Как запустить «Tinder для EdTech» — опыт предпринимателя из офлайна

Почему результаты сотрудников отличаются в пять раз?

Несколько лет мы собирали статистику по успешным сделкам, ежемесячно изучали данные о продлениях занятий и привлеченной выручке по каждому преподавателю. Иногда результативность учителей отличалась в пять раз!

Успех мы измеряли, опираясь на три параметра:

• LTV — прибыль от клиента за весь период оказания услуг;
• NPS — метрика удовлетворенности клиента;
• Коэффициент продления — показатель, который формируется в зависимости от процента людей, готовых внести новую оплату и продолжить обучение.

Читайте по теме: Четыре KPI для развития бизнеса: CPA, LTV, Churn Rate и NPS

Но мы не спешили делать выводы, какие учителя школы лучше, а какие хуже. Ведь у всех были довольные ученики. И у всех — даже наших лидеров — бывали непродления и замены. 

После долгих наблюдений мы с командой поняли ― абсолютно у каждого преподавателя есть потенциальные ученики, которые именно с ним будут учиться лучше. Многое зависит о того, насколько люди «попадают» друг в друга — от некой «химии» и, пожалуй, коммуникации.

Читайте по теме: Как клиентская коммуникация влияет на прибыль? Кейсы и цифры 

Бизнес привык решать эту задачу традиционным способом, чаще всего записывая клиента к свободному специалисту или к тому, у кого он был ранее. Данные об удовлетворенности клиентов часто не собирают:

1. Это трудно и недешево.
2. Не всегда понятно, на что именно смотреть ― отзывы, продляемость/возвращение клиентов, LTV или что-то еще.

Чтобы подобрать «своего» учителя каждому ученику и повысить результативность обучения, мы решили разработать технологию на базе ИИ. Ее суть — в поиске совпадений (мэтчей) между учителем и учеником. Этому процессу уделяют внимание приложения для знакомств вроде Tinder, но в профессиональных целях его почему-то не автоматизируют. 

Наверное, потому что это действительно сложно: 

• нужно собрать информацию о каждом исполнителе и клиенте, 
• создать их профили, 
• понять, какие именно факторы влияют на их совместимость. 

Данных и переменных столько, что вручную с ними не справится ни один менеджер или администратор — только машинные алгоритмы.

Как мы создавали технологию

Мы в первую очередь создавали сервис для внутреннего пользования, но понимали, что в будущем технология может пригодиться другим компаниям.

Самым важным было найти тех, кто реализует идею. Разработчиков для подобной технологии можно поискать в НИИ, лабораториях или Парке высоких технологий. Но это всегда череда согласований и большие бюджеты, которые кормят не только самих исполнителей. 

Читайте по теме: Сила нетворкинга: как находить контакты и делать коллаборации

Мне повезло ― сработал нетворкинг. У меня есть друг — кандидат наук, работающий в США дата-сайентистом. Он порекомендовал еще специалиста. С ними мы и работали над воплощением проекта. 

На разных этапах подключались:

• программист, 
• специалист по CRM, 
• социолог, 
• психолог,
• фокус-группа.

Сначала мы определили факторы, по которым нужно искать совпадения:

1. пол, 
2. возраст, 
3. место проживания, 
4. образование, 
5. уровень владения языком, 
6. цель обучения, 
7. семейное положение, 
8. достаток, 
9. наличие детей, 
10. темперамент, 
11. характер, 
12. отношение к критике и поощрениям, 
13. локус контроля, 
14. интересы и хобби,
15. должность на работе. 

Затем нужно было правильно сформулировать вопросы и из них составить анкеты.

Дальше мы провели анкетирование учителей и учеников. С действующими сотрудниками было проще. Новым предлагали заполнить анкеты при найме. Студентам — при записи на обучение. Ну а тем, кто отказывался, звонили менеджеры и предлагали пройти устные опросы, фиксируя все ответы.

Самым сложным было определить влияние каждого фактора на общение учителя и ученика. Мы прибегли к специальным методикам:

• PCA — уменьшает число переменных, выбрав самые изменчивые. 
• GBRT — выстраивает прогнозы, упрощая задачу и уменьшая количество итераций для получения оптимального решения.

Чтобы система считала корректно, ее обслуживает программист.

Дело в том, что пока у продукта только программируемый интерфейс, интуитивного еще нет. Но мы его разрабатываем и планируем, что технологию сможет без усилий запускать обычный менеджер. Хотя и сейчас «человеческое сопровождение» нужно только после того, как технология найдет совпадение. Опираясь на результат, менеджер может «прикрепить» преподавателя к ученику.

Система совершенствуется уже больше полутора лет. В тестовом режиме она показала отличный результат — рост LTV до 30%. У нас накопилась база, изучая которую, ИИ сам определяет закономерности. Технология может найти их даже по признаку пола. 

Например, у нас есть преподаватель, который на 220% эффективнее работает с мужчинами, чем с женщинами. Есть те, кто, наоборот, на 300% лучше работает с женщинами. 

Сколько стоит создать технологию на базе ИИ

Структура расходов для запуска технологии простая:

1. Оплата труда дата-сайентиста, программиста и других специалистов, которые помогают интерпретировать результаты и определять направления для дальнейшего исследовательского поиска.
2. Больше всего придется потратить на сбор и обработку данных. 

Нужно сразу исходить из того, что на разработку такого продукта понадобится не менее $50 тыс. — хотя мы уже вложили больше. 

Чем отличается запуск инновационного стартапа

В офлайн-бизнесе я уже давно, да и успешные проекты, связанные с IT-сферой, запускал не раз: у меня есть маркетплейс и платформа для получения образования за рубежом. 

Но с таким наукоемким стартапом я имел дело впервые. Работа над ним сильно отличалась от того, что я делал в бизнесе раньше — как минимум потому, что я стал сам вникать во все процессы и технологию. 

Читайте также: Топ-100 инновационных стартапов из Европы

Больше всего на старте мне помогло владение английским языком. У меня была возможность читать научные статьи об искусственном интеллекте в авторитетных зарубежных источниках.

Изначально мы решили вкладывать только собственные средства, потому что делали технологию для внутреннего пользования. Но когда поняли, что ее можно применять и за пределами школы, пожалели, что не начали сразу искать инвесторов. Если бы мы привлекли больше средств на разработку и продвижение, то вывели бы продукт на рынок быстрее. 

Нам стоило сразу оформить патент на технологию:

1. Чтобы исключить кражу наших разработок. 
2. Чтобы монетизировать наш интеллектуальный вклад, если проект захотят купить и доработать под свои потребности более крупные игроки рынка. 

Чтобы доводить до конца такие проекты, предпринимателю нужно быть целеустремленным и неутомимым. Придется подолгу работать без видимых результатов и денежной отдачи, при этом — с вложениями. 

Читайте по теме: Как защитить свою идею перед встречей с инвестором

Мне кажется, большинство классных стартапов проваливаются из-за того, что: 

• их основатели перестают верить в свой успех, 
• не могут оправиться от отказов инвесторов и критики.

Резюме: как начать инновационный стартап

1. Погружаться в науку самостоятельно и через зарубежные источники.
2. Не тянуть с поиском инвесторов и оформлением патента.
3. Искать редких специалистов через нетворкинг.

Фото на обложке: Shutterstock / Trzykropy