Сервис, который приносит прибыль. Практическое руководство по созданию системы NPS

Но построение финансовой модели требует времени. Net Promoter прогнозирует будущее поведение клиента на основе уже существующей к моменту прогноза истории наблюдений. Более того, горизонт планирования поведения клиента в значительной степени зависит от индустрии. Если измерения НПС начинаются сегодня, то разницу в величине среднего счета, сроке жизни клиента и рекомендациях для трех категорий лояльности можно будет увидеть не раньше, чем через полгода или год. Это обусловлено психологией потребителя: независимо от его сегодняшней оценки компании, его решение изменить потребительское поведение должно созреть. Поэтому для построения качественной финансовой модели необходима как минимум полугодовая история наблюдений за поведением клиентов из разных сегментов.

Во-вторых, для построения корректной модели необходима детализированная система учета доходов от разных категорий продуктов и услуг для каждого сегмента и каждой категории. То есть для каждого клиента должен существовать единый идентификатор (нынешняя SIM-карта с историей всех его прежних SIM-карт), позволяющий привязать все его доходы к уровню его удовлетворенности. Модель строится на сопоставлении оценки, полученной от конкретного клиента, с доходами, поступающими от него же, после чего данные усредняются по большой группе клиентов, чтобы выявить статистические закономерности.

В-третьих, построение модели НПС – это кропотливая аналитическая работа с большими массивами данных, требующая привлечения специалистов по финансам и статистике.

Самое главное заключается в том, что финансовая модель НПС позволяет увидеть конкретные цифры, то есть возможную отдачу от каждой инициативы внутри компании, а это и есть то секретное оружие, способное нейтрализовать НПС-скептиков. Проблема лишь в том, что с момента внедрения системы до возможности увидеть реальную модель проходят месяцы, а чаще – годы.

Именно поэтому для успешного старта программы, завязанной на показателях НПС, необходим сильный лидер, который возьмет на себя риск действовать, не опираясь на традиционные расчеты хотя бы на первом этапе, пока не построена финансовая модель НПС.

Для «Билайн» такой подход к деятельности компании был близок к революционному. Мы приступили к оцифровке лояльности примерно через семь месяцев после запуска программы.

Согласно классической теории Net Promoter, клиентская ценность промоутеров, то есть доходы за весь жизненный цикл клиента с компанией, должна быть выше, чем ценность нейтралов и детракторов. Таким образом, финансовый эффект от применения системы основан на разнице клиентской ценности разных категорий лояльности и переводе клиентов в более ценные категории.

Для расчета финансового эффекта лояльности необходим следующий порядок действий:

• подготовить информацию – выбрать массив данных клиентских оценок по НПС для оцифровки;

• подготовить инструмент – вывести формулу ценности клиента за весь его жизненный цикл с вашей компанией;

• собрать «пакет клиента» – рассчитать ценность для каждого клиента на основе информации о доходах и формулы клиентской ценности;

• вывести статистику – усреднить клиентскую ценность в каждом сегменте;

• сделать выводы – проанализировать разницу клиентской ценности для каждой категории лояльности и осмыслить полученные результаты;

• убедиться в устойчивости полученных выводов – сделать анализ на репрезентативном временном горизонте (минимум несколько месяцев).

Как и во многих других случаях, качество результата зависит от правильного выбора данных. Выбор массива данных замеров НПС критическим образом влияет на построение модели. Ошибки в выборе массива данных могут привести к необъяснимым результатам, противоречащим здравому смыслу и интуиции.

При построении финансовой модели Net Promoter в «Билайн» мы уделили серьезное внимание подготовке информации. Для выбора «правильного» массива данных мы руководствовались следующими доводами:

• Выборка данных на основе результатов «холодных» замеров NPS должна представлять полный спектр клиентской базы, то есть и активных, и пассивных клиентов. Очевидно, что информации по клиентам, звонившим в колл-центр, у нас было больше, но они представляли собой особую группу, не подходящую для оценки доходов и покупательского поведения клиентской базы в целом. Выборка транзакционного опроса по колл-центру была бы сильно смещена в сторону клиентов, которые привыкли добиваться своего или скандалить по любому поводу. Понятно, что такая выборка не могла быть использована для финансового моделирования монетизации лояльности.