Doświadczenie klienta jako wyróżnik

Operatorzy telekomunikacyjni stosują różne metody, aby wyróżnić się na mocno konkurencyjnym rynku i przyciągnąć klientów. Mogą np. konkurować kształtem oferty – niższą ceną, bogatszym pakietem usług lub produktem/usługą, których nie ma w ofercie  innych operatorów.

Kolejnym sposobem jest uzyskanie przewagi technologicznej i tym samym zapewnienie klientom wyższej jakości usług – LTE vs. 5G, xDSL vs. FTTH, itp. Na dojrzałych, ustabilizowanych rynkach, gdzie każdy  z operatorów oferuje podobny poziom cen, dysponuje ofertą konwergentną lub wykorzystuje zaawansowane technologie, nie jest łatwo zdobyć przewagę konkurencyjną i pozyskać większą grupę klientów niż inni operatorzy.

Zatem co może stać się dziś orężem w rękach marketerów na rynku telekomunikacyjnym? Eksperci z branży wskazują na dwa wyróżniki: wizerunek marki oraz doświadczenie klienta (customer experience). Pozostawmy z boku aspekt budowania silnej marki i zajmijmy się poprawą doświadczenia klienta, gdyż to jest obszar, w którym analityka odgrywa kluczową rolę.

Analityka a kreowanie unikalnego doświadczenia klienta

Jak operator może wykreować unikalne doświadczenie klienta? Pamiętajmy, że nie mówimy tutaj o jednym „uśrednionym” kliencie, a o milionach klientów, z których każdy jest inny i każdy ma swoje indywidualne wymagania i oczekiwania wobec usługodawcy. Orkiestracja tych indywidualnych potrzeb klienta i przygotowanie odpowiedniej spersonalizowanej oferty wymaga automatyzacji procesów, gdyż różnorodność klientów oraz ich wymagań i preferencji  wyklucza „ręczne sterowanie”.

Zacznijmy od podejścia metodologicznego, które dobrze opisuje poniższa grafika.

Po pierwsze musimy mieć możliwość wsłuchania się w głos klienta – innymi słowy umieć zbierać sygnały, dane z interakcji z klientami. Po drugie, musimy je przeanalizować, skupić się na najbardziej istotnych, zrozumieć ich kontekst na podstawie konkretnej sytuacji i zdarzeń historycznych. Kolejnym etapem jest umiejętność wyciągnięcia wniosków i zadecydowania, jaka reakcja będzie optymalna w danej sytuacji. Ostatnim etapem jest operacjonalizacja decyzji i podjęcie odpowiednich działań. Oczywiście dobrze by było, abyśmy umieli odpowiednio wcześniej zaplanować nasze działania, przewidzieli, jakie zasoby będą nam potrzebne, a także umieli zwymiarować nasze aktywności i ocenić, czy postępujemy w optymalny sposób. A na koniec oszacować, jaki jest efekt finansowy (i nie tylko) naszych działań. Aby domknąć cały cykl, ciągłe monitorowanie oraz ocena zrealizowanych działań jest wkładem do usprawnień, których powinniśmy dokonać przed rozpoczęciem kolejnego etapu w tym procesie.

Hiperpersonalizacja interacji z klientem – od czego zacząć?

Jak takie metodologiczne podejście przełożyć na funkcjonalność potrzebnych technologii i dostosować do branży telekomunikacyjnej? W zrozumieniu tego pomoże nam druga grafika, która prezentuje schemat wszystkich elementów niezbędnych do opracowania optymalnych ścieżek klienckich w obszarze operacji marketingowych i tym samym podniesienia pozytywnego doświadczenia klienta.

