Экономическая эффективность речевой аналитики для офисов и отделений Часть 1 - повышение доходов
Метрики эффективности бизнеса
Цель любой коммерческой организации - извлечение прибыли. Прибыль
обеспечивается путем повышения доходов и грамотного управления
расходами. Для этого бизнес использует множество инструментов, и
речевая аналитика для офисов один из них.
В серии статей об экономической эффективности речевой аналитики мы
поэтапно разберём основные метрики, на которые влияет данный класс
систем, а также сценарии, позволяющие обеспечить планомерный рост
бизнес-показателей. Сфокусируемся на компаниях, которые располагают
разветвленной сетью отделений или офисов, в которых происходит
обслуживание клиентов.
В завершении статьи приведем подробную формулу расчета возврата
инвестиций компании в инструментарий распознавания речи и ее
дальнейшей аналитики.
В рамках данной статьи разберём тему повышения доходов. Ключевые
метрики в этой части - конверсия в продажи (CR), средний чек (AOV),
удержание клиентов (RR) и совокупный доход от клиента (LTV).
Как же
система распознавания речи и ее дальнейшей глубокой аналитики
помогает повысить значения данных метрик?
Расшифровка метрик:
CR - Conversion Rate, конверсия в продажи
AOV - Average Order Value, средний чек
RR - Retention Rate, удержание клиентов
LTV - LifeTime Value, совокупный доход от клиента
Конверсия в сделки (CR)
Начнём с конверсии.
Допустим, речь о банке или страховой компании.
Когда клиент приходит в отделение, он находится в стадии принятия
решения о покупке: нужен ли ему кредит, страховка или вклад.
Общаясь с операционистом, клиент запрашивает информацию,
необходимую ему для выбора.
При этом продажа - это не просто ответы на вопросы клиента, это в
первую очередь продуманный сценарий диалога, который призван
сформировать положительный образ компании в голове клиента,
подчеркнуть уникальные конкурентные преимущества и выгоды
предложения для него.
У каждого сотрудника есть четкий набор инструкций и регламентов,
которым он должен следовать во время разговора : начиная от
приветствия и заканчивая предложением о покупке.
От того, как качественно проведен диалог, зависит итоговый результат.
Система речевой аналитики позволяет автоматически проанализировать
речь как клиента, так и операциониста, раскладывая всю беседу на этапы
и замеряя, насколько она эффективна с точки зрения регламента.
Для этого могут применяться как строгие «формулы», основанные на
словарях и четких поисковых запросах, так и гибкие оценки от модуля
искусственного интеллекта.
Информация со всех рабочих мест всех отделений поступает в единый
аналитический центр - рабочее место аналитика и супервизора, где он,
выбирая интересующие его филиалы и анализируемых операционистов,
получает актуальные качественные и количественные метрики
исполнения этапов разговора.
Благодаря контролю по чек-листам становится возможным выявить
наиболее и наименее эффективных сотрудников, а регулярная обратная
связь на тренингах и личных сессиях развития дает поступательное
повышение качества работы с клиентами.
Применение модуля искусственного интеллекта дополнительно
расширяет возможности аналитики и обратной связи за счет генерации
релевантных рекомендаций сотруднику.
Как результат достигается повышение конверсии на 10% по сравнению с
ситуацией, когда речь сотрудников не анализируется и когда обратная
связь не предоставляется.
Рост конверсии на 10%
Средний чек (AOV)
Помимо собственно продажи, бизнесу также важна сумма сделки.
Для достижения этой цели система речевой аналитики также предлагает
соответствующий инструментарий:
Во-первых, уже описанный выше контроль по чек-листу позволяет
контролировать частотность преодоления операционистами
дополнительных или премиальных услуг и продуктов клиентов: чем
больше таких предложений, тем выше вероятность увеличения среднего
чека.
Во-вторых (и это, пожалуй, одна из самых прорывных функций
современных систем речевой аналитики), здесь стоит отметить онлайн
суфлера операциониста.
Распознавая речь, поступающую с микрофонов в реальном времени,
компания получает возможность выводить на экран операционисту
наиболее релевантные подсказки из базы знаний.
Такая поддержка во время беседы позволяет, с одной стороны,
гарантировать корректность предоставляемой клиенту информации, а с
другой - помочь операционисту подобрать наиболее правильные слова с
учетом контекста беседы.
В результате существенно возрастает вероятность дополнительных
продаж - до 20%, что в масштабе организации обеспечивает рост
среднего чека на 5%.
Рост среднего чека на 5%
Удержание клиентов (RR)
Теперь обратимся к метрике удержания клиентов, которая зависит от
многих факторов и, в частности, от того впечатления, которое компания
произвела на клиента при визите в отделение. Профессионализм общения операциониста, эмпатия и понимание
клиента играют в этом одну из определяющих ролей.
Настроив в системе речевой аналитики тематические дашборды,
руководитель получает возможность в режиме, близком к реальному
времени (а в случае использования онлайн распознавания речи - и на
100% в реальном времени), контролировать все случаи отклонений от
этических и профессиональных норм и давать своевременную обратную
связь сотруднику.
Проактивная работа с проблемными беседами, вплоть до взаимодействия
с клиентом еще до того, как он покинул отделение, существенно снижает
риск негативного впечатления и вносит вклад в удержание клиентов на
уровне 20%.
рост удержания клиентов на 20%
Совокупный доход от клиента
Показатель “общий доход от клиента” суммирует эффект предыдущих
двух (RR и AOV), при этом система речевой аналитики также играет
дополнительную поддерживающую роль, помогая эксперту найти
неочевидные тренды путем анализа голоса клиента в разрезе конкретных
продуктов компании.
Формула расчета экономической эффективности
Теперь, когда мы разобрали связь функций речевой аналитики с
метриками доходности, приведем четкую формулу расчета окупаемости.
В качестве примера возьмём компанию со следующими базовыми
показателями:
Количество сотрудников N - 100
Объем визитов в год V - 500.000
Количество постоянных клиентов C - 20.000
Текущая конверсия CR - 10%
Средний чек AOV - 15.000 рублей
Текущий процент удержания RR - 80%
Совокупный доход LTV - 50.000 рублей
Процент повторных продаж - 20%
Прогнозное увеличение метрики конверсии CR и среднего чека AOV
составляет 10% и 5%, соответственно, а прогнозное улучшение метрики
удержания - 20%
Тогда, умножая количество визитов V на текущую конверсию CR и далее
на средний чек AOV и на прогноз по росту двух этих метрик, мы получим:
Далее, умножая количество клиентов C на совокупный доход LTV и далее
разность 100% и процента удержания (то есть на процент оттока) и на на
прогноз улучшения метрики удержания, мы получим:
Таким образом, общая выгода от внедрения речевой аналитики при
указанных параметрах составит 152.500.000 рублей.
А теперь сделаем расчет окупаемости ROI, который вычисляется как
отношение доходов к стоимости решения, которая в нашем случае
начинается от 80.000 рублей за 1 рабочее место.
ROI = 152.500.000/N*80.000 = 1525%
То есть на каждый рубль, вложенный в речевую аналитику, бизнес
получает 15.25 рублей.
Это достаточно хороший показатель, позволяющий
существенно повысить доходы при оптимальных вложениях.
