Войти
Менеджмент
18 сентября 2015 2

Каким образом «продвинутая» CRM повышает продажи и как грамотно ею управлять

Какие возможности для увеличения продаж есть у современной CRM (система управление взаимоотношениями с клиентами). Какие типичные ошибки допускают белорусские компании, работая с данными о покупателях. Продолжение материала Алексея Бабайцева, ведущего консультанта по управлению группы компаний «Ключевые решения».

Фото с сайта fishki.net
Фото с сайта fishki.net

– В первой части материала я рассказывал, как из простой базы данных о клиентах, которая была в белорусских компаниях 15 лет назад, CRM переросла в систему, объединяющую службы продаж, сервисное обслуживание, маркетинг, производственные отделы и т.д.

Продолжу приводить примеры, как использовать возможности современной CRM, чтобы они приносили максимальный результат.

Эффективность коммуникаций

Бизнесу, разумеется, необходимо измерять маркетинговый эффект – от работы с сегментами клиентов. Для этого можно задействовать базы данных из CRM, в которых фиксируется активность по сделкам. Однако на практике все получается немного не так. В белорусских компаниях часто возникает проблема анализа информации. Большинство компаний у нас маркетинговые эффекты не измеряет, либо делает это неправильно. Пример. Call-центр обзвонил клиентов, предлагая им банковский продукт или услугу. После этого происходит замер, принесла ли активность результат.  Обычно он происходит по принципу: мы обзвонили тысячу человек, из них наш продукт купило 10 или 100 пользователей. Соответственно, считается конверсия.

Фото с сайта tbn-tv.ru
Фото с сайта tbn-tv.ru

На самом деле, такая оценка не всегда будет верной, потому что клиенты могли и сами купить продукт – без звонка. Мы не знаем, каков чистый эффект коммуникаций. Условно – клиент уже пришел в магазин и уже совершает покупку. И в это время ему звонят и предлагают тот же самый продукт. Чтобы избежать подобных ошибок, в базе клиентов в аналитической СRM можно выделить контрольные группы пользователей, которые идентичны по характеристикам тем, которые приходят в компанию благодаря call-центру. Естественно, с контрольной группой сотрудники call-центра не работают.

Затем можно отслеживать поведение клиентов одной и другой группы за определенный промежуток времени. Замерять: сколько покупок было совершено ими. Чтобы затем «взвесить», сопоставить эти данные – и определить вклад конкретного пользователя, который пришел за покупкой через звонок из call-центра.

Фото с сайта irina-ctc.livejournal.com
Фото с сайта irina-ctc.livejournal.com

Таким образом, задача аналитического CRM – корректно и правильно измерять эффекты. Для этого может потребоваться и учет статистических погрешностей, ошибок и т.д.

Учет клиентского опыта

Про точки контакта с клиентом говорят сегодня много. Но компаний, которые на практике занимаются их описанием – т.е. строят карты опыта клиентов, единицы. Идея этих карт в том, что нужно не просто формально фиксировать все контакты или сделки, а собирать информацию, как и каким образом клиент взаимодействует с компанией в реальной жизни.

Пример. Биллинговая система операторов связи фиксирует факты «успешных» коммуникаций по принципу «вы позвонили – и вас соединили».

А вот что происходит, если вы не смогли дозвониться? Или разговаривали и звонок прервался? Долгое время компании, потенциально понимая, что могут собирать такую информацию, этого не делали. Такие данные не обрабатывались – не было понимания, как их можно использовать. 

Фото с сайта lenovo-smart.ru
Фото с сайта lenovo-smart.ru

Между тем, очень важно владеть информацией о качестве связи на уровне каждого абонента, а не в целом всей сети. Изучение реального опыта клиента (сколько у него было «обрывов», недозвонов, по какой причине и т.д.) позволяет прогнозировать и предотвращать сложные ситуации для конкретных пользователей. Это могут быть важные, значимые клиенты для компании – которые, к примеру, живут в специфическом районе с проблемами со связью.

Кроме того, в любой сфере есть группа клиентов, которая никогда не будет звонить в центр поддержки и жаловаться. Люди просто уйдут к конкуренту.

Сбор информации о проблемах позволяет фиксировать критические области, замечать «невидимую» часть в обслуживании, правильно на это реагировать.

Выбор лучшего предложения

Предположим, у компании есть несколько новых продуктов, которые она хочет продать конкретному клиенту. И ей важно сориентировать сотрудников, какой именно из этих товаров они должны предложить.

Одно из направлений аналитического CRM – оптимизация такого предложения. В нем важно сочетать 2 характеристики:

  • Вероятность, что предложение будет интересно клиенту
  • Доход, который получит компания

Пример. Компания может предложить дорогостоящий бытовой прибор, но вероятность его покупки будет низкая. Также она может продавать менее дорогостоящее оборудование, но при этом ей важно, чтобы вместе с ним была куплена дополнительная гарантия стоимостью $10. И в этом случае, покупка будет совершена с большей вероятностью.

Фото с сайта hi-tech.mail.ru
Фото с сайта hi-tech.mail.ru

Таким образом, в CRM при помощи аналитики определяются уровни вероятности совершения покупки. Идет «игра»: каким образом и кому предлагать тот или иной продукт.

Управление знаниями

Помимо скриптов, правил поведения, которые регулируют взаимоотношения с клиентами, важная часть современных CRM – управление знаниями. Т.е. скорость, с которой сотрудники способны находить подсказки и информацию, реагировать на проблемную ситуацию.

Все это зависит от стандарта, по которому разработаны базы знаний в компании, т.е. от того, каким образом в CRM организован быстрый и удобный доступ к информации в этой базе.