Zbierając dane z różnych źródeł wsłuchujemy się w głos klienta i zbieramy informacje niezbędne do podejmowania odpowiednich decyzji. Jakiego typu to są dane i jakie są ich źródła? Mocno upraszczając sytuację, mówimy tutaj zarówno o systemach źródłowych – np. system billingowy, CRM, infrastruktura sieciowa, call center, zdalne kanały samoobsługowe (aplikacja i www) czy URL domen, z którymi łączą się klienci, a także o informacjach uprzednio zgromadzonych w hurtowni danych. Dane zbieramy w trybie real-time, gdy jest to potrzebne, albo w trybie batchowym.

Kolejnym etapem jest konieczność przetworzenia i wyodrębnienia tych informacji/zdarzeń, które mają odpowiednio istotny wpływ na decyzje klientów. Ten proces jest konieczny, gdyż liczba zdarzeń klienckich jest ogromna, a przetwarzanie ich wszystkich jest bardzo czasochłonne i absorbuje bardzo dużą ilość zasobów. W tym procesie pomocna może być analiza sekwencji, przy pomocy której będziemy w stanie określić, jakie zdarzenia mają wpływ na interesujące nas wydarzenie końcowe (np. telefon do call center, churn, kupno pakietu GB, doładowanie), a także skalę tego wpływu.

W momencie, gdy mamy już określone zdarzenia lub sekwencje zdarzeń musimy zdefiniować odpowiednią reakcję operatora i stworzyć repozytorium adekwatnych ofert/odpowiedzi. Oczywiście w celu maksymalizacji pozytywnego efektu i dopasowania do indywidualnych potrzeb milionów klientów należy się spodziewać, że to repozytorium będzie dość pokaźnych rozmiarów. Dodatkowo, budując odpowiednią odpowiedź na sygnały płynące od klientów, należy zadbać o fakt ciągłego testowania optymalnej kombinacji oferty i treści samego komunikatu (testy A/B/x), gdyż zarówno otoczenie zewnętrzne klientów, jak i sami klienci podlegają nieustannym zmianom.

Końcowym elementem procesu jest komunikacja reakcji operatora zawierającą spersonalizowaną treść do danego klienta poprzez odpowiedni dla danej sytuacji kanał kontaktu – mówimy tutaj często o wieloetapowej podróży klienta (Customer Journey), która może rozpocząć się w kanale online i zakończyć w tradycyjnym kanale offline. Oczywiście bardzo częstą potrzebą jest komunikacja w trybie real-time, co wymaga, aby orkiestracja wszystkich poprzednich etapów procesu również odbywała się w czasie rzeczywistym.

Całość procesu powinna być wsparta odpowiednią analityką - np. identyfikacją zdarzeń w strumieniu danych nieustrukturyzowanych, modeli predykcyjnych, analizą istotności wykrywanych zdarzeń, a także raportowaniem oraz możliwościami zarządzania i monitorowania całości ścieżek klienckich.

Opisane powyżej podejście w relacji klient-operator często określa się mianem hiperpersonalizacji. Innymi słowy, zamiast stosowania podejścia opartego na dzieleniu bazy klienckiej na kilka/kilkanaście/kilkadziesiąt segmentów, przygotowywaniu osobnych ofert dla tych grup i ich komunikacji nie zawsze dopasowanej do kontekstu sytuacji, traktujemy każdego klienta indywidualnie („segment-of-one”), wybieramy tylko istotne zdarzenia z jego ścieżki klienckiej oraz komunikujemy się z nim kontekstowo w odpowiednim momencie z adekwatną ofertą, maksymalizując wartość dla operatora.

