Комплексный анализ и управление клиентским опытом представляют собой ключевые компоненты стратегии по наращиванию лояльности к бренду и непрерывному улучшению качества сервиса, предоставляемого нашей компанией на территории РФ и СНГ. Для оперативного и точного выявления проблемных аспектов клиентского пути с 2016 года мы взяли вектор на цифровую трансформацию всего цикла работы с данными: от централизованного сбора и сведения разнородных и многочисленных источников до внедрения решений по каскадированию доступа к готовым интерактивным отчетам, адаптированных под конкретные цели и направления деятельности.
Параллельно с применением продвинутых инструментов аналитики мы осуществляем:

• обогащение данных через поддержание большого пула базовых справочников, организованных в рамках сквозной системы нормативно-справочной информации;
• совершенствование системы уникальных идентификаторов, в том числе для сведения информации по единому id-клиента и агрегации ретроспективных данных по объектам управления;
• поддержание каталогов данных с описанием методики расчета показателей, аналитик и витрин данных, хранящихся в периметре Компании на базе системы управления данными;
• развитие и интеграцию инструментов оценки качества данных;
• формализацию и согласование четких требований с держателями внешних систем-источников в части полноты, формата, безопасности обмена и периодичности обновления данных.

В ходе реализации применяемого подхода мы прежде всего стремимся:

• увеличить скорость и качество реакции на обращения и потребности клиента;
• автоматизировать и облегчить контроль уровня и единообразия обслуживания;
• отслеживать эффективность и корректность обработки и интерпретации данных посредством вовлечения в эти процессы профильных подразделений компании.

Прежде всего мы обеспечиваем формирование единого информационного поля внутри компании и общего контекста компании с клиентом, для этого на постоянной основе производится:

• построение детальной аналитики обратной связи, получаемой в точках контакта с клиентом;
• сопоставления обратной связи с транзакционным потоком и результатами выполнения функционально-технических требований;
• оценка выполнения стандартов обслуживания на АЗС в разрезе критериев обязательного скрипта кассира.

Для этого на постоянной основе мы оптимизируем и автоматизируем консолидацию таких наиболее репрезентативных и содержательных источников для исследования уровня удовлетворенности качеством услуг, продуктов и цифровых сервисов как:

• обращения клиентов, регистрируемые омниканальным Единым Центром Поддержки Клиентов (голосовой и неголосовой каналы);
• оценки и комментарии по качеству сервиса после посещения АЗС в официальном мобильном приложении Сети АЗС "Газпромнефть";
• анкеты по опросам качества обслуживания, транслируемые на CRM-устройствах и дисплеях покупателей в прикассовой зоне;
• комментарии и публикации в социальном пространстве;
• внешние и внутрикорпоративные опросы для среза уровня доверия к бренду;
• оценки и комментарии по онлайн-сервисам и мобильном приложении Сети в сторах и маркетах;
• оценки и комментарии об АЗС во внешних геосервисах.

Основной предпосылкой создания реализуемой системы аналитики стала необходимость синхронизации процессов:

1. оцифровки и транслирования «голоса клиента» на региональных руководителей, операционных менеджеров, профильные службы и продуктовые команды;
2. определения зон ответственности для каждой категории проблемных аспектов;
3. принятия управленческих решений;
4. регулярного мониторинга реакции клиентов на проводимые корректирующие мероприятия по устранению выявленных «узких мест» и «боли клиента».

Мы идем по пути расширения возможности клиента быть услышанным и повлиять на приоритизацию по наиболее важным на его взгляд составляющим высокого качества обслуживания. Для достижения персонифицированного клиентского опыта главным стейкхолдером изменений в подходах к изучению потребителя и операционных процессах, инициируемых в Компании, является сам Клиент.

Результаты релевантного анализа обращений, непосредственно связанных с функционированием каждого из наших Цифровых продуктов и IT-проектов, составляют немалую долю продуктовой аналитики и оснований для идей, включаемых в бэклог Команд цифрового контура.

