CC BY
36
УДК 004.02:004.5:004.9
Куцулым Д.В. студент магистратуры Жребец Э.В. студент магистратуры Российская академия народного хозяйства и государственной службы
при Президенте Российской Федерации (РАНХиГС)
Россия, Москва
УПРАВЛЕНИЕ КЛИЕНТСКИМ ОПЫТОМ В ЭПОХУ BIG DATA
Аннотация: клиентский опыт (CX) в современном мире является одним из видов конкурентных преимуществ. Последние разработки в области анализа больших данных (BDA) позволили использовать информацию о клиентах для управления качеством обслуживания клиентов (CXM). Данная статья посвящена анализу клиентского опыта и анализу путей получения информации о клиенте. Большое внимание уделяется структуре управления клиентским опытом и его актуальность для бизнеса.
Ключевые слова: клиентский опыт, управление клиентским опытом, аналитика больших данных.
Kutsulym D.
student Edward Zh. student
Russian Presidential Academy of National Economy and Public Administration
(RANEPA) Russia, Moscow
CUSTOMER EXPERIENCE MANAGEMENT IN THE BIG DATA ERA
Abstract: Customer experience (CX) in the modern world is one of the types of competitive advantages. Recent developments in Big Data Analysis (BDA) have made it possible to use customer information for customer experience management (CXM). This article is devoted to the analysis of customer experience and the analysis of ways to obtain information about the customer. Much attention is paid to the structure of customer experience management and its relevance to the business.
Keywords: customer experience, customer experience management, big data analytics.
Клиентский опыт (CX)7, определяемый как реакция клиента на взаимодействие с организацией до, во время или после покупки или потребления по различным каналам, стал устойчивым источником конкурентного преимущества. Организации обычно отслеживают и пытаются управлять CX на протяжении всего пути клиента (Customer Journey), включая множество точек соприкосновения, каждая из которых представляет прямое или косвенное взаимодействие клиента с организацией. Управление опытом работы с клиентами (CXM) определяется как ресурс более высокого порядка, основанный на культурном мышлении, направленном на улучшение качества обслуживания клиентов, стратегические направления проектирования CX и организационных возможностей для постоянного улучшения CX с целью достижения и поддержания долгосрочной лояльности клиентов.
В современной быстроразвивающейся цифровой экономике аналитика больших данных (BDA) обладает огромным потенциалом для расширения возможностей управления клиентским опытом, поскольку может помочь организациям лучше и быстрее понять путь клиентов и принять решения по улучшению клиентского опыта. Использование аналитики больших данных для управления клиентским опытом было инициировано цифровыми компаниями и такими технологическими гигантами, как Facebook, Apple, Amazon, Netflix и Google. Тем не менее, большинство организаций по-прежнему сталкиваются с проблемами сбора (больших) данных с множества точек соприкосновения, каналов, устройств и приложений. Более того, даже если (большие) данные собраны, большинство организаций по-прежнему сталкиваются с трудностями в идентификации соответствующих сведений о клиентах, то есть знаний о клиентах, которые ценны для организации. В статье структурированы различные типы данных CX, предложенные в литературе, по двум измерениям (запрашиваемые и незапрошенные, структурированные и неструктурированные) и показано, как эти различные типы данных, сгенерированные в ходе CJ, могут использоваться в качестве источника для аналитики CX, которая, в свою очередь, может быть интерпретированы в CX Insights. Кроме того, в статье были проанализированы способы организационного улучшения клиентского опыта на основе Big Data.
CX был изучен как с точки зрения организации, так и с точки зрения клиента. Основой изображения и понимания CX является путь клиента, который включает в себя точки соприкосновения (то есть взаимодействия между клиентами и организацией). В каждой дискретной точке контакта клиенты имеют когнитивные, аффективные, поведенческие, сенсорные и
7 A. Kranzbühler, M.H.P. Kleijnen, R.E. Morgan, M. Teerling // The multilevel nature of customer experience research: An integrative review and research agenda International Journal of Management Reviews. 2018. Vol. 20 (2). P. 21-56.
социальные реакции на взаимодействие, что приводит к статическому (или дискретному) СХ.
В последние годы организации переключают свое внимание с управления отдельными точками соприкосновения на пути клиента к управлению О8. В результате появился СХМ для захвата создания и доставки динамического (или накопительного, или общего) СХ до, во время и после покупки или потребления услуг, а также по каналам и точкам связи. Для эффективного управления СХ организациям необходимо одновременно управлять множеством точек касания и, таким образом, выявлять и управлять моментами истины, то есть критическими столкновениями, которые могут существенно повлиять на СХ. СХМ включает понимание того, что клиенты думают об организации и экосистеме, которая ее окружает. Следовательно, СХМ требует от организаций использования данных, поступающих не только от их собственных точек соприкосновения, но также от точек соприкосновения, принадлежащих партнеру, владельцам и внешним точкам, в цифровой, физической и социальной сферах с основными целями непрерывного и активного внедрения СХ для достижения лояльность клиентов и долгосрочный рост.
Понимание клиента достигается путем преобразования данных и информации посредством анализа и интерпретации, а ценность данных заключается в том, что они дают организациям возможность принимать обоснованные управленческие решения. Инсайты, которые определяют действия (например, бросают вызов установленным нормам и подталкивают в новых направлениях), как правило, более ценны, чем те, которые просто отвечают на вопросы, например, отслеживают точки соприкосновения для поиска проблем и их устранения.
Таким образом, BDA9 — это подходы, методы и инструменты, которые могут помочь организациям выработать у клиентов понимание больших данных и информации с целью принятия управленческих решений. Для поддержки принятия управленческих решений BDA может охватывать четыре различных уровня анализа: описательный, причинный, прогнозирующий и предписывающий.
8 C. Homburg, D. Jozic, C. Kuehnl // Customer experience management: Toward implementing an evolving marketing concept Journal of the Academy of Marketing Science. 2017. Vol. 45 (3). P. 377-401.
9 F. Villarroel Ordenes, S. Zhang // From words to pixels: Text and image mining methods for service research Journal of Service Management. 2019. Vol. 30 (5). P. 593-662.
Рис. № 1. Управление клиентским опытом на основе анализа больших данных
На рис. 1 изображена система, которая объединяет CXM и BDA и помогает организациям лучше понять, какие типы данных о клиентском опыте и аналитика могут использоваться для создания действенных идей по улучшению клиентского опыта10. В результате можно собирать, хранить, систематизировать и интегрировать несколько типов данных - от структурированных до неструктурированных и запрашиваемых до незапрашиваемых11. Эти данные могут быть проанализированы и интерпретированы с использованием описательной, причинной, прогнозирующей и предписывающей BDA. Затем организации могут генерировать психографические, поведенческие и рыночные идеи касательно клиентского опыта. Наконец, организации могут использовать информацию о клиентском опыте для действий, связанных с мониторингом маршрута, установлением приоритетов, адаптацией и дизайном.
Взаимодействие между клиентами и организациями в цифровой, физической и социальной сферах генерирует данные о клиентском опыте, начиная от высоко структурированных и заканчивая крайне неструктурированными12. В то время как высокоструктурированные данные
10 J.R. McColl-Kennedy, M. Zaki, K.N. Lemon, F. Urmetzer, A. Neely // Gaining customer experience insights that matter Journal of Service Research. 2019. Vol. 22 (1). P. 8-26.
11 R.N. Bolton // Customer experience challenges: Bringing together digital, physical and social realms Journal of Service Management. 2018. Vol. 29 (5). P. 776-808.
12 M. Zaki Digital transformation: Harnessing digital technologies for the next generation of services Journal of Services Marketing. 2019. Vol. 33 (4). P. 429-435.
CX могут быть представлены в числовой форме (например, данные о продажах, координаты географического местоположения или оценки по опросам удовлетворенности клиентов), высокоструктурированные данные обычно содержатся в трудно рассчитываемых мультимедийных форматах, таких как текст, звук, изображения и видео. Сбор данных CX подразумевает активную попытку от имени организации или ее партнеров собирать отзывы и ждет от клиентов участия в оценивании. Нежелательные данные CX, с другой стороны, в основном являются результатом инициативы клиентов. Например, клиенты могут предоставлять обратную связь через электронную почту (например, в цифровой сфере), комментарии в социальных сетях (например, в цифровой и социальной сферах) или предоставляя обратную связь непосредственно сотрудникам.
Рис. № 2. Типы данных о клиентском опыте и их характеристики
Типы данных о клиентском опыте и их характеристики
Запрошенные - Структурированные Запрошенные - Неструктурированные Неопрошенные - Структурированные Неопрошенные - Неструктурированные
Типичные примеры Удовлетворенность клиентов Ответы клиентов на Рейтинги клиентов на плат формах Онлайн обзоры, посты в социальных сетях
открытые вопросы независимых онлайн-с&оров
Степень применения на практик е High Medium to high Medium to high Low
Формат данных СХ Numerical Mainly text Numerical ТеЯ, audio, image, video
Требуетусилий от клиентов Medium High None tü medium Мале to medium
Фиксированные расходы Low Low High High
НеФиксиоованные расходы High Low High Low
Правовые вопросы Low Low to medium Low to medium Medium со high
В результате технологических улучшений в сфере хранения данных, вычислительной мощности и аналитических методах использование BDA для анализа данных CX становится более достижимым. BDA можно разделить на четыре основных типа: описательный, причинный, прогнозирующий и предписывающий13.
Описательный BDA отвечает на вопрос «Что случилось?» и содержит инструменты и методы, которые помогают описать ситуацию для дальнейшего анализа.
Причинный BDA отвечает на вопрос «Почему все произошло?». Этот тип анализа включает в себя инструменты и методы, которые помогают проверять или отвергать различные гипотезы бизнеса или исследований, определять причинно-следственную связь и помогать в определении переменных, которые можно регулировать для достижения желаемого эффекта (например, положительного изменения).
Прогнозирующий BDA ответит на вопрос «Что может случиться?» и содержит инструменты и методы, которые помогают предсказать будущие тенденции и возможности.
Предписывающий BDA ответит на вопрос «Что должно произойти или каково лучшее действие или результат?». Этот тип включает в себя инструменты и методы, которые помогают дать количественные ответы для решения проблемы (например, как улучшить определенные типы
13 U. Sivarajah, M.M. Kamal, Z. Irani, V. Weerakkody Critical analysis of big data challenges and analytical methods Journal of Business Research. 2017. Vol. 70 (1). P. 263-286.
производительности или где лучше распределить бюджеты для улучшения клиентского опыта).
Клиентский опыт классифицируется как психографический, поведенческий и рыночный: первые два относятся к знаниям о лежащих в основе факторах, которые влияют на восприятие индивидами своего CX, в то время как последнее относится к знанию о том, как организации работают с точки зрения клиентского опыта в отношении рынка. В свою очередь, психографическое понимание включает в себя психические состояния, которые клиенты демонстрируют временно, а также более стабильные и устойчивые характеристики клиентов, на которых они влияют и на которые влияет их опыт. Поведенческие взгляды касаются того, как клиенты действуют и принимают решения. Наконец, понимание рынка помогает организациям оценивать и контролировать свои показатели касательно клиентского опыта по отношению к конкурентам и помогает организациям оценивать влияние на общий капитал бренда.
Данная структура в основном разработана для организаций, которые работают в средах с большим объемом данных и являются относительно новыми для BDA и CXM. Таким образом, сделан акцент на действиях CX, связанных с организационными возможностями, и предложена организациям реализовать эти возможности с помощью аналитических данных CX с поддержкой BDA. Как обсуждалось в предыдущих разделах, использование каждого типа данных и аналитики сопряжено с трудностями (например, затратами ресурсов). Организации не должны пытаться собирать все типы данных, осваивать все виды аналитики или извлекать все виды аналитических данных. Для организаций, которые уже используют BDA для CXM, данная структура полезна для предоставления всестороннего обзора других типов данных, аналитики, аналитических данных и действий, которые могут упускать организации.
