EPAM.Голос Клиента
Система поддержки принятия решений автоматизации контент-анализа блогов и форумов для стратегического управления
Привлечение и удержание клиентов, запуск новых продуктов и услуг, разработка рекламных кампаний, планирование инвестиций — чтобы решать эти задачи эффективно, нужно знать, что думает покупатель на самом деле, слышать "голос клиента". Опросы, фокус-группы и отчеты аналитиков дают лишь приблизительную картину, так как "человеческий фактор" существенно искажает реальность. При этом на проведение исследований и подготовку отчетов тратится несколько недель, а иногда и месяцев. За это время информация устаревает, и принимать решения о вложении миллионов долларов на основе таких данных становится довольно сложно.
Между тем, известно, что, принимая решение о покупке товара, выборе банка или страховой компании, более 50% потенциальных клиентов обращаются к независимым источникам — интернет-блогам и форумам, где активно обсуждаются продукты и услуги компаний. Информация в этих источниках представляет огромный интерес, но редко используется из-за сложности обработки:
- Информации слишком много и оперативно обработать ее вручную, без инструментов автоматизации, проблематично
- При анализе данных необходимо отделить настоящий "голос клиента" от мнений "подсадных уток".
Применение автоматизированных инструментов для обработки информации из форумов и блогов осложнено, поскольку она находится в неструктурированном (текстовом) виде, что делает невозможным ее анализ c помощью традиционных инструментов OLAP, Business Intelligence (BI) и Data Mining.
В то же время только внешних источников для полноценного прогнозирования всегда недостаточно, необходимо также использовать внутренние документы. Поэтому бизнесу, который развивается на конкурентном рынке, нужен инструмент, который:
- Интегрирует внутренние и внешние источники информации
- Представляет эти данные в удобном для анализа виде в он-лайн режиме
- Позволяет решать бизнес-задачи конкретной компании
Система поддержки принятия решений EPAM.Голос Клиента на базе Clarabridge CMP позволяет эффективно обрабатывать отзывы клиентов в блогах и форумах и, объединив эту информацию с данными из внутренних источников (CRM, базы данных, результаты опросов и т.д.), оперативно анализировать ее с помощью современных инструментов. OLAP, Business Intelligence (BI) и Data Mining помогают быстро обсчитывать, обрабатывать структурированную информацию, "проигрывать" различные ситуации, рассматривать несколько сценариев развития событий, разрабатывать под них планы. В результате появляется возможность:
- Планировать стратегию развития бизнеса
- Отслеживать возврат инвестиций
- Эффективно управлять каждым отдельным магазином, продуктом или услугой
- Принимать более качественные управленческие решения
Подробнее
История успеха — автоматизация контент-анализа для сети Marriott
Около 70% туристов и командированных выбирают гостиницу, ориентируясь на отзывы тех, кто уже останавливался в том или ином отеле. Неудивительно, что это оказывает прямое влияние на заполняемость отелей. Существует несколько десятков специализированных интернет-порталов, где каждый день миллионы посетителей оставляют свое мнение о гостиницах. Объективно обработать такое количество неструктурированной информации вручную практически невозможно.
Руководство гостиницы Marriott приняло решение использовать для анализа голоса клиента в сети интернет систему поддержки принятия решений на базе Clarabridge CMP. Кроме блогов и форумов была использована внутренняя информация компании: как структурированная (базы данных), так и неструктурированная (анкеты посетителей).
С помощью консультантов был определен круг бизнес-проблем — значимых факторов при выборе отеля: завтраки, работа кондиционера, чистота белья и комнат, работа лифта, вежливость персонала, скорость регистрации и т.д. Затем система обработала всю информацию и рассортировала данные по обозначенным показателям отдельно по каждому отелю Marriott и отелям конкурентов, при этом выделив данные, относящиеся к разным периодам (день, неделя, год). Кроме того Clarabridge CMP "нашла" информацию, которая не подпадала ни под один из классификаторов, что в итоге помогло выявить дополнительные проблемы. Например, на основе анализа информации в сети интернет система выявила, что многие постояльцы жаловались на невежливость лифтера в одной из гостиниц, часть была недовольна недавно введенными штрафами за курение в номерах, другая — качеством яиц, используемых для приготовления омлетов и т.д.
Благодаря системе, менеджеры Marriott получили агрегированные показатели положения каждого отеля компании, позволившего сравнивать гостиницы друг с другом и конкурентами в режиме он-лайн, видеть измеряемые негативные и позитивные тенденции. Более того, всю полученную информацию можно было детализировать до уровня документа-источника, и принимать решение по устранению конкретной бизнес-проблемы.
