Голос клиента: что рынок на самом деле делает с обратной связью
Коротко
Крупная федеральная продуктовая сеть с десятками миллионов клиентов и зрелой командой по работе с голосом клиента (VoC) хотела понять, куда двигать обработку обратной связи дальше — и что в этом направлении уже делают другие игроки рынка.
Один из главных выводов оказался неожиданным: у большинства компаний картина работы с обратной связью не такая, как принято думать.
О проекте
Сегодня почти любая крупная компания собирает отзывы, замеряет NPS и слушает клиента в соцсетях. Но между тем, чтобы собрать обратную связь и тем, чтобы действительно что-то с ней сделать, остаётся большая дистанция. Рынок постепенно переходит от разрозненного сбора отзывов к единому профилю клиента, который помогает снижать отток, ускорять поддержку и делать коммуникацию более уместной. Основной вопрос в том, как именно этот профиль строят и подо что затачивают. Здесь у большинства компаний картина оказывается не такой, как принято думать.
Мы провели исследование, чтобы разобраться в этом на уровне реальных практик, а не маркетинговых формулировок. Один из главных выводов оказался неожиданным.
Мы провели исследование, чтобы разобраться в этом на уровне реальных практик, а не маркетинговых формулировок. Один из главных выводов оказался неожиданным.
Задача и контекст
К нам обратилась крупная федеральная продуктовая розничная сеть с десятками миллионов клиентов и зрелой командой по работе с голосом клиента (Voice of the Customer, VoC).
У бизнеса накопился большой объём обратной связи, и стоял вопрос, куда дальше двигать её обработку. Рассматривалось несколько сценариев. Один из них предполагал более глубокую персонализацию коммуникации: систему, которая по тексту обращения определяла бы особенности клиента и подсказывала оператору, в каком тоне отвечать. Компания хотела понять, насколько такой подход оправдан и что в этом направлении уже делают другие игроки рынка.
Задача исследования была сформулирована так: понять, как лидеры рынка превращают «сырой» текст отзывов в динамические портреты клиентов, и оценить целесообразность вложений в подобную персонализацию. Отдельно бизнес интересовало влияние на две области: на бренд (имидж, репутация) и на продажи и удержание.
На практике нам нужно было ответить на несколько вопросов: какими инструментами классифицируют тональность, как выявляют агрессивные и токсичные формулировки, существуют ли механики автоподбора стиля ответа, как выделяют типы клиентов, какие инструкции получают операторы и есть ли измеримый эффект в показателях.
У бизнеса накопился большой объём обратной связи, и стоял вопрос, куда дальше двигать её обработку. Рассматривалось несколько сценариев. Один из них предполагал более глубокую персонализацию коммуникации: систему, которая по тексту обращения определяла бы особенности клиента и подсказывала оператору, в каком тоне отвечать. Компания хотела понять, насколько такой подход оправдан и что в этом направлении уже делают другие игроки рынка.
Задача исследования была сформулирована так: понять, как лидеры рынка превращают «сырой» текст отзывов в динамические портреты клиентов, и оценить целесообразность вложений в подобную персонализацию. Отдельно бизнес интересовало влияние на две области: на бренд (имидж, репутация) и на продажи и удержание.
На практике нам нужно было ответить на несколько вопросов: какими инструментами классифицируют тональность, как выявляют агрессивные и токсичные формулировки, существуют ли механики автоподбора стиля ответа, как выделяют типы клиентов, какие инструкции получают операторы и есть ли измеримый эффект в показателях.
Гипотезы на старте
H1. Рынок движется к автоматической адаптации Tone of Voice под тип клиента. Не подтвердилась, и это стало главным выводом проекта. Компании действительно строят профили клиентов, но почти никто не делает это ради подстройки тона. Профиль нужен для функциональной персонализации: маршрутизации, удержания, рекомендаций, защиты от мошенничества и снижения нагрузки на поддержку. Попытки «звучать как клиент» лидеры рынка чаще считают скорее вредными.
H2. Поведению клиента доверяют больше, чем его словам. Подтвердилась. Клики, история покупок и время на странице точнее отражают реальное намерение, чем то, что человек написал в опросе. В большинстве компаний решение по спорным гипотезам принимается по итогам A/B-теста.
H3. ИИ уже уверенно закрывает сложную семантику вроде сарказма и иронии. Не подтвердилась. С формальными признаками (мат, заглавные буквы, восклицательные знаки) модели справляются, но на иронии и двойном смысле по-прежнему ошибаются. Компании сознательно оставляют такие обращения человеку.
H2. Поведению клиента доверяют больше, чем его словам. Подтвердилась. Клики, история покупок и время на странице точнее отражают реальное намерение, чем то, что человек написал в опросе. В большинстве компаний решение по спорным гипотезам принимается по итогам A/B-теста.
H3. ИИ уже уверенно закрывает сложную семантику вроде сарказма и иронии. Не подтвердилась. С формальными признаками (мат, заглавные буквы, восклицательные знаки) модели справляются, но на иронии и двойном смысле по-прежнему ошибаются. Компании сознательно оставляют такие обращения человеку.
