Аналітичний CRM: з чого починати?, Інформаційні системи, Бази даних, статті

Впровадження CRM-систем для великих компаній – давно пройдений етап на шляху налагодження ефективних взаємовідносин з клієнтами та підвищення прибутковості. Найбільш успішні гравці ринку вже зрозуміли, що тільки взаємодії з клієнтом не достатньо. Потрібно не тільки підвищувати лояльність, вчасно вітаючи людини з сімейними святами, але й аналізувати інформацію про нього для подальшого ефективного розвитку бізнесу. І тут в гру вступає аналітичний CRM.


CRM-системи (Customer Relationship Management) – були створені для управління взаєминами з клієнтами. Метою застосування цих систем в кінцевому підсумку є підвищення лояльності і, як наслідок, підвищення ефективності і прибутковості компанії. Однак якщо раніше, два-три роки тому, CRM розглядався в основному в якості класичної операційної частини, то тепер це поняття набуло все більш чітко виражене поділ на дві складові: операційну та аналітичну. Багато компаній вже прийшли до розуміння необхідності впровадження аналітичного CRM, але багато ще знаходяться в процесі прийняття цього рішення.


Що таке аналітичний CRM?


Обидві системи – операційний CRM (OCRM) і аналітичний CRM (ACRM) – ставлять перед собою однакові цілі і відрізняються лише способами їх досягнення. Якщо OCRM вирішує завдання підвищення лояльності клієнта в процесі безпосереднього контакту з ним, то ACRM, навпаки, аналізує накопичену про нього інформацію і допомагає розробити стратегію подальшої взаємодії. Образно кажучи, якщо OCRM – це передова лінія фронту, то ACRM – це штаб, і успіх залежить від їх спільних злагоджених дій.

В ACRM ключовою є інформація про клієнта, а не про групу або бізнес-напрямку, до яких він належить
В ACRM ключовою є інформація про клієнта, а не про групу або бізнес-напрямку, до яких він належить


Чудовою ілюстрацією такої зв’язки може служити наступний приклад: припустімо, компанія працює в банківській, страховій чи телекомунікаційній сфері, і, само собою, має велику клієнтську базу і серйозних конкурентів. Такі фірми часто роблять суттєві зусилля, спрямовані на підвищення лояльності та зниження відтоку клієнтів. Одним із способів досягнення цього є надання більш якісного сервісу при безпосередньому зверненні клієнтів в call-центр. В цьому випадку компанія повинна або постійно збільшувати штат і кваліфікацію всіх співробітників call-центру (що пов’язане із значними тимчасовими і фінансовими витратами), або вміти швидко і грамотно визначати приналежність клієнтів до заздалегідь виділеним сегментам для їх переадресації на співробітників call-центру, кваліфікованих саме в цій області. Наприклад, у перший сегмент можуть бути включені нові клієнти, у другій – клієнти-боржники, в третій – високоприбуткові клієнти і т.д. В обох випадках безпосередній контакт з клієнтами буде здійснюватися через OCRM, але при використанні сегментування клієнтської бази витрати на обслуговування будуть менше. Але реально критерії сегментації постійно змінюються і кількість самих сегментів може доходити до декількох десятків. Якщо позавчора достатньо було просто володіти інформацією про умови договору і темі звернення клієнта в call-центр, то вчора вже були важливі його соціально-демографічний статус та історія спілкування з компанією. А сьогодні просто необхідно використовувати засоби Data Mining (добування прихованої інформації) для виявлення типового профілю поведінки: виявити низькодохідних клієнтів, схильних до відходу або, навпаки, потенційно важливих для компанії високодохідних клієнтів, які найближчим часом принесуть істотний прибуток. Для таких клієнтів необхідний зовсім інший підхід в спілкуванні з ними. Хто знає, що буде потрібно знати про клієнта завтра? У цьому ключі сегментація постає перед нами вже в іншому світі – тепер це спосіб утримання клієнтів за рахунок передбачення їхніх потреб. Провести аналіз інформації, скласти прогноз поведінки, виділити актуальні критерії сегментації і побудувати самі сегменти для передачі в OCRM – одна з основних задач ACRM.


