← Wszystkie Insights
Analytics 5 min czytania

Analiza czynników: jak wskazać te nieliczne elementy, które naprawdę napędzają CX

Większość zespołów ds. doświadczeń klienta reaguje na to, co najgłośniejsze. Analiza czynników pokazuje, które elementy realnie wpływają na satysfakcję, lojalność i przychody oraz w jakim stopniu.

W skrócie

  • Analiza czynników porządkuje elementy doświadczenia według tego, jak silnie faktycznie wpływają na dany wynik. Miejsce najgłośniejszej skargi i ostatniej średniej z ankiety zajmują twarde dowody.
  • Sygnał rzadko bywa tam, gdzie zespoły go szukają. Zaledwie kilka momentów decyduje o tym, czy klient zostaje, poleca firmę dalej i czy wydaje więcej.
  • W efekcie powstaje dwuwymiarowy obraz istotności i wyników: co naprawić w pierwszej kolejności, czego pilnować i jak uzasadnić każdą złotówkę zainwestowaną w CX.

Zapytaj salę pełną liderów CX, co naprawić w pierwszej kolejności, a większość wskaże najgłośniejszą skargę albo wskaźnik, który spadł w zeszłym kwartale. W obu przypadkach to zgadywanie. Skarga bywa wymowna, ale może nie mieć żadnego znaczenia. Spadek wskaźnika może być zwykłym szumem. A czynnik, który naprawdę przesądza o tym, czy klient przedłuży umowę, pozostaje bez reakcji, bo nikt nie podniósł wokół niego larum.

Analiza czynników powstała po to, by z tym zgadywaniem skończyć. Łączy zestaw danych wejściowych, takich jak łatwość załatwienia sprawy, stosunek wartości do ceny czy skuteczność już przy pierwszym kontakcie, z wynikiem, na którym ci zależy: utrzymaniem klientów, rekomendacjami lub przychodem z konta. Następnie metody statystyczne szacują, jak duży jest wkład każdego z tych elementów, i układają je w ranking dźwigni, które faktycznie napędzają rezultat.

Najgłośniejszy sygnał rzadko jest najsilniejszy

To, że zespoły źle rozdzielają zasoby, ma podłoże strukturalne, a nie wynika z niedbałości. Większość programów doświadczeń klienta opiera się na średnich z ankiet, a taka średnia mówi o poziomie wyniku, a nie o sile jego oddziaływania na biznes. Jeden czynnik może wypadać słabo, a znaczyć niewiele. Inny może wypadać dobrze i po cichu spajać całą relację.

Badania McKinsey nad ścieżkami klienta pokazują to na dużą skalę. Na próbie około 27 000 konsumentów w 14 branżach okazało się, że oceny całych ścieżek mają znacznie większą wartość predykcyjną niż oceny poszczególnych punktów styku, które zespoły mierzą najczęściej.

35% Wyniki dotyczące całych ścieżek są o 35% bardziej predykcyjne dla satysfakcji klienta i o 32% bardziej predykcyjne dla rezygnacji niż wyniki pojedynczych punktów styku. Źródło: McKinsey

To analiza czynników sprowadzona do zasady pomiaru. To, co naprawdę napędza wynik, nie zawsze rzuca się w oczy, a intuicja nie ułoży tego we właściwej kolejności.

Jeden czynnik może wypadać słabo, a znaczyć niewiele. Inny może wypadać dobrze i po cichu spajać całą relację.

Istotność i wyniki trzeba czytać łącznie

Ranking istotności to dopiero połowa odpowiedzi. Potrzebujesz jeszcze bieżących wyników dla każdego czynnika, bo element o dużym wpływie, z którym już sobie radzisz, wymaga mniej uwagi niż element o dużym wpływie, w którym zawodzisz. Cała sztuka polega na tym, by czytać obie osie naraz.

