Как вывести работу с данными на новый уровень: кейс по комплексному анализу данных с помощью RnD

Новый подход к работе с данными

В современном мире данные — один из самых ценных ресурсов. Они помогают компаниям не только отслеживать текущее состояние дел, но и принимать обоснованные решения, которые способствуют улучшению бизнес-показателей. В случае кейса Альфа-Банка — это уровень сервиса и лояльности клиентов. Однако, чтобы использовать этот ресурс максимально эффективно, нужен особый подход.

В Альфа-Банке уверены, что для четкого понимания того, что именно влияет на клиентский опыт, необходим комплексный анализ данных. Для этого в банке автоматизировали процесс сбора обратной связи от клиентов с помощью уникальной разработки, а также внедрили собственную методологию с рабочим названием RnD (Research and Development).

Это инструмент обработки накопленных данных о степени удовлетворенности клиентов разными каналами обслуживания, продуктами и сервисами. Он позволяет анализировать данные по выделенной группе клиентов в сравнении с контрольной группой, таким образом получая комплексную объективную оценку по основным показателям.

Как отмечают в Альфа-Банке, такой подход выводит работу с данными на новый уровень, так как объединяет все доступные данные по интересующей группе клиентов и предлагает инструмент принятия решений по улучшению клиентского сервиса, а не просто набор отчетов и графиков, где фиксируется происходящее. И, что немаловажно, — снизить операционные затраты на подготовку и проведение дополнительных исследований.

Разберем, как это работает, подробнее.

Как устроен комплексный анализ данных

В Альфа-Банке сбор обратной связи клиентов автоматизирован с помощью платформы Voice of Customer (VOC). В 2021 году она была отмечена наградой CX World Awards как одна из самых эффективных для управления клиентским опытом.

VOC — собственная разработка банка, которая позволяет собирать обратную связь от клиентов в режиме реального времени. После каждого взаимодействия с банком — будь то общение с сотрудником, использование мобильного приложения или другого канала — клиент получает опрос. В нем он может оценить свой опыт по пятибалльной шкале. Оценки от одного до трех считаются негативными и требуют особого внимания.

Ключевая особенность VOC — омниканальность. Это значит, что опросы приходят клиенту туда, где ему удобно. Если он активно использует мобильное приложение, опрос появится там. Если нет — банк отправит SMS или использует другие каналы, например, VK.

В 2024 году было отправлено более 180 млн опросов и получено более 17 млн оценок. Такой объем данных позволяет Альфа-Банку строить отчеты в различных разрезах: по каналам, продуктам, сервисам, бизнес-линиям, сегментам, городам, способу коммуникации.

Одно из главных преимуществ VOC — возможность оперативно реагировать на проблемы клиентов. Если клиент ставит низкую оценку, с ним сразу связываются сотрудники Управления по исследованиям и улучшениям клиентского опыта (УИУКО). Их задача — не только решить проблему клиента на месте, но и заполнить экспертизу, в которой указываются причины низкой оценки, клиентский путь, решение вопроса и выявленные сервисные отклонения.

Такой подход позволяет не только улучшать сервис в режиме реального времени, но и накапливать данные для дальнейшего анализа. Это особенно важно для выявления системных проблем и их устранения.

Для более глубокого анализа данных в Альфа-Банке используют собственную методологию RnD (Research and Development). Это комплексный анализ клиентского опыта, который предполагает сравнение данных выделенной группы клиентов с контрольной группой. Контрольная группа — фундаментальный инструмент, который позволяет дать объективную оценку любым показателям.

Например, оценка 4,5 сама по себе не говорит ни о чем. Но если в контрольной группе средняя оценка составляет 4,9, то 4,5 — это тревожный сигнал. Если же в контрольной группе оценка 4,2, то 4,5 — это уже хороший результат.

Классический А/В-тест предполагает формирование контрольной группы до исследования и длительное время наблюдений для принятия решений. Так как RnD строится на ретроданных, это позволяет в том числе экономить время и принимать решение здесь и сейчас, не прибегая к классическому А/В-тестированию.