Фото с сайта veseley.livejournal.com
Фото с сайта veseley.livejournal.com

Как компаниям работать с аналитической СRM

По моему опыту могу сказать – это наиболее продвинутые коммерческие банки, телекоммуникационные компании, транспортно-экспедиторские фирмы, бизнесы, которые имеют крупные call-центры и достаточно большие клиентские базы.

С другой стороны, основная часть белорусского бизнеса либо совсем не имеет CRM, либо не прошла этап интеграции клиентских баз, либо имеет определенные инструменты, но, к сожалению, их не развивает. И получается, что даже если на предприятии есть CRM – эта система поддерживает в лучшем случае текущие сделки, документооборот, процессы. Но аналитический модуль там, как правило, не развит. Статистика по сделкам ведется самая минимальная.

Кроме того, у наших предприятий большие проблемы с обновлением информации о сделках. Менеджеры по продажам увольняются, на их место приходят новые – и им достается очень много устаревшей, неактуальной информации.

И здесь очень много зависит от руководителей среднего звена: тех, кто непосредственно управляет продажами. Понятно, что если информация устаревает –  пользоваться CRM эффективно невозможно.  

Сколько времени надо на внедрение аналитической СRM

Фото с сайта altarielx.com
Фото с сайта altarielx.com

Да этого надо «дойти», решив вопросы на уровне стратегии, организационной структуры компании, наладки процессов в области продаж, обслуживания, маркетинга.

Это затратный процесс, поэтому собственнику важно определиться с целями внедрения CRM, иметь представление – как должен быть поставлен процесс работы с системой.  

Можно купить инструмент, но если внутри компании не выстроены процессы – CRM останется неиспользованной. Либо с ней будут работать не так, как нужно.

Внедрение CRM может занимать до полугода. Спешить c этим проектом – неправильно. Важно потратить время, чтобы лучше понять свой бизнес и сформировать адекватное техзадание. И уже потом искать под него инструменты. Время уйдет на:

  • Внесение информации в базы данных
  • Формирование справочников
  • Обучение сотрудников, постоянный инструктаж
  • Тестирование и отладку процесса

Важно привязать работу с CRM к определенным KPI, чтобы сотрудники понимали важность всех действий.

Что проще: внедрить новую CRM или доработать уже существующую

Общего решения нет. Для разных целей могут быть использованы разные продукты. Финансовая отчетность может формироваться отдельно, управление сделками – отдельно.

Фото с сайта fortim.by
Фото с сайта fortim.by

Нужно отталкиваться от специфики конкретного бизнеса. Если компания с небольшой базой клиентов, то, естественно, рассматриваются варианты «прикрутки» – определенный аналитический модуль добавляется к системам, которые есть. По нашему опыту, это редко удается сделать на базе бухгалтерских программ, т.к. CRM тесно связана с системой заказа. В целом, правильнее сформировать хранилище аналитической информации или так называемые витрины клиентских данных.Для этого создаются отдельные базы данных, либо внедряется ИТ-продукт, который помогает хранить всю аналитическую информацию.

Такое хранилище резко повышает возможности компаний:

  • Вы можете подключать к нему – например, документ в Excel и генерировать в нем нужные данные в нужном разрезе.
  • К таким аналитическим хранилищам можно «прикручивать» прогнозировщики: программы, которые позволяют строить аналитические модели и прогнозировать ситуацию в будущем.

Т.е. подобные ИТ-продукты не связаны с определенными программными решениями СRM. Сегодня это наиболее продвинутый и правильный путь. Но, отмечу, что он все-таки доступнее для бизнесов, где клиентские базы крупные, большие, а потребности в анализе – разнообразные.

Комментарии

Войдите, чтобы оставить комментарий

Алексей Бабайцев23.09.2015

Виктор, добрый день! Спасибо за отзыв. На рынке представлено множество инструментов предиктивной аналитики очень разного класса. Наиболее известные решения для аналитического CRM: SAS Enterprise Miner, IBM SPSS Modeler, не так давно на рынке появился SAP Infinity Insight. Это мощные, но достаточно дорогие инструменты для крупного бизнеса. Также существует множество open-source проектов. Наиболее популярный - это, наверное, R. Из open-source мы тестировали еще Orange Data Miner. Все эти инструменты позволяют реализовать широкий класс методов прогнозирования: временные ряды, классические статметоды моделирования(регрессии, дискриминантный анализ), деревья решения, нейронные и байесовские сети и др., но вопрос об интеграции open-source средств с CRM, конечно, придется решать специально. Функционала построения "дэшбордов" там тоже нет. В некоторые BI-решения, предназначенные для построения "дэшбордов", например такие как Tableau, уже встроены средства для прогнозирования на основе моделей временных рядов с выделением сезонной и трендовой составляющих. Tableau легко интегрируется с самыми разными источниками данных и на выходе дают необходимую визуализацию результатов для бизнес-пользователей. В этом случае, можно обойтись только одним таким BI-тулом. Но, как правило, для задач CRM экстраполяции временных рядов недостаточно, нужны именно предиктивные модели, использующие для построения прогноза некоторые независимые факторы, связанные с поведением конкретных клиентов.

Виктор Степанов23.09.2015

Алексей, здравствуйте!
Спасибо за интересную статью.
Не могли бы Вы привести примеры "прогнозировщиков", о которых пишете в заключение материала. В частности, интересуют решения, которые можно интегрировать с CRM (начиная использованием базы данных CRM и заканчивая отображением прогнозной аналитики в "дашбордах" и процессах CRM.

Сейчас на главной

Новости компаний

Платный контент