Карантин, онлайн-системы и data science. Кто думает об удержании клиентов?

Карантин явился своеобразной лакмусовой бумажкой для систем онлайн-обслуживания. Многие системы, даже Госуслуги, не выдержали нагрузки. Многие системы оказались функционально не готовы к массовому обслуживанию. Сейчас на каждом углу пишут про важность онлайн направлений для магазинов, о том, что надо было задумываться об этом ранее. 2 месяца активных онлайн заказов вполне могли изменить покупательскую модель жителей больших городов.

Сейчас ИТ может прийти к бизнесу и потребовать десятки и сотни миллионов на внедрение или разработку модных онлайн-систем. Однако окажется ли это все оправданным? Без построения полноценного управления оттоком клиентов (то что в телекоме называлось ‘customer churn prediction’) эффективность затраченных средств окажется под большим вопросом и вот почему.

В тематике CRM существует два широко употребляемых маркетинговых тезиса:

• Стоимость привлечения нового клиента в 10 раз выше стоимости продажи существующему клиенту.
• Довольный клиент приводит двух, а недовольный уводит десятерых.

Если это сразу не учитывать в проектах, есть большой риск, что в результате всех этих действий, бизнес будет платить ИТ большие деньги, качество продукта будет посредственным (на разных этапах). Мы же, теперь уже не как ИТ-шники, а как потребители, будем оплачивать это путем повышения стоимости продукции и самим фактом использования соглашаться с постоянно снижающейся планкой в качестве обслуживания. Не хотелось бы.

Привожу конкретный кейс, подтверждающий проблематику. Кейсов в разных магазинах накопилось много. ‘Беру‘ наиболее интересный, поскольку является продуктом двух крупнейших российских ИТ компаний (как они себя позиционируют) — Яндекс + Сбербанк. И от него ожидается соответствующего качества проработки.

Делаем последовательно заказы:

1. Заказ 190**460 — включает батарейки для брелка машины. Без батарейки не заводится. В условиях карантина и ограничением времени выхода на 2 часа машина является единственным средством решения насущных вопросов.

   Что имеем? Установленный срок доставки в 5 дней сорван до 9. Обращение в "поддержку" с указанием причины беспокойства полностью проигнорировано. Информация о планируемом сроке доставки застыла на первичной дате. В логистическую компанию дозвониться технически невозможно. Есть какая-либо реакция от Беру? Вообще никакой.

2. Заказы 198**674 и 198**931. Не начислены Беру Бонусы. Вроде бы ерунда, ну не ракета же упала. Должно решаться на раз-два. Однако, в ходе переписки с "поддержкой" выясняется, что "се ля ви", Бонусы должны быть начислены, но почему-то сбой. Ничего поделать нельзя. Открыть тикет нельзя, история переписки с "поддержкой" недоступна в пользовательском интерфейсе.

   

Это продукт от ИТ лидера рынка? Это ответ от бизнеса? Это такая бизнес модель? Где менеджер продукта? Где NLP? Где AI/ML? Где весь DS? Будь то на R или Python или BigData инструментах?

Стыд и позор и полное непонимание бизнес-модели привлечения, обслуживания и удержания клиентов. Деградация по отношению к "физическому" бизнесу.

Ведь что такое по самой сути Беру Бонусы? Это же электронная программа лояльности. Даже накладных на карточки нет. Начисление электронных баллов с кратким сроком их действия, стимулирующих возвращение клиента. И все! Это даже не биллинг или АБС или бухгалтерия.

Для примера, в оффлайн ритейле системы лояльности куда как сложнее внутри, но гораздо проще для клиента.

Там над программой лояльности работает множество человек, есть менеджеры, которые занимаются претензионной работой с клиентами у которых были сбои в системе лояльности. Есть претензионная работа с поставщиком систем лояльности, в маркетинговые программы вбухиваются немалые средства. Строятся партнерские программы. И вопрос с неначислением баллов решается очень оперативно и без каких-либо перепалок и ненужных "позитивных" объяснений.

У каждого менеджера по лояльности будет множество смешных и грустных кейсов, как что-то не работало, как один человек заблокировал продажи в магазине из-за проблем со списанием баллов, как уволили директора, как проводят ликбез по картам для пенсионеров, как разбираются с партнерскими QR кодами и т.д.

Одновременно с этим "казусом" продолжает сыпаться поток рекомендательных писем.

Ау!!! Data Science нужен не только для того, чтобы "впаривать", но и для того, чтобы отслеживать удовлетворенность клиента и управлять оттоком.

Для привязке к теме — это все вполне неплохо решается средствами R, частично упоминал про отток ранее.

P.S. Кода тут нет потому что это, фактически, формулировка проблемы. А дальше есть два варианта:

1. Фиксировать значимость проблем, давно и хорошо известных реальному бизнесу, и их решать по также известным методикам и алгоритмам.
2. Оставлять все как есть и последовательно и методично скатываться в деградацию сервисов, предоставляемых нам всем. Сами же и будем потреблять сделанное своими же руками.

Второй сценарий как-то не очень радует.

Предыдущая публикация — «Применение R при вычислениях с повышенной точностью».