Але чим ACRM відрізняється від стандартних систем аналітичної звітності та Data Mining? Відповідь проста: він не відрізняється про них, він включає їх, але використовує відмінні від інших систем принципи подання та аналізу інформації. В ACRM ключовою є інформація про клієнта, в той час як в інших аналітичних системах це може бути зведена інформація по цілим групам клієнтів або бізнес-напрямків.


Бізнес-вимоги


Отже, рішення про впровадження ACRM прийнято. Першим етапом, безумовно, є бізнес-вимоги. Важливо, щоб на момент початку впровадження бізнес-вимоги були сформульовані остаточно і в повному обсязі. Для того щоб технічні можливості системи максимально перетнулися з очікуваннями, які замовник пред’являє до ACRM, важливо, щоб процес створення цих вимог проводився спільною командою замовника (Представника бізнесу) і виконавця (бізнес-консультанта та експерта по системі). Багато менеджерів проектів схильні вважати, що процес їх вироблення – це виключно завдання замовника. Такий підхід може привести відразу до двох негативних моментів. По-перше, до недостатньо повного використання доступних можливостей системи. Перед впровадженням замовник найчастіше не знайомий з системою, тому при створенні ТЗ деякі важливі і оптимальні для вирішення бізнес-завдань можливості можуть бути просто не враховані. По-друге, до нереалізованості очікувань замовника. При створенні бізнес-вимог замовник може керуватися уявленнями, отриманими від демонстрації інших систем. Якщо ці уявлення увійдуть в технічне завдання, але не будуть реалізовані, то вони можуть легко перетворитися на ложку дьогтю.


З чого повинні складатися бізнес-вимоги до ACRM? Перш за все, замовник повинен визначити завдання, які він хоче вирішити за рахунок використання ACRM. В більшості випадків подібні завдання зводяться до поняття “Проактивного цільового маркетингу”. Слово “проактивний” можна інтерпретувати як передбачали, що передбачає ситуацію на хід вперед. А слово “цільової” – як вузьконаправлений, адресований саме тим клієнтам, які зацікавлені в цьому реченні. Число таких завдань в кожній компанії може доходити до декількох десятків. Серед найбільш поширених – виявлення та утримання клієнтів, які найближчим часом можуть почати користуватися послугами конкурента або повністю піти до нього; виявлення потенційних боржників або шахраїв і припинення можливих негативних наслідків; виявлення перспективних потенційно важливих для компанії клієнтів для їх “розкрутки” з метою збільшення прибутковості; підвищення доходів за рахунок додаткових крос-продажів, наприклад, за рахунок пропозиції дійсно необхідного клієнту комплекту додаткових продуктів; побудова соціальних мереж, залучення додаткових клієнтів за рахунок існуючих; зниження витрат на неперспективних низькодохідних клієнтів.


Окресливши коло завдань, можна приступати до їх детального опрацювання. Тепер в гру включається бізнес-консультант, завдання якого спільно із замовником виділити список необхідних ключових показників (KPI’s – Key Performance Indicators) і вимірювань (Dimensions), в розрізі яких ці показники будуть вимірюватися. Кожна бізнес-завдання повинно бути декомпозирована в відповідний набір показників і вимірювань, на базі яких будуть створюватися таблиці фактів (Facts). Це дійсно складний і важливий процес, оскільки від нього фактично залежить успіх всього проекту. Замовник має уявлення про те, що він хоче отримати, але часто він не знає, як це виміряти і представити у вигляді кінцевих показників. Тому важливо, щоб бізнес-консультант уже мав досвід впровадження ACRM в цій області і міг запропонувати попередній варіант реалізації бізнес-вимог, відштовхуючись від якого замовник зможе виділити набір необхідних для нього KPI і вимірювань.


Інтеграція із зовнішніми системами


АCRM може оперувати інформацією, взятої з різних зовнішніх джерел, кількість яких обмежена лише бізнес-вимогами: це можуть бути, наприклад, бухгалтерські, складські, білінгові, CRM і інші системи та бази даних, в яких міститься інформація про клієнтів, історія їхньої поведінки і спілкування з ними. З цих систем в Сховище ACRM повинна надходити інформація, необхідна для розрахунку показників і побудови вимірювань, а з ACRM в OCRM – рекомендації щодо подальшого спілкування у вигляді отриманих сегментів з описами увійшли до них клієнтів. На цьому етапі необхідно узгодити інтерфейси взаємодії ACRM із зовнішніми джерелами: перевірити наявність і доступність необхідної інформації та підготувати специфікації інтерфейсів з усіма інтегровною системами та базами даних.

