Кейс Callibri: как собирать обратную связь от клиентов и что с ней делать дальше

Клиентский сервис то, клиентский сервис сё. Измочаленная, как игла мужского одобрения, тема. Но тренд есть тренд, поэтому я тоже решил измерить, так ли он (ну, сервис) хорош в моей компании.

Я был уверен, что у нас-то он прекрасен. Ох и удивительным (количеством нежданчиков и внезапных поворотов) это плавание оказалось. Потому не смог удержаться и собрал все путёвые заметки в эту статью: как начали собирать данные, как боролись с репрезентативностью, какое количество людей готовы давать обратную связь, как не быть токсичным, оставаясь настойчивым, сколько денег это стоит и что приносит.

Способ один — спросить у клиента, понравилось ли ему. А подхода два:

Первый вариант хорош тем, что в человеческой беседе можно выведать гораздо больше полезного. А плох тем, что, во-первых, сильно зависим от интервьюера (менеджера, который обзванивать будет: вежливому отвечать будут охотнее, чем хаму), а во-вторых, способ этот чертовски дорогой.

Насколько дорогой? Специально заточенный оператор колл-центра вывозит около 150 звонков в день. Многим этого будет за глаза. Но! Нельзя просто взять и нанять одного сотрудника колл-центра. Где он будет сидеть? В какой системе работать? Кому подчиняться? Кем управляться? Что делать, когда заболеет?

Нельзя развивать новую для компании компетенцию одним сотрудником. Это вообще к любой компетенции относится. Есть вариант отдать обзвон на аутсорс в колл-центр. Подобные услуги стоят от 50 тысяч рублей в месяц, плюс затраты на контроль и систематизацию полученной информации. То есть можно в 100 тысяч рублей уложиться. Стоит ли оно того? Я считаю, что да, почему — расскажу ниже.

Но второй подход гораздо проще, дешевле и достовернее, потому что может быть автоматизирован на 100%. А результат тот же. Поэтому я выбрал его, о нём и поговорим.

Определиться, как именно всё будет работать. У меня получился такой чек-лист:

Мы построили всё с нуля по чек-листу выше. Система (мы назвали её «Око») оценивает звонки через SMS, а обратные звонки, чаты на сайте, в соцсетях и мессенджерах — непосредственно в самом чате.

В процессе теста я понял, что к списку выше стоит добавить ещё одну настройку: длительность диалога, чтобы отсечь тех, кто ошибся, баловался и фродил. Иначе эти ребята будут тратить время ответственных и деньги компании.

Вот так система работает на практике:

После каждого обращения «Око» анализирует, пришло ли время опросить клиента. Если да — задаёт ему вопрос.

Клиент ставит оценку от одного до пяти, система благодарит клиента, сохраняет ответ и уведомляет ответственных.

Всё задумывалось ради контроля. Система должна моментально отправлять уведомление о полученной оценке руководителю отдела продаж. Вообще, у нас три независимых менеджерских отдела, и все руководители получают уведомления, но в повествовании я буду упрощать до «отдела продаж».

Этого достаточно, чтобы вовремя отрабатывать негатив, замечать ошибки и успехи менеджеров. Но KPI на этом не построить.

Иногда оценки приходят в нестандартном формате. У нас пятибалльная шкала, но были такие варианты ответов: «Збс, спасибо», «7», «100500!».

В ряде случаев оценки не соответствуют действительности:

Поэтому все оценки до попадания в KPI должны модерироваться. В нашем случае они стекаются в «Единый журнал лидов» — это большая таблица, в которой хранятся все данные об обращениях: записи диалогов, UTM-метки, оценки и так далее. В ЕЖЛ руководитель может редактировать эту переменную.

Мы организовали процесс так:

Кроме того, руководители начали группировать все оценённые диалоги — так они определяют, что именно нравится и не нравится клиентам.

Вы ещё помните, что изначальная цель — понять, так ли хорош клиентский сервис в моей компании? В этом блоке я покажу, какие данные мы собрали и как делали выводы на их основе. Ну и сколько это стоило.

