Чего бы вы могли достичь, если бы могли улучшить качество своих решений?

Вы могли бы избежать этой стрижки.

Вы можете избежать этого ярлыка.

И вы могли бы улучшить свою службу поддержки.

«Исследования убедительно указывают на заметные различия в производительности в тех организациях, которые используют возможности широкого пространства аналитики», - написал Боб Пиччиано, генеральный директор по продажам программного обеспечения в IBM. «Наше собственное исследование, проведенное совместно IBM и MIT, показало, что организации, специализирующиеся на аналитике, значительно превосходят своих конкурентов в сегменте по ключевым бизнес-показателям роста, прибыли и производительности».

Так что же такое наука о данных? Это краткое руководство познакомит вас с целями науки о данных, а также с четырьмя шагами по его использованию для улучшения поддержки клиентов.

Цель науки о данных

«Наука о данных - это искусство превращения данных в действия», - говорится в Полевом руководстве по науке о данных от Booz Allen 2015 . Цель: лучшее принятие решений.

Для этого вам понадобится то, что Буз Аллен называет «продуктом данных». Это рекомендуемое действие. Он основан на данных, но вам не нужно видеть данные, чтобы понять и выполнить рекомендацию.
Волшебство происходит, когда вы превращаете данные в рекомендации, а рекомендации в действия.

Примеры науки о данных

Одним из простейших примеров науки о данных является маркировка с помощью радиочастотной идентификации (RFID). Сегодня компании могут легко и точно определить местонахождение каждого предмета, за который они несут ответственность, от продуктов до скота, участников конференции и багажа. И они могут отслеживать эти предметы на своем пути. Маркировка RFID позволяет легко убедиться, что еда не слишком нагревается при транспортировке, убедиться в прочности моста и убедиться, что железнодорожные пути не расширились сверх того, что безопасно в жару.

Другие примеры от Booz Allen:

• Рекомендации фильмов
• Прогноз погоды
• Прогнозы фондового рынка
• Улучшения производственного процесса
• Диагностика здоровья
• Прогнозы тенденций гриппа
• Таргетированная реклама

Шаги к науке о данных

Шаг первый: решите, какие у вас самые насущные вопросы

Ответы на какие вопросы принесут наибольшую пользу вашей организации?

Одна из причин, по которой вы хотите определить свои вопросы, прежде чем приступить к работе с данными, заключается в том, что большие данные сами по себе огромны. Это как войти в новый супермаркет Super Walmart, не зная, что вам нужно купить. Вы будете бесцельно бродить, заблудиться и почувствовать себя подавленным. И вы можете или не можете уйти с чем-нибудь ценным.

Например, компания Lyft , занимающаяся райдшерингом, решила, что для них может быть очень выгодно знать, каких клиентов они больше всего рискуют потерять, прежде чем они потеряют их.

Шаг 2. Определите насущные вопросы, на которые могут дать ответы данные

Не на все эти актуальные вопросы можно ответить с помощью данных. Так что вам нужно изолировать тех, кто может.

На вопрос, почему клиенты уходят с Lyft, нельзя ответить с такой же легкостью, как на то, какие клиенты собираются уйти, потому что «почему» в данном случае является качественным вопросом, а «какие» - количественным вопросом.

Как WordPress.com Team Lead Саймон Ouderkirk поставил его для справки Scout , «Использование существующих данных поддержки клиентов , чтобы разблокировать настоящее значение в вашем блоке поддержки начинается с задавая правильные вопросы.»

Примеры хороших вопросов для науки о данных от Booz Allen:

• Какие из моих продуктов мне следует более активно рекламировать, чтобы увеличить прибыль?
• Как я могу улучшить свою программу соблюдения нормативных требований при сокращении затрат?
• Какое изменение производственного процесса позволит мне создать лучший продукт?

Для групп поддержки Аудеркирк рекомендует начинать с предположений о своей клиентской базе. «Определите серьезные, непроверенные убеждения, которые лежат в основе вашей группы поддержки».

Вот некоторые предположения о том, что могут захотеть клиенты Automattic (материнской компании WordPress.com):

• Плагины для своих сайтов
• Поддержка на английском языке
• Все ответы должны поступать от одного и того же человека, даже если получение ответа занимает больше времени.

Затем вы превращаете эти предположения в «Это правда?» вопросов. Примеры:

• Правда ли, что нашим клиентам нужны плагины для своих сайтов?
• Правда ли, что наши клиенты в первую очередь говорят по-английски, а все остальные языки - это далеко не так?
• Правда ли, что наши клиенты предпочитают ответы от одного и того же человека, даже если их получение занимает больше времени?