Используемые для углубленного разбора обращений специально выделенные формы в интерфейсе операторов позволяют сотрудникам аутсорсингового Call-центра и Единого Центра Поддержки Клиентов оптимизировать время на заполнение первичных данных со слов клиента, а подрядчику - перераспределять ресурсы на каналы, требующие повышения уровня доступности, и избегать штрафных санкций за невыполнение SLA.

Более того, фиксируемая в специализированных полях информация используется для настройки автоматического назначения профильных служб - ответственных за решение проблемы и при маршрутизации тикетов к соответствующим участникам процесса обработки обращений. Так в режиме онлайн производится уведомление о наличии неисправности или ошибке в работе, благодаря чему подразделения по горячим следам могут запланировать меры по оперативной нормализации ситуации.

Масштабирование процесса извлечения потенциально полезной информации из больших объемов не только системных, но и зачастую неструктурированных источников, нашло свое воплощение в подходе, базирующемся на концепции двухуровневого хранения и обработки информации: Озеро данных (DL)+ Хранилище данных (DWH).

Озеро данных, как большая корпоративная база данных, адаптировано для подготовки отчетов и анализа бизнес-процессов с целью поддержки принятия решений. Хранилище данных же преобразует данные, метаданные, нормативно-справочную информацию из разнородных источников и обеспечивает доступ пользователям аналитических систем к единой версии правды. После прохождения слоев Обработки и Консолидации данные затягиваются в витрины, где хранятся и обновляются согласно разработанным требованиям от бизнес-заказчиков, за которыми закрепляется роли владельцев и экспертов конкретной предметной области данных.

Экстракция данных из витрин Озера возможна как через прямое подключение к SQL-серверу, так и с помощью BI-инструментов, в том числе реализованных на платформе QlikView.

Так, например, с помощью подключения к BI-приложению или web-версии интерактивного отчета руководитель может получить актуальную информацию о текущем уровне выполнения KPI, динамике сервисных показателей и тем срезам данных, что отслеживаются в рамках его направления деятельности. Дашборды с развернутой системой фильтров стали незаменимой альтернативой целого набора плоских Excel-отчетов. Это ощутимо снизило трудоёмкость и время на расчет статистических срезов и справок.

Через интеграцию Озера данных с внешними системами мы автоматизируем каскадирование показателей, включенных в мотивацию персонала. Успешный пример настройки подобного обмена данными – реализация для управляющих АЗС и начальников территориальных участков на базе портала G-Manager SLA-трекера и агрегирования обратной связи от клиентов по закрепленным за руководителями объектам управления. Теперь через уже привычный для всех мобильный формат взаимодействия осуществляется оперативная коммуникация управляющих с менеджерами высшего звена. Увеличилась скорость получения и качество отчетности, дающей срез по уровню лояльности потребителей и зонам деятельности, нуждающимся в дополнительном контроле.

Личный кабинет пользователя портала организован в разрезе сервисных блоков и источников, обозначенных ранее во 2 разделе. Отдельная ветка функционала непосредственно связана с отображением пула обращений, поступивших на подведомственные пользователю регион/участок/АЗС. Помимо просмотра сути обращений у управляющих есть возможность отправки комментариев и дополнительных материалов, посредством чего информация сразу подгружается в историю обработки обращения в тикетинговой системе. В результате, минуя этап запроса сведений, региональные маркетологи и выделенные специалисты, являющиеся основными участниками обработки обращений, могут сократить время на подготовку ответа клиентам по оставленным жалобам.

В 2019 году была введена лексико-семантическая аналитика, заключающаяся в поддержании нескольких функций:

• определение степени эмоционального состояния обратившегося по голосовому каналу клиента;
• трекинг факта произношения слов-триггеров, присваивающих тикету; метку высокой важности (потенциально свидетельствует о повышенной угрозе потери лояльности).

Новым направлением в изучении клиентов стала разработка лексико-семантической модели для автоматической категоризации текста обращений и комментариев, поступающих к нам по неголосовому каналу.