На стратегическом этапе организации должны начать с определения типа CX actions, которые они хотели бы выполнить.
На этапе оценки, как только желательные CX actions будут определены, будет осуществляться оценка CX insights (психографическое, поведенческое или рыночное), необходимого для поддержки этих действий и CX analytics (описательный, любознательный, прогнозирующий и / или предписывающий BDA), необходимый для формирования CX insights.
На третьем этапе организация фокусируется на данных CX, которые могут генерировать необходимые CX Insights. Организация должна рассмотреть, какие данные (запрошенные-незапрошенные, структурированные-неструктурированные) доступны в точках соприкосновения в цифровой, физической и социальной сферах. Ключевой вопрос на этом этапе касается того, кто владеет данными, сгенерированными в каждой точке контакта: организация и ее партнеры или
третьи стороны (например, платформы, правительства и т. Д.). На этом этапе важно правильно подобрать софт для обработки и хранения данных.
На этом этапе менеджерам необходимо рассмотреть как минимум два набора решений. Со стороны аналитики CX, возможно ли получить желаемое понимание CX на основе существующих внутренних аналитических ресурсов, или необходимо приобретать новое оборудование, программное обеспечение и / или человеческий ресурс? Со стороны данных CX возможно ли получить желаемую информацию о CX, основываясь на лучшем или ином использовании существующих данных CX, или необходимо собирать дополнительные данные CX?
После того как эти решения будут приняты, организация должна перейти к этапу реализации. Организации должны рассмотреть возможность использования современных подходов к пользовательскому интерфейсу (UX), таких как (Agile UX), которые могут определить минимальный жизнеспособный продукт (MVP) для быстрого запуска, тестирования и оценки успеха и неудач.
Последний шаг заключается в том, чтобы убедиться в наличии петель обратной связи, извлечь уроки из реализации разного рода задач.
Данные CX и их понимание имеют решающее значение, и BDA, несомненно, может помочь в сборе и обработке большего количества данных. Основой отправной точки для CXM является то, как определяется клиент и его опыт. В то время как такое целостное, динамичное и конкретное расширенное понимание клиентов и их опыта было бы более сложным для достижения, такие данные предоставили бы расширенный взгляд на природу CX и, таким образом, позволили бы качественно улучшить CXM. Однако не всегда обработка большего количества данных позволяет улучшить CXM.
Использованные источники:
1. A. Kranzbühler, M.H.P. Kleijnen, R.E. Morgan, M. Teerling // The multilevel nature of customer experience research: An integrative review and research agenda International Journal of Management Reviews. 2018. Vol. 20 (2).
2. J.R. McColl-Kennedy, M. Zaki, K.N. Lemon, F. Urmetzer, A. Neely // Gaining customer experience insights that matter Journal of Service Research. 2019. Vol. 22 (1).
3. F. Villarroel Ordenes, S. Zhang // From words to pixels: Text and image mining methods for service research Journal of Service Management. 2019. Vol. 30 (5).
4. C. Homburg, D. Jozic, C. Kuehnl // Customer experience management: Toward implementing an evolving marketing concept Journal of the Academy of Marketing Science. 2017. Vol. 45 (3).
5. R.N. Bolton // Customer experience challenges: Bringing together digital, physical and social realms Journal of Service Management. 2018. Vol. 29 (5).
6. M. Zaki Digital transformation: Harnessing digital technologies for the next generation of services Journal of Services Marketing. 2019. Vol. 33 (4).
7. U. Sivarajah, M.M. Kamal, Z. Irani, V. Weerakkody Critical analysis of big data challenges and analytical methods Journal of Business Research. 2017. Vol. 70 (1).
