliepimas gali atrodyti svarbesnis už dešimt santūriai suformuluotų komentarų apie tą pačią pasikartojančią problemą. Dėl to didesniame duomenų kiekyje svarbu ne tik skaityti komentarus, bet ir sistemingai ieškoti temų, jų dažnio, sentimentų bei skirtumų tarp klientų grupių.

Teksto analizės metodai tam ir naudingi: jie gali padėti sugrupuoti panašias temas, išskirti pasikartojančias problemas, analizuoti sentimentą ir susieti atvirus komentarus su kitais apklausos atsakymais. Tai nepanaikina žmogaus sprendimo poreikio, tačiau gerokai sumažina rankinio darbo kiekį ir leidžia greičiau pamatyti bendrą vaizdą.

DI gali padėti susisteminti didelį komentarų kiekį. Sprendimą, ką su tomis įžvalgomis daryti, vis tiek priima organizacija.

Gera analizė neturėtų baigtis sąrašu „dažniausiai minėtos temos“. Organizacijai svarbu suprasti ne tik tai, kiek kartų kažkas paminėta, bet ir kokią įtaką tai turi klientų patirčiai bei verslui.

Pavyzdžiui, nedidelis nepasitenkinimas interjero spalva gali būti minimas dažnai, bet turėti mažai įtakos bendrai patirčiai. Tuo tarpu rečiau pasitaikanti problema atsiskaitymo procese gali lemti, kad klientas apskritai nebaigia pirkimo. Vien komentarų skaičiavimas šių dviejų situacijų neatskiria.

Naujas Kim, Maeng ir Ryu tyrimas būtent į tai ir atkreipia dėmesį: vien identifikuoti, apie ką klientai kalba, nepakanka. Jų siūlomas analizės modelis sieja svarbiausias temas su konkrečiais klientų veiksmais ir leidžia prioritetizuoti tobulinimo kryptis. Kitaip tariant, analizė turi padėti ne tik pasakyti „apie ką kalbama“, bet ir atsakyti „kur verta veikti pirmiausia“. Šaltinis

Net ir labai gera analizė praranda vertę, jei jos rezultatai lieka vieno žmogaus ataskaitoje. Klientų aptarnavimo komanda gali matyti vienas problemas, produkto komanda – kitas, o padalinių vadovai apskritai negauti informacijos apie tai, kas kartojasi klientų komentaruose.

Birch-Jensen, Gremyr ir Halldorsson, nagrinėję sistemingą klientų inicijuoto grįžtamojo ryšio naudojimą paslaugoms tobulinti, išskyrė tris svarbius etapus: grįžtamojo ryšio patekimą į organizaciją, jo apdorojimą ir pavertimą žiniomis, kurias galima naudoti skirtingose funkcijose. Kitaip tariant, procesas neturėtų baigtis ties apklausų komanda – informacija turi tapti prieinama tiems, kurie realiai gali keisti produktą, paslaugą ar procesą. Šaltinis

Surinkti → apdoroti → paversti organizacijos žiniomis → priskirti veiksmą

Panašią mintį sustiprina ir Zand bei kolegų tyrimas apie klientų žinių valdymą. Jų rezultatai rodo, kad geresni organizacijos rezultatai siejasi ne vien su turima infrastruktūra ar duomenų kiekiu, o su gebėjimu klientų žinias apdoroti ir paversti organizaciniu gebėjimu. Paprastai tariant, turėti klientų informaciją ir mokėti ją panaudoti yra du skirtingi dalykai. Šaltinis

Turėti klientų duomenis ≠ mokėti iš jų mokytis.

Grįžtamasis ryšys yra naudingiausias tada, kai tampa ciklu, o ne vienkartiniu projektu. Organizacija pastebi problemą, priima sprendimą, įgyvendina pokytį ir vėliau patikrina, ar klientų patirtis iš tikrųjų pagerėjo.

Grįžtamasis ryšys → analizė → sprendimas → pokytis → matavimas iš naujo

Pavyzdžiui, jei klientai nuolat mini ilgą laukimą, galima pakeisti procesą ar darbuotojų paskirstymą. Tačiau tik pakartotinai matuojant rezultatą bus aišku, ar problema sumažėjo, ar ji tiesiog persikėlė į kitą kliento kelionės vietą. Tokiu būdu grįžtamasis ryšys tampa ne ataskaita apie praeitį, o priemone nuolatiniam tobulinimui.

Kai grįžtamasis ryšys renkamas keliose vietose, skirtingu metu ir iš skirtingų klientų grupių, vien atsakymų lentelės greitai tampa per mažai. Reikia matyti ne tik bendrą rezultatą, bet ir jo kontekstą.

„Apklausa360“ leidžia vienoje vietoje analizuoti kiekybinius apklausų rezultatus, lyginti atsakymus pagal lokacijas, klientų grupes ar kitus organizacijai svarbius kriterijus ir kartu analizuoti atvirus komentarus. Didesniems tekstinių atsakymų kiekiams galima pasitelkti DI analizę, kuri padeda išskirti pasikartojančias temas ir sentimentą.

Tai nereiškia, kad DI nusprendžia, ką organizacijai reikia keisti. Jo paskirtis – padėti greičiau susisteminti didelį informacijos kiekį, kad žmonės, kurie priima sprendimus, galėtų matyti aiškesnį vaizdą.

Tikslas nėra turėti daugiau duomenų. Tikslas – greičiau suprasti, ką tie duomenys reiškia.

Klientų grįžtamasis ryšys gali būti labai vertingas informacijos šaltinis, tačiau vien jo surinkimas dar negarantuoja, kad organizacija iš jo ką nors išmoks. Reikia gebėti atskirti signalą nuo triukšmo, lyginti skirtingas klientų patirtis, suprasti priežastis už skaičių ir perduoti svarbiausias įžvalgas tiems, kurie gali imtis veiksmų.

Todėl gera grįžtamojo ryšio sistema turėtų atsakyti ne tik į klausimą „ką klientai mums pasakė?“, bet ir į kitus: kas kartojasi, kur problema didžiausia, kam ji aktualiausia, ką verta keisti pirmiausia ir ar atliktas pokytis suveikė?

Surinktas grįžtamasis ryšys yra pradžia. Jo vertė atsiranda tada, kai atsakymai tampa suprantamais ir panaudojamais sprendimais.