Виды анализа данных в клиентском опыте

дескриптивная аналитика: «Что случилось?»;

диагностическая аналитика: «Почему это случилось?»;

предиктивная аналитика: «Что может произойти?»;

прескриптивная аналитика: «Что делать?».

Мониторинг CX-показателей в режиме реального времени и возможность следить за ключевыми метриками управления клиентским опытом. Например, дескриптивная аналитика поможет измерить уровень удовлетворенности, лояльности и другие показатели, на которые влияют впечатления клиентов: LTV, средний чек, ARPU и т. п.

Сравнение данных за разные периоды, что позволяет оценить динамику развития клиентского контура или компании в целом. Например, проанализировать средний квартальный рост выручки с группы онлайн-покупателей и отслеживать исторические тенденции с помощью диаграмм для оценки динамики удовлетворенности.

Оценка эффективности различных бизнес-сегментов. Например, с помощью данной методики можно рассчитать доход на одного клиента и соотношение расходов к доходам при реализации разных продуктов, а также сравнить их с отраслевыми нормами или данными других компаний.

Среднее значение рассчитывается через сумму всех значений и деление на их количество;

Медиана — срединное значение в наборе данных путем их упорядочивания данных от меньшего к большему, если в середине оказалось два значения, то между ними находится среднее;

Мода — самое часто встречающиеся значения в выборке;

Дисперсия — показатель отличия в выборке данных друг от друга;

Диапазон определяет разницу между наибольшим и наименьшим значениями в выборке;

Стандартное отклонение оценивает метрику разброса выборки.

Регрессионный анализ находит причины, которые повлияли на конечные результаты. Например, определяет самые эффективные сценарии коммуникации с клиентом, благодаря которым произошел рост лояльности. Коэффициент корреляции помогает определить, насколько тесно связаны между эти (и не только) переменные, и может быть использован для прогнозирования будущих отношений между ними.

Анализ бизнес-процессов находит информацию о ситуациях из журналов событий, гайдов или регламентов. С их помощью можно изменить процессы в бизнесе и найти зоны роста. Включает в себя визуальный анализ графиков, времени на исполнение, аналитику потерь и потенциала. Это позволяет глубже понять процессы и найти источники оптимизации, т. к. создание впечатлений клиентов требует ресурсов, как и все другие задачи.

Семантический анализ текста — это метод трансформации информации при помощи алгоритмов работы с простым языком. Искусственный интеллект помогает с поиском сущностей в контексте и подбором правильной их интерпретации. Позволяет найти объективные факты, определить тональность и так далее. Например, такой анализ применяется для изучения отзывов клиентов и выявления закономерностей поведения на основе речевых оборотов.

Качественные методы основаны на экспертных оценках и мнениях специалистов. Полезны при отсутствии или неполноте статистических данных. Например, при анкетировании и прочих исследованиях рынка с помощью этой методики выявляется потребительский запрос. Другой вариант — дельфийский метод, который предполагает анкетирование специалистов в той сфере, где нужен прогноз.

Количественные методы работают со статистикой и моделями, помогают находить связи, предугадать долгосрочные тренды. Также есть метод прогнозирования временных рядов для анализа разных временных интервалов и моделирования тенденций. Примером такого исследования можно считать эконометрическое моделирование — анализ клиентской информации (сегменты и когорты клиентов, степени лояльности и удовлетворенности и их влияние на ключевые бизнес-показатели).

Количественное прогнозирование позволяет предугадать долгосрочные тренды, а также анализировать разные временные интервалы для моделирования тенденций. Примером такого исследования можно считать эконометрическое моделирование. С его помощью стоит анализировать клиентскую информацию (сегменты и когорты клиентов, степени лояльности и удовлетворенности и их влияние на ключевые бизнес-показатели).

Другой пример — метод индикатора. Позволяет сопоставлять точки данных, чтобы обнаружить связи между, на первый взгляд, несвязанными величинами (например, влияние изменений лояльности бренду на структуру среднего чека).

Имитационное моделирование выстраивает различные сценарии для процессов, где невозможно или очень трудно построить точное уравнение из-за сложности параметров. Например, оценить способность площадки для конференций справиться с непрогнозируемым потоком посетителей.

Машинное обучение используется, когда есть большой объем корректных данных, но сложно определить зависимость между входными и выходными данными. Например, проанализировать цепочку звонков от клиентов на основании годовой выгрузки отчетов, чтобы выявить и преобразовать неэффективные этапы.

Исследование операций позволяет моделировать процесс в виде уравнения с целевой функцией и описанием параметров, что помогает оптимизировать процессы и принимать обоснованные решения. Например, изменить последовательность операций при обработке входящих звонков от премиум-клиентов, чтобы снизить время ожидания.

Внешние факторы: тренды, репутация компании, место в рейтинге конкурентов;

Внутренние факторы: особенности корпоративной культуры, специфика производства, возможности использования инноваций;

Индивидуальные характеристики: свойства продукта, пол, возраст и семейное положение сотрудника.

Сервис позволяет проводить количественные и качественные опросы, как по узким сегментам, так и в целом по всей клиентской базе. Ответы агрегируются и внутри опроса, и в единой настраиваемой базе ответов.

В таблицах FOQUZ можно настроить фильтрацию данных, нормализовать их, сгруппировать ответы (например, по степени заполнения анкет и т. п.).

В интерфейсе рассчитываются значения показателей по разным клиентским и статистическим (при интеграциях) метрикам. Все ответы можно классифицировать по данным клиентов: тегам, точкам контакта, сегментам, когортам и т. д. Это позволяет наглядно представить оценки респондентов и портреты аудитории, которая их оставляет. Можно также рассчитывать значения кастомных метрик.

В FOQUZ автоматически строятся графики по полученным ответам респондентов: облако текстовых ответов, отчеты по обработке заявок, значения показателей в динамике и т. д.