Spróbujmy prześledzić poszczególne etapy procesu na rzeczywistym przykładzie – sprawdzania daty końca kontraktu w aplikacji mobilnej. To jest typowy sygnał podwyższający prawdopodobieństwo odejścia klienta. Informacja o tym fakcie jest przechwytywana w trybie real-time. Z poprzednich analiz operator wie, że to jest poważny sygnał, który w niedługim czasie może skutkować złożeniem rezygnacji lub zgłoszeniem chęci przeniesienia numeru do innego operatora. Do silnika decyzyjnego spływa dodatkowa informacja z hurtowni danych o faktycznej dacie końca kontraktu oraz istotne informacje na temat klienta (np. ARPU klienta, liczba RGU oraz scoring churnowy), które mają  wpływ na podjęcie decyzji co robić dalej. Jeżeli data końca kontraktu jest bliska, ryzyko churnu wysokie, a klient wartościowy, to silnik decyzyjny powinien podjąć decyzję np. o wcześniejszym uprawnieniu tego klienta do oferty utrzymaniowej dla tego kontraktu i zaproponować spersonalizowaną ofertę utrzymaniową (z odpowiednią skalą rabatu jeżeli to konieczne, zaciągniętą z repozytorium ofert – uwzględniając scoring churnowy, wrażliwość cenową, itp.), którą należy zakomunikować klientowi w adekwatnym kanale (np. właśnie aplikacja mobilna albo stosując podejście omnikanałowe – oferta zakomunikowana przez kanał Telesales) w odpowiednim dla niego czasie.

Next Best Action/Offer jako przykład personalizacji komunikacji pomiędzy klientem a operatorem

Z takim podejściem do orkiestracji kontaktów z klientami ściśle wiąże się koncepcja Next Best Action/Offer, która jest stosowana przez operatorów telekomunikacyjnych od wielu lat – mimo tego w swojej pracy spotykam się z sytuacjami, gdzie wymaga ona wyjaśnienia. Koncept NBA/NBO zakłada, że dla każdego klienta operator powinien wygenerować najlepszą w danym momencie ofertę, która powinna mu zagwarantować zmaksymalizowanie długoterminowego zysku. Dodatkowo, NBA/NBO powinien reagować w czasie rzeczywistym, gdy tego wymaga sytuacja, na wydarzenia dotyczące danego klienta i móc dokonywać odpowiedniego dopasowania oferty, jeżeli sytuacja ulegnie zmianie. Mam na myśli przypadek, gdy pojawi się konkretny sygnał płynący ze strony klienta lub jego otoczenia, który spowoduje, że najlepszą dla niego w danym momencie ofertą, którą należy zakomunikować, będzie zupełnie inna propozycja.

Zobrazuję to na konkretnym przykładzie – klienta oferty mobilnej, o którym wiemy, że mieszka w lokalizacji znajdującej się w zasięgu naszego internetu światłowodowego, ale korzysta z usług DSL konkurencji w tej samej lokalizacji. W związku z tym mamy dla niego przygotowaną ofertę konwergentną łączącą w atrakcyjnej cenie usługę mobilną i stacjonarną (internet + TV). Oferta jest widoczna w systemie CRM dla konsultantów call center i w sklepach. W razie kontaktu ze strony klienta, konsultanci są zobowiązani poinformować go o czekającej propozycji (klient póki co jest związany umową z obecnym operatorem). Jednocześnie wiemy, że nasz klient używa dość starego telefonu, w ostatnim tygodniu 2 razy przeglądał nasze strony www z ofertą telefoniczną (znamy konkretny model telefonu, który wzbudził szczególne zainteresowanie) i jest dobrym płatnikiem.

W aplikacji mobilnej zamieszczamy dla niego dedykowaną ofertę, gdzie może znaleźć interesujący go model telefonu w atrakcyjnej cenie rozłożonej na raty. Informacja o tym również pojawia się w systemie CRM, ale jest odpowiednio uszeregowana (dla konsultantów) względem oferty konwergentnej, pod kątem wartości oczekiwanej zbudowanej z potencjalnej inkrementalnej marży, możliwej do wygenerowania oraz prawdopodobieństwa. Tymczasem nasz klient korzysta z pakietu danych komórkowych, który właśnie mu się skończył i w trybie real-time musimy mu zaoferować (SMS lub push z apki) pakiet dodatkowych GB w cenie, która uwzględnia liczbę dni pozostałych do końca cyklu billingowego czy oszacowanie zapotrzebowania na konkretną liczbę GB. Mimo iż wartość oczekiwana dwóch pierwszych propozycji (oferta konwergentna i telefon) jest wyższa niż zakup dodatkowego pakietu danych, to NBO/NBA powinien być w stanie zarządzić tymi trzema ofertami w odpowiedni sposób – zaoferować dosprzedaż pakietu GB a potem wrócić do pozostałych dwóch ofert i  reagować w czasie rzeczywistym na zmianę prawdopodobieństwa zakupu każdej z nich.