RnD отличается тем, что для каждого клиента интересующей нас фокус-группы (например, клиенты с КПНЗ) на момент начала взаимодействия этого клиента с фокусным продуктом или процессом, подбирает случайного идентичного клиента.

Идентичность — это совпадение финансовых, социально-демографических, географических характеристик, а также оценки VOC в момент начала взаимодействия. Такой подход гарантирует, что до воздействия фокусного продукта/процесса клиенты ничем не отличались по своему клиентскому опыту в банке, а значит, дальнейшие наблюдаемые расхождения вызваны именно фокусным продуктом/процессом.

В процессе работы алгоритма по подбору контрольной группы мы органически получаем полный обзор портфеля клиентов фокус-группы (сколько клиентов из какого региона, сколько из них какого возраста и так далее). Это уже само по себе является полезным инструментом для принятия решений (кстати, возможностей для такого обзора может и не быть в стандартной отчетности).

Фактически RnD собирает всю обратную связь от клиентов фокус-группы в единую структуру и сравнивает ее с контрольной группой. Это сравнение позволяет отбросить 90% информации, которая не является особенностью клиентского опыта фокусного продукта/процесса, и искать рекомендации в ключевых оставшихся 10% информации — что при должной визуализации не составляет большого труда.

Сравнение клиентского опыта в разных разрезах позволяет делать наблюдения как на макроуровне («В июле у клиентов с КПНЗ все пошло не так, а у подобных клиентов, но без КНПЗ, все осталось хорошо»Вымышленный пример), так и на микроуровне («Клиенты пенсионного возраста с КНПЗ в Новосибирске на 3% более чувствительны к качеству обслуживания»Вымышленный пример). А единая структура — легко находить конкретные примеры, где Иван Иванович, пенсионер из Новосибирска с КНПЗ жалуется на качество обслуживания вот этого отделения. Это позволяет глубже чувствовать суть происходящего и давать более достоверные рекомендации.

Для проведения RnD-анализа в Альфа-Банке используют витрину данных MAGIC_BOX. Она содержит основные характеристики всех клиентов на каждый месяц, включая более 15 параметров. Данные обновляются еженедельно, а анализ проводится с использованием 1500 строк SQL-кода и автоматизированных шаблонов с визуализацией.

Что в итоге

С момента внедрения RnD-анализа Альфа-Банк провел более 20 исследований. Некоторые из них были направлены на изучение новых продуктов и процессов, которые ранее не анализировались. Например, банк изучил поведение клиентов из сегмента самозанятых и выявил закономерности, которые раньше оставались незамеченными.

Другие исследования были посвящены углубленному анализу уже известных продуктов. Например, исследование кредита наличными под залог недвижимости (КНПЗ) позволило взглянуть на клиентский опыт под новым углом, обнаружить скрытые триггеры принятия решений и предложить нестандартные решения.

Комплексный анализ данных позволяет увидеть целостную картину. В реальности многие отчеты показывают лишь отдельные фрагменты, а без их объединения в единую систему сложно выявить закономерности и принять обоснованные решения. Именно поэтому подход Альфа-Банка делает аналитику не просто инструментом отчетности, а стратегическим помощником в управлении бизнесом.

Стоит отметить, что подход Альфа-Банка к анализу данных не только улучшает клиентский опыт, но и задает новые стандарты для всей финансовой индустрии. Банк показывает, как данные могут сделать услуги более прозрачными, доступными и ориентированными на реальные запросы клиентов.

«В долгосрочной перспективе это меняет подход к управлению клиентским опыт в финансовой отрасли, делая его более открытым, справедливым и устойчивым: решения принимаются на основе реальных данных, а не предположений, что выгодно и бизнесу, и клиентам. Таким образом, мы не просто улучшаем свой сервис, но и вдохновляем всю отрасль на изменения. Это пример того, как данные могут стать мощным инструментом для трансформации бизнеса и создания клиентоориентированных продуктов», — Анна Кабанец, директор по стратегии клиентского опыта Альфа-Банка.

Фото на обложке: Markus Spiske / Unsplash