Как мы работали
Проект занял 6 недель и шёл в четыре этапа.
- Погружение. Разобрались в специфике бизнеса клиента, текущих подходах команды VoC, показателях и проблемных зонах. Зафиксировали фокус и ключевые гипотезы.
- Кабинетное исследование. Собрали и разобрали 12 примеров российских и международных компаний из розницы, электронной коммерции, банков, телекома, сферы гостеприимства и видео- и аудиосервисов. На выходе получили карту подходов и список того, что нужно проверить на интервью.
- Экспертные интервью. Провели 12 интервью: 4 с экспертами из российских компаний и 8 из международных. Это ядро проекта и, как оказалось, самая сложная его часть.
- Анализ и презентация. Свели транскрипты в матрицу тем и практик, выделили удачные и неудачные приёмы, собрали рекомендации и финальный отчёт.
Наша экспертиза: поиск очень узких экспертов
Отдельно стоит подсветить то, что стало настоящим вызовом проекта и где мы сработали особенно сильно.
Нам нужны были не рядовые аналитики. Специализация, которую мы искали, лежит на пересечении сразу нескольких направлений: клиентский опыт (CX), аналитика данных, data science и продуктовая работа с обратной связью. То есть человек, который не просто размечает отзывы или ведёт отчётность, а задаёт вектор: как в компании устроен сбор и обработка неструктурированной обратной связи и что с ней делают дальше на уровне бизнес-решений.
Таких людей тяжело найти по нескольким причинам:
И мы таких нашли: сильных практиков из компаний-лидеров, а также независимых консультантов, которые ставили подобные системы у разных заказчиков. Именно эта прослойка дала самое ценное содержание исследования.
Нам нужны были не рядовые аналитики. Специализация, которую мы искали, лежит на пересечении сразу нескольких направлений: клиентский опыт (CX), аналитика данных, data science и продуктовая работа с обратной связью. То есть человек, который не просто размечает отзывы или ведёт отчётность, а задаёт вектор: как в компании устроен сбор и обработка неструктурированной обратной связи и что с ней делают дальше на уровне бизнес-решений.
Таких людей тяжело найти по нескольким причинам:
- Размытая ответственность. В разных компаниях за это отвечают разные роли: где-то Head of CX, где-то VoC Lead, где-то Head of Analytics, а где-то продуктовая команда. Единого названия должности не существует, поэтому обычный поиск по должности не срабатывает.
- Внутренний продукт без внешних признаков. Системы обработки обратной связи и профиля клиента почти всегда самописные и внутренние. По ним не погуглишь, человека не видно снаружи.
- Новизна темы. Мы искали подход, который на рынке распространён пока слабо. Экспертов, реально работавших с этим на стратегическом уровне, в принципе немного.
И мы таких нашли: сильных практиков из компаний-лидеров, а также независимых консультантов, которые ставили подобные системы у разных заказчиков. Именно эта прослойка дала самое ценное содержание исследования.
Как мы искали экспертов
Чтобы не бить наугад, мы построили воронку из четырёх уровней приоритета.
- Компании, сопоставимые с клиентом: розница с десятками миллионов клиентов, регулярным взаимодействием и высокой технологической зрелостью.
- Международные компании с высоким уровнем сервиса и персонализации, например сфера гостеприимства и индустрия развлечений.
- Премиальные компании, где работа с клиентом особенно тонкая.
- Облачные сервисы (SaaS) для многоканального анализа отзывов и их клиенты.
Финал
Мы дали клиенту не просто сводку статистики жалоб, а обоснованный ответ на его вопрос.
В итоговый отчёт вошли:
В итоговый отчёт вошли:
- краткая сводка для руководства с главным выводом и приоритетными направлениями
- карта практик сбора и обработки обратной связи
- разбор того, как компании превращают данные в действия (360°-профиль и правила реагирования)
- блок про тональность и персонализацию: что применяют, а от чего отказались и почему
- пакет рекомендаций под конкретные функции клиента: поддержку, продукт, маркетинг, коммуникации
- приложение с обезличенными примерами российских и мировых компаний и показателями из открытых источников
Хотите такое же исследование под свою задачу, от поиска редких экспертов до готовых рекомендаций? Напишите нам
Частые вопросы
Что такое голос клиента (VoC)?
Практика сбора и обработки обратной связи от клиентов — отзывов, оценок NPS, упоминаний в соцсетях — и превращения её в решения. Собрать обратную связь и действительно что-то с ней сделать — очень разные задачи, и между ними у большинства компаний остаётся большая дистанция.
Куда движется рынок работы с обратной связью?
От разрозненного сбора отзывов к единому профилю клиента, который помогает снижать отток, ускорять поддержку и делать коммуникацию более уместной. Главный вопрос — как именно этот профиль строят и подо что затачивают; здесь у большинства компаний картина оказывается не такой, как принято думать.
Читайте также: