Прогнозна удовлетвореност: моделиране на нагласите, преди да бъдат измерени

Анкетата за удовлетвореност ви показва как се чувства една свиваща се, самоподбрала се част от вашата аудитория. Тя не ви казва как се чувстват останалите, а разликата между двете се увеличава с всяка изминала година.

Причината не е в лошо съставена анкета. Причината е, че все по-малко хора изобщо отговарят, а тези, които спират да отговарят, се различават систематично от онези, които остават. Когато отговорилите се струпват в една група, средната стойност, която дават, престава да описва цялата съвкупност. Отчитате на пръв поглед стабилен показател и го обявявате за представителен, докато клиентите, които така и не са отговорили, тихомълком си тръгват.

Числото, на което се доверявате, стъпва само върху хората, които отговарят

Спадът в участието вече се измерва в национален мащаб. Бюрото за преброяване на населението на САЩ съобщава, че Current Population Survey, един от най-стриктно провежданите инструменти в света, е отчел спад в дела на отговорилите на основната анкета от 82 процента през март 2019 г. до 67 процента през март 2024 г. През същия период домакинствата с по-високи доходи станаха свръхпредставени сред отговорилите, което завишава измерения доход и подценява бедността.

Щом федералната статистическа система, със законова опора и обучен теренен персонал, губи петнадесет пункта участие и натрупва измеримо изкривяване в доходите, то тримесечната имейл анкета с едноцифрен дял на отговорилите не измерва удовлетвореността. Тя измерва удовлетвореността на хората, които изобщо са склонни да отговарят.

Средната стойност от една анкета е представителна само когато отговорилите приличат на онези, които не отговарят. Точно това допускане тихомълком се разпада.

Прогнозната удовлетвореност изчислява отговора, който всеки би дал

Прогнозната удовлетвореност преодолява разликата чрез моделиране, а не чрез по-настойчиво питане. Тръгвате от валидна извадка от хора, които действително са отговорили, и приемате техните отговори за това, което всъщност представляват: размечени данни за обучение. След това обвързвате тези отговорили с характеристиките, с които вече разполагате за цялата съвкупност: ползване на услугата, история на транзакциите, поведение по каналите, продължителност на отношенията, география, обръщения към поддръжката.

Моделът усвоява връзката между тези наблюдаеми закономерности и удовлетвореността, която отговорилите са посочили. Приложен към всички останали, той изчислява прогнозна оценка за всеки клиент или гражданин, който никога не е отговарял. Резултатът не е една обобщена средна стойност. Това е карта на нагласите за цялата съвкупност, сегмент по сегмент, която показва кой е доволен, кой се отдалечава и къде назрява недоволство под повърхността.

Това е същата дисциплина на моделиране, която стои зад моделирането на отлива, но насочена към нагласите. А ползата от това да действате по моделиран сигнал, вместо по постъпило оплакване, е добре документирана.

Цената на това да изчакате сигналът да дойде от само себе си е висока, защото по-голямата част от недоволството изобщо не се изговаря.

Как да изградите модел за прогнозна удовлетвореност

Методът е достатъчно строг за обществени поръчки и публични политики и достатъчно практичен, за да приложите резултата му в рамките на едно тримесечие.

1. Стъпете на валидна извадка. Продължавайте да провеждате анкетата. Отговорилите са вашата опорна истина, а моделът е толкова надежден, колкото и размеченото, от което се учи.
2. Обвържете с данните, с които вече разполагате. Свържете отговорилите с ползването, транзакциите, активността по каналите и записите от обслужването. За да започнете, не е нужна нова инфраструктура за събиране на данни.
3. Обучете и валидирайте върху отделена извадка. Напаснете модела върху отговорилите, проверете го върху отговорили, които не е виждал, и отчетете точността, преди някой да заложи и на една-единствена прогноза.
4. Оценете цялата съвкупност. Прогнозирайте удовлетвореността за всеки, след което обобщете по сегмент, регион и услуга, за да изведете наяве разликите, които една обобщена средна стойност скрива.
5. Допълвайте, никога не замествайте. Където имате реален отговор, използвайте него. Моделът разширява обхвата на анкетата; той не се представя за анкета.
6. Насочете мярката. Предайте сегментите с висок риск на процес със затворен цикъл и на следващо най-добро действие, така че моделираната оценка да се превърне в конкретна реакция с ясен отговорник.

Печалбата е изпреварващ сигнал, а не по-приветлив отчет

Когато удовлетвореността се моделира за цялата съвкупност, тя престава да бъде поглед назад и се превръща в прогноза, по която можете да действате. Това има по-голямо значение сега, отколкото преди година: Forrester установи, че качеството на клиентското преживяване в САЩ спада за безпрецедентна трета поредна година, като при 39 процента от марките то се влошава. Организациите, които удържат позициите си, не анкетират по-настойчиво. Те виждат клиентите, които анкетата изпуска.

Моделираният поглед пренасочва и разходите. Вместо да наливате средства в проблемите, които случайно са по-шумни, насочвате ги към сегментите, за които данните показват, че тихомълком се отдръпват, и можете да защитите този избор с число, а не с отделен случай.

За да изградим това заедно, разгледайте оценяването на прогнозна удовлетвореност и работата ни със затворен цикъл или вижте как изглежда то на практика в казусите.