Yotitle — платформа аналитики клиентского фидбека

История о том как мы хотим поменять управление фидбеком и клиентским опытом в России и за рубежом.

Привет всем, меня зовут Евгений Прокофьев, я основатель компании UX Feedback. Мы занимаемся сбором, обработкой и анализом обратной связи на сайтах и в мобильных приложениях. Сегодня я хочу представить вам новый продукт. Его основная задача — дать возможность бизнесу посмотреть на себя со стороны, агрегируя весь фидбек в одном месте и обрабатывая при помощи AI. Сайт

Позволю себе немного философии: я давно работаю на рынке РФ и знаю, что в России фидбек от пользователей в первую очередь воспринимается большинством компаний как желание «поскорее закрыть тикет». Однако есть и другие примеры и их с каждым годом все больше. Команды в этих компаниях используют фидбек, как драйвер роста своего бизнеса, и как возможность улучшать продукт (компании с высокой продуктовой культурой).

И вот часто так бывает, что фидбека много (сторы, саппорт, опросы, чаты, звонки, замеры NPS или других метрик и. т.д), а общей картины никто так и не видит. Спроси кого-нибудь: «А как клиенты в целом относятся к бизнесу? Какие видят слабые и сильные стороны», — никто и не даст ответа. Потому что каждый в лучшем случае знает про свою часть. В результате, мне очень хотелось решить две проблемы.

Первая ― дать возможность провести анализ всех источников в одном месте и найти закономерности и корреляции между ними. Все для того, чтобы бизнес в одном окне мог посмотреть фидбек как по каналам, так и провести сквозную аналитику.

Вторая ― при большом потоке обратной связи невозможно хоть как-то разобраться с вопросом: «А что же делать?». Когда читаешь фидбек, и он идет вразнобой, кажется, что все плохо.

Продукт: Yotitle ― платформа аналитики клиентского фидбека. Она позволяет объединять внутри себя фидбек из разных источников и обрабатывать его (распределять по категориям) при помощи дообучаемого AI. Тем самым он закрывает две важные задачи:― Структурирует полученные текстовые комментарии и метрики (обработка фидбека по категориям);

― Дает инструмент для анализа текущего фидбека и метрик лояльности, как в целом по компании, так и в разбивке по каналам и другим параметрам.

Функционал: Не хочется сильно грузить вас информацией о том, как работает каждый раздел и каждая кнопка. Так что я попробую описать саму концепцию. На данный момент она состоит из двух разделов.

Первый раздел ― Обратная связь.

В него попадает обратная связь от клиентов. Тут же она распределяется по категориям и тональностям.

Основная задача этого раздела: дать пространство, в котором будет просто управлять фидбеком. Здесь есть весь список обработанных категорий, который сделала за вас машина, непосредственно сам фидбек и возможность провалиться более подробно в каждый комментарий и узнать детали. По нашей задумке это пространство даст возможность пользователям более детально изучать нужные им срезы обратной связи, находить закономерности на уровне категорий или ключевых слов, чтобы понимать объем проблемы и ее частотность.

Приведу пример, чтобы было понятно. Предположим у вас есть компания интернет-провайдер и недавно вы выпустили несколько новых интернет-тарифов. Вам очень интересно узнать, как люди реагируют на ваш продукт, как они его воспринимают, что думают/чувствуют по отношению к нему. Потому что это возможность сделать продукт лучше, учесть то, что вы не учли при разработке, сколько бы интервью команда не проводила. И вот у вас есть единое хранилище фидбека из разных каналов, откуда вы хотите достать упоминания конкретно нужного вам продукта/тарифа. Именно тогда вам нужен будет этот раздел, чтобы по ключевым словам, которые могли оставлять пользователи, найти упоминания о тарифе и посмотреть:

• С каких каналов приходил фидбек;
• Какие оценки сопровождали фидбек;
  
• К каким категориям относится этот фидбек.

Второй раздел ― Анализ

Здесь нашей задачей было дать возможным любому человеку, который не имеет технических навыков, строить необходимые ему отчеты.

По нашей задумке этот раздел должен стать центром управления клиентским опытом и метриками в компании. При этом, чтобы все это работало без участия технических специалистов. Если продолжать описывать функционал верхнеуровнево, я бы сказал, что основная его задача научить вас идти от общего к частному. Например, есть список метрик которые вы сможете легко посмотреть по умолчанию: это может быть просто количество ежедневных ответов, средняя оценка, NPS (в дальнейшем туда будут добавляться и другие метрики лояльности) . Вот пример, где за метрику я выбрал просто количество ответов.

Это общий график, который нужно уметь распределять. И число параметров для распределения этого графика практически не ограничено (все зависит от данных которые мы туда загружаем). Например, в данном случае у меня были вместе фидбеком еще и загружены метаданные среди которых «Города», откуда был оставлен фидбек. Настраиваем распределение и вуаля!

Также есть возможность смотреть, какие именно комментарии повлияли на нашу итоговую оценку. Опять же мы можем зайти на «Распределение», выбрать категории, которые нас интересуют и увидеть что-то вроде такой истории.

Как вы видите, все предельно просто.

Что дальше?

Мы с командой ставим перед собой две цели. Первая ― сделать модель, которая отвечает за обработку фидбека, максимально гибкой. Это нужно, чтобы была возможность максимально точно определять категории, а также разработать универсальную систему категоризации, чтобы любая компания могла прийти и начать работать очень быстро. Да, в дальнейшем каждая модель может приобретать свои очертания, но как показывает практика, начать можно с общей.

Вторая цель ― сделать анализ доступным для всех. Дать возможность любому сотруднику построить любой отчет/срез и собрать свой дашборд с метриками, которые ему нужны. Это поможет ему принимать бизнес решения или еще проще и быстрее дотягиваться до данных, которые могут в этом помочь.

Как нас можно использовать сейчас?

1. Автоматическая категоризация фидбека из App-сторов;

2. Выгрузка и обработка фидбека из саппорта;

3. Агрегация всего фидбека из разных каналов в одном месте и его обработка;

4. Категоризация одного из каналов;

5. Аналитика метрик лояльности;

6. Построение дашбордов оценки клиентского опыта для различных команд/отделов/офисов/подразделений/филиалов внутри компании.

• Автоматическая выгрузка фидбека из сторов, чтобы появилась возможность обрабатывать такого рода фидбек;
• Более точное определение категорий и тональности;
• Дашборды: проектируем возможность собирать дашборды из графиков которые вы себе построили.

Оставляйте комментарии, пишите ваши идеи и предложения по доработке.

В чем сейчас потребность?

Проект сейчас на такой стадии, что мы сильно нуждаемся в пилотных проектах. Очень важно обкатать текущий функционал и нашу команду о реальные бизнес задачи, собрать обратную связь от проектов и доработать продукт. Мы видим эти пилотные проекты бесплатными для себя, но в основном берем только те, которые нам интересны с точки зрения масштабов или команд, которые с ними работают.

Какие задачи нам было бы интересно решать на данный момент:

1. Обрабатывать фидбек который падает в саппорт;

2. Обрабатывать диалоги чатов;

3. Фидбек из сторов мобильных приложений;

4. Обрабатывать фидбек из кампаний по замеру NPS и других метрик лояльности.

Если у вас есть подобные задачи или вы уверены, что мы можем вам помочь в каком-то особом кейсе, ждем ваши заявки на сайте или пишите мне в телеграмм @eprokofyev.