На графике данные за январь 2019 года:

Конверсиями можно управлять. Количество запросов — это следствие уровня токсичности. Соответственно, чем чаще будете запрашивать, тем конверсия в запрос будет выше. А вот конверсия в оценку снизится. Мы запрашиваем оценку не чаще раза в неделю и только для обращений, в которых коммуникация длилась дольше трёх минут.

Конверсия из запроса в ответ определяется двумя вещами:

В январе 16,6% наших запросов увенчались успехом. Так мы узнали, что в одних каналах люди готовы давать обратную связь охотнее, чем в других:

Но реакции есть везде, поэтому нужно использовать все каналы.

Сначала мы собрали табличку, в которой вывели все ключевые показатели:

Стало очевидно, что данные есть, они полезны. Но затем я вспомнил, что в разных каналах коммуникация строится по-разному. Посмотрел выгрузки отдельно по чатам и по звонкам, и — сюрприз! — данные кардинально изменились. Оказалось, что те, кто круто общается по телефону, так себе чатятся, и наоборот. Поэтому мы добавили в интерфейс деление на три блока:

Нашли закономерности и перераспределили типы обращений между менеджерами.

Я подумал ещё и вспомнил, что не все обращения одинаково полезны. Даже условие про длительность разговора не всегда спасает от спамеров. Поэтому добавили фильтры по классам обращений, отфильтровали таблицы по классам «Лид», «Лид-партнёр» и «Допродажа». Итоги опять перестроились.

Я подумал ещё, и в итоге мы сделали систему фильтрации, которая позволяет настроить:

Где-то в этом месте стало очевидно, что таблица — это хорошо, но хочется быстро видеть, кто молодец и почему. Для этого построили несколько пузырьковых диаграмм.

На каждой из них размер пузырька соответствует средней оценке, а расположение вдоль осей одной из четырёх характеристик:

Менеджер, показавший лучший результат в любой из этих дисциплин, получает соответствующую ачивку:

А тот, кто получил наивысшую оценку за месяц (выделен жёлтым кругом на диаграммах), получает главную ачивку «Лучший сервис» 🏆 .

Фишка: У нас каждая ачивка даёт денежный бонус к ЗП. Причём мы рассматриваем ачивки отдельно по чатам и отдельно по звонкам. Более того, с учётом полученной информации мы перераспределили обращения по менеджерам — кто-то лучше работает в чате, а кто-то по телефону.

Чтобы хитрецы и халявщики (отработал один день, закрыл собственные чаты с высшей оценкой и получил все призы) не ломали статистику, мы ввели ограничение, призванное повысить репрезентативность.

В соревновании не участвуют менеджеры, средний балл которых меньше, чем 60% от медианного среднего балла. А также те, кто обработал обращений меньше, чем 60% от медианного среднего количества обращений.

Такие результаты называются выбросами и на графиках по умолчанию не отображаются.

Благодаря изучению отрицательных оценок мы:

Изучив положительные отзывы, внесли несколько изменений в работу менеджеров. В основном они касаются формулировок ответов и техник общения. За результатами сейчас следим, эффективность этих решений покажет время.

Благодаря отчёту:

Мы использовали для оценки свой же сервис — Callibri — и собирали данные о чатах и звонках в нём же. Поэтому заплатили мы только за отправку SMS. В нашем случае 577 отправленных сообщений обошлись в 1500 рублей.

Сколько это стоит сделать силами стороннего сервиса — я не знаю. Нашего (если с точки зрения клиентов) — от 2500 рублей, также траты на SMS в месяц.

Если не включать мозги, оценка качества обслуживания может ухудшить это самое качество. Не учитесь на своих ошибках, учитесь на наших. Вот девять советов, как не ухудшить качество обслуживания, оценивая его:

Мы, тупо следуя моде на «клиентский сервис», начали собирать данные. И так увлеклись, что создали инструмент, который без человеческого вмешательства позволяет:

Поэтому не любая модная тенденция бесполезна :)

P. S. Если аудитории интересен наш опыт сбора оценок самого продукта — дайте знать. Там тоже есть всякие интересные и неочевидные штуки.

Жму руку.