  1. Wysoka istotność, niskie wyniki. Twoja lista priorytetów. To dźwignie, które napędzają wynik, w obszarach, w których dziś jesteś słaby. Tu inwestuj w pierwszej kolejności.
  2. Wysoka istotność, wysokie wyniki. Twoja przewaga. Chroń ją. Najszybciej tracisz grunt pod nogami wtedy, gdy zaniedbasz mocną stronę, która po cichu wykonuje kawał roboty.
  3. Niska istotność, niskie wyniki. Rzuca się w oczy, lecz nie ma znaczenia. To tu zwykle lądują najgłośniejsze skargi. Odnotuj je, ale nie przeinwestuj.
  4. Niska istotność, wysokie wyniki. Dopieszczone ponad miarę. Wysiłek włożony tutaj to wysiłek odebrany liście priorytetów.

Efektem nie jest kolejny pulpit z danymi. To krótki, uporządkowany zestaw decyzji, wokół którego produkt, obsługa i marketing mogą się zgrać bez sporów o to, czyja anegdota jest głośniejsza.

Dlaczego właściwa kolejność się opłaca

Ustalenie właściwej kolejności to nie kosmetyka w raporcie. To, które doświadczenia postanowisz naprawić, ma duże i mierzalne przełożenie na lojalność. Qualtrics XM Institute na podstawie badania 28 400 konsumentów w 20 branżach oszacował, jak bardzo dobre doświadczenie zmienia zachowania napędzające przychody.

Wykres 1

O ile bardziej prawdopodobne jest, że konsumenci podejmą działanie po doświadczeniu na 5 gwiazdek w porównaniu z doświadczeniem na 1–2 gwiazdki

Polecą firmę3.0x
Zaufają2.9x
Kupią więcej2.2x

Źródło: Qualtrics XM Institute

Rozpiętość mówi tu tyle samo co sama skala. Zaufanie i skłonność do polecania reagują żywiej niż portfel, co oznacza, że czynniki napędzające rekomendacje nie pokrywają się z tymi, które napędzają wydatki. Jeden ranking nastawiony na jeden wynik po cichu wprowadzi cię w błąd co do drugiego. Właśnie dlatego analizę czynników prowadzi się osobno dla każdego wyniku, a nie raz dla wszystkich naraz.

4% liderów CX uważa, że ich system pomiaru faktycznie pozwala policzyć ROI z doświadczenia klienta. Większość potrafi podać wynik, ale nie obronić inwestycji. Źródło: McKinsey, via Customer Thermometer

Te 4% to właśnie luka, którą domyka analiza czynników. Kiedy możesz powiedzieć: „skrócenie czasu rozwiązywania spraw ma w naszych danych najsilniejszy związek z przedłużaniem umów i jest warte tyle a tyle”, rozmowa z działem finansów wygląda zupełnie inaczej. Liczba staje się dowodem, a nie opinią.

Od rankingu do działania

Analiza czynników mówi ci, która dźwignia ma znaczenie. Nie powie jednak, dlaczego ta dźwignia działa poniżej oczekiwań ani co z tym zrobić. I tu praca się nie kończy. Połącz ranking z analizą przyczyn źródłowych, aby zrozumieć mechanizm stojący za słabym czynnikiem, zwłaszcza gdy wynikiem, na którym budujesz ranking, są klienci, na których utratę najmniej możesz sobie pozwolić. Powtarzaj analizę regularnie, a domkniesz pętlę: wniosek, działanie i mierzalna zmiana w czynniku, który postanowiłeś ruszyć.

Najszybciej rozwijają się nie te zespoły, które słuchają najpilniej, lecz te, które wiedzą, poparte dowodami, te kilka rzeczy warto naprawić, i potrafią udowodnić, że to faktycznie poprawiło wynik. Przykłady z różnych branż znajdziesz w naszych studiach przypadków.

Źródła

  1. McKinsey & Company, "The three Cs of customer satisfaction: Consistency, consistency, consistency," mckinsey.com.
  2. Qualtrics XM Institute, "Global Study: ROI of Customer Experience," qualtrics.com.
  3. McKinsey customer-experience measurement survey, via Customer Thermometer, "New McKinsey research reveals major failings in traditional customer survey programs," customerthermometer.com.

Chcesz zastosować to do swoich danych?

Umów konsultację