Obecne na rynku silniki decyzyjne oferują wiele możliwości definiowania kryteriów, według których dobierana jest optymalna oferta komunikowana klientowi. Kryteria wyboru są określane przez użytkowników biznesowych – mogą być nimi wartość oferty wyrażona w dodatkowej marży w przypadku akceptacji oferty, prawdopodobieństwo akceptacji danej oferty pochodzące z modelu scoringowego, czy fakt wyświetlenia danej oferty klientowi w ciągu ostatniego kwartału. Następnie każdemu z wskaźników użytkownik przypisuje pewną wartość punktową – im wyższa inkrementalna marża, czy wyższe prawdopodobieństwo akceptacji tym większa liczba punktów, z kolei np. liczba wyświetleń danej oferty może zmniejszać wartość punktową. Oferta, która w danej sytuacji zdobywa najwięcej punktów jest wyświetlana klientowi.

Pamiętajmy też, że spersonalizowana komunikacja wysyłana do klienta nie zawsze musi być ściśle związana bezpośrednio czy pośrednio z dosprzedażą usług czy sprzętu. Klienci oczekują od swojego operatora także innego rodzaju wsparcia, które buduje zaufanie i pozytywne relacje jak np. pomocy w posługiwaniu się aplikacją mobilną, porady jak przenieść dane ze starego telefonu na nowy czy uprzedzenia o awarii sieci w danej lokalizacji zanim klient zostanie zaskoczony i odczuje na własnej skórze jej skutki.

„No dobrze, a ile można na tym zarobić…?”

Oczywiście odpowiedź nie jest prosta, ponieważ zależy to od wielu czynników. Począwszy od poziomu dojrzałości firmy w tym zakresie, bo przecież operatorzy komunikują się ze swoimi klientami (chociażby wysyłając faktury pocztą, jak 20-30 lat temu), poprzez specyfikę konkretnego rynku, a skończywszy na stopniu zaawansowania wdrażanych rozwiązań. Do przybliżenia efektu finansowego wdrożenia koncepcji personalizacji komunikacji pomiędzy operatorem a klientem spróbuję posłużyć się kilkoma przykładami efektów pojedynczych działań, z którymi spotkałem się w swojej pracy:

• 5-krotny wzrost skali konwersji w dosprzedaży dodatkowych pakietów internetowych w kanałach zdalnych,
• 10% wzrost całości przychodów segmentu B2C jako efekt wdrożenia rozwiązania klasy NBO/NBA,
• 100% wzrost skuteczności sprzedaży konsultantów call center jako efekt implementacji kontekstowych podpowiedzi bazujących na real-time’owej orkiestracji informacjami.

Czy na podstawie takich informacji da się zbudować business case uzasadniający wydatki na nowy software (licencje i wdrożenie), ludzi (szkolenia istniejących pracowników lub zatrudnienie nowych), a także transformację struktur i procesów wewnątrz firmy? Oczywiście potrzebna jest odpowiednia skala działania firmy, aby poprzez poprawę parametrów i pracę na własnej bazie klientów wygenerować odpowiednio dużą wartość finansową. Rynek telekomunikacyjny jest rynkiem dojrzałym, gdzie przychody rosną maksymalnie o kilka procent rocznie, a dodatkowa wartość wytworzona przez personalizację relacji na linii klient-operator może zauważalnie podnieść te wartości, co przy wolumenie przychodów generowanych przez operatorów telekomunikacyjnych, powinno pokryć koszty związane z zastosowaniem tego podejścia.