Обсуждение и разбор срезов по выполнению ключевых показателей качества обслуживания на регулярных встречах представителей профильных служб и директоров регионов с ТОП-менеджментом стало предпосылкой утверждения внутреннего органа по контролю сервиса – ВОКС. Цель создания данной структуры - усиление и развитие кросс-функционального взаимодействия. Стоит отметить, что участие в заседаниях ВОКС позволяет Блоку по работе с персоналом отслеживать скорость адаптации, полноту информирования сотрудников АЗС о новых активностях и эффективность обучения клиенториентированности и взаимодействию в конфликтных ситуациях.

При разработке и автоматизации отчетности, публично освещаемой на заседаниях ВОКС, акцент сделан, в первую очередь, на прозрачности, информативности и структурированности представления данных. С примером формата и детализации отчетности ВОКС можно ознакомиться в приложении 1.

Также мы произвели четкую классификацию исходных причин неудовлетворенности клиентов, и что особенно важно, если решение проблемы лежит на стыке зон ответственности. Для этого процесс обработки обращений был дополнен этапом выставления метки «первопричины» по итогам детальной экспертизы ситуации. В рамках одного тикета предусмотрено заведение в систему до 3 первопричин. После определения «первопричины» согласно утверждённой матрице автоматически формируется перечень ответственных служб по конкретному обращению.

Для углубления анализа механизм первопричин используется параллельно с набором полей, заполняемых в момент регистрации, где фиксируются закрепленные в алгоритме тема, тематика и расшифровка тематики, присвоенные при формировании обращения.

Аналогичным образом раскладываются оценки качества обслуживания:

• выставленные в мобильном приложении Сети АЗС "Газпромнефть";
• выбранные при прохождении опросов на дисплеях покупателей.

Для каждой оценки ниже максимального балла клиент может выбрать предустановленный вариант причины снижения оценки и ввести свой комментарий, а в мобильном приложении еще дополнительно прикрепить фото.

Подобная категоризация совместно с тестируемой моделью лексико-семантического анализа легли в основу группировки обращений по широкому набору признаков, что помогает назначать ответственных и дополнять карту корректирующих мероприятий.

Высокие требования к корректности транслируемой на бизнес-пользователей информации были применены для создании системы проверок качества данных. С внедрением модели по выявлению факта наличия «плохих» данных стало возможным:

• оперативное осведомление владельцев данных, с какими именно источниками непорядок и как это повлияет на связанные процессы;
• немедленное устранение проблемы в данных, что может повысить качество связанных бизнес-процессов;
• повышение скорости анализа причин сбоев для широкого спектра консолидируемых данных.

Комплексный подход к сбору и анализу данных по обратной связи влияет не только на качество обработки и учета в нашей работе жалоб и пожеланий клиентов, но и оказывает ощутимый эффект на результат деятельности. Совершенствование реализуемой системы аналитики обеспечивает своевременность реагирования профильных служб, что нашло отражение в стойкой положительной динамике сервисных SLA:

• увеличение уровня NPS с 84,1% до 86,7% с начала 2021 года к ноябрю;
• двукратное снижение количества обращений с исходной проблемой в зоне ответственности функциональных подразделений компании;
• рост средней оценки визита на АЗС в мобильном приложении по пятибалльной шкале на 0,13 единиц;
• сокращение на 35% количества жалоб на качество обслуживания в расчете на 10 тысяч транзакций.

Почему мы уверены в эффективности описанного подхода? Благодаря сквозной аналитике клиентского пути по всем точкам продаж мы отслеживаем результат работы и усилий, приложенных каждым конкретным участником операционной деятельности. Клиент же, будучи услышанным, получает отклик на свой запрос.

Инициированные улучшения позволяют сделать наши сервисы более гибкими и адаптировать процесс обслуживания под специфику и ожидания целевой аудитории.

Обеспечение доступа к расширенным интерактивным отчетам для представителей функциональных подразделений и продуктовых команд оптимизирует время и затраты на диагностику источников проблем.

Так высокий уровень автоматизации и сплоченный омниканальный опыт по сбору и анализу обратной связи приближает нас к переходу от прогностической к предиктивной аналитике, при помощи которой идентификация всего спектра негативных факторов и раскрытие новых возможностей развития будут осуществлять еще до инцидента и поступления обращения.