Шаг третий: извлеките и проанализируйте данные

«Никто никогда не извлекал выгоду из хранения данных», - утверждает компания по управлению данными Dotgroup .

Я поговорил с @bht в чате Support Driven Chat о победе Lyft в области науки о данных.

Задав вопрос, почему клиент покидает Lyft, команда решила объединить данные электронной почты службы поддержки с данными о платежах водителям, чтобы попытаться определить закономерность. Было обнаружено, что пятое электронное письмо часто было последним электронным письмом от определенного типа клиентов по определенной теме, прежде чем этот клиент «упадет с вагона, и мы потеряем его как клиента».
Первоначально команда Lyft обрабатывала данные вручную, но затем нашла способ объединить необработанные данные с Desk.com о своих клиентах с внутренними данными об тех же клиентах, чтобы сопоставить их и проверить свою гипотезу.

Другой пример понимания на основе данных - это @davedyson в Support Driven Chat. «Большое среднее время последующего ответа может указывать на то, что агенты принимают больше новых заявок, чем они могут адекватно обработать», - написал он.

Ваш анализ должен привести к открытию. Это открытие должно дать ответ на насущные вопросы бизнеса таким образом, чтобы лица, принимающие решения, могли понять ответ без особой предыстории.
Для Аудеркирка ключ к поиску данных, которые могут ответить на его вопросы, заключается в том, чтобы повторно задавать вопросы в свете поведения клиентов. Спросите себя: «Каким измеримым поведением были бы наши клиенты, если бы это убеждение было правдой?» Итак, если, например, клиентам Automattic нужны плагины для своих сайтов, каким поведением они будут заниматься? Что ж, они могут искать в базе знаний «плагины». Достаточно просто ответить данными.

Бум. « Плагины » и « WordPress.com и WordPress.org » - их второй наиболее посещаемый документ поддержки.

Шаг четвертый: дайте рекомендацию

Спросите себя: «Что сегодня наиболее важно для этого человека, принимающего решения?»

Аудеркирк:

Затем используйте данные, чтобы показать, как проблема, которую вы отстаиваете, может иметь прямое влияние на то, что для них важно. Вы работаете в быстрорастущем стартапе, где «Активные пользователи за месяц» - ваш самый важный показатель? Используйте данные, чтобы показать, как поддержка может помочь продвинуть эту иглу, когда у них появятся необходимые ресурсы. Вы работаете в зрелой компании и боретесь с высокими показателями удержания? Используйте данные, чтобы показать влияние поддержки на удержание клиентов.

Узнав, что пятое электронное письмо стало отправной точкой для клиентов Lyft, «помогло нам доказать менеджерам проектов и инженерам, что это необходимо исправить», - сказал мне @bht. Теперь команда может указать на данные, показывающие, что из-за конкретной проблемы компания теряла клиентов еще до пятого письма, «но это была почти гарантия на пятом».

Еще один пример рекомендации, которую вы могли бы дать на основе науки о данных, - от MarketingProfs . Согласно недавнему опросу Bizrate, проведенному среди 100 000 покупателей, их самая большая жалоба заключалась в том, что при совершении покупок на своих телефонах им приходилось сжимать и масштабировать экран, чтобы нажать кнопку. После всего этого покупатели часто все равно переходили не по той ссылке, что явно раздражало. Исправить несложно: просто разделите ссылки больше и добавьте к кнопкам больше пикселей, чтобы их было легче нажимать.

Bizrate получил эту информацию из опроса, но они также могли почерпнуть ее из своей аналитики. Во-первых, вам нужно отслеживать, какие действия люди обычно предпринимают перед тем, как покинуть ваш сайт. Изучите любые действия, кроме покупки или другой конверсии, чтобы найти трения. Затем попробуйте способы сгладить это.

MarketingProfs: «Брошенные корзины покупок, плохие отзывы, неиспользуемые функции, высокий процент возврата и плохая репутация в социальных сетях - все это примеры того, как потребители выражают свое мнение». Наука о данных помогает вам прислушиваться к голосу клиента.

Вывод

Может быть всего четыре шага, но наука о данных непроста для любого воображения. Не расстраивайтесь. Booz Allen Hamilton: «Мы наблюдали очень мало организаций, реально работающих на самых высоких уровнях зрелости, стадиях прогнозирования и консультирования».

Используете ли вы науку о данных в своем отделе поддержки клиентов? Почему или почему нет? Дай мне знать в комментариях!