Багато менеджерів проектів схильні помилково вважати, що процес вироблення бізнес-вимог до ACRM - виключно завдання замовника
Багато менеджерів проектів схильні помилково вважати, що процес вироблення бізнес-вимог до ACRM – виключно завдання замовника


На практиці нерідко виникають ситуації, коли бізнес-вимоги не можуть бути реалізовані через проблеми інтеграції з джерелами вихідної інформації через або відсутності самих даних, або відсутності технічної можливості збору цих даних. Тому важливо проаналізувати рівень інтеграції з зовнішніми системами, бажано з одночасним узгодженням бізнес-вимог. Це дозволить з одного боку зафіксувати в бізнес-вимогах тільки джерела інформації, інтеграція з якими можлива, а з іншого боку – уникнути ймовірних проблем, пов’язаних з реалізацією бізнес-вимог через відсутність вихідних даних.


Модель сховища ACRM


Тепер настав час визначитися з моделлю, яка буде взята за основу сховища ACRM. Модель містить структуру пов’язаних між собою і згрупованих за предметними галузями таблиць фактів і вимірювань. Вона повинна бути добре продуманою, адже від неї фактично залежить те, наскільки система буде масштабованої і гнучкою у використанні. Можна або спробувати розробити власну модель сховища, що пов’язане з додатковими тимчасовими витратами і ризиками, або взяти за основу одну з існуючих “референсних” pre-build моделей, тобто спроектованих для конкретних предметних областей. Сьогодні pre-build моделі сховищ даних є у Oracle, SAP, IBM, Amdocs і ряду інших компаній. Вони добре підходять для швидкого запуску шаблонного проекту, але нерідко вимагають додаткового доопрацювання для вирішення конкретних бізнес-задач. При виборі на користь тієї чи іншої pre-build моделі сховища необхідно проаналізувати її архітектуру і оцінити обсяг необхідних додаткових доробок. До моделі ACRM пред’являються дві базові вимоги – вона повинна зберігати інформацію про клієнтів і побудованих сегментах, а сама інформація повинна бути агрегована на рівні клієнта – ключового елементу сховища. Іншими словами, модель повинна бути клієнто-орієнтованої. Це дозволяє створити профілі клієнтів – горизонтальні таблиці фактів, в яких унікальним ключем є клієнт, а поля містять розраховані значення показників цього клієнта та посилання на вимірювання, по яких ці показники вимірні. Також повинна зберігатися історія зміни профілів клієнтів.


Модель повинна підтримувати 2 типу показників: планові (значення показників, спрогнозовані на майбутнє) і фактичні (отримані в результаті значення цих показників). Для завантаження інформації про клієнтів і вивантаження побудованих сегментів в зовнішні операційні системи може використовуватися будь-інтерфейс. Важливою вимогою до моделі є масштабованість і варіативність. Тобто вона повинна дозволяти досить легко додавати додаткові атрибути клієнтів як в якості показників, так і в якості вимірювань.


Модель повинна покривати бізнес-потреби. Повнота моделі залежить від набору реалізованих вимірювань і показників.


Додаткові вимоги до моделі в кожному конкретному випадку можуть відрізнятися один від одного.


Засоби інтелектуального аналізу


Після вибору моделі необхідно визначити, які кошти інтелектуального аналізу, прогнозування та Data Mining потрібні для розв’язання сформульованих бізнес-задач. В деяких випадках поставлені завдання можна вирішити використанням аналітичної системи, що дозволяє кінцевим користувачам самостійно створювати необхідні звіти шляхом вибору показників і вимірювань з наперед розроблених бізнес-шарів. Такі можливості доступні, наприклад, в Business Objects, SAS, Oracle BI (Siebel Analytics), Cognos і ряді інших систем.


Але в деяких випадках виникає необхідність використання засобів Data Mining для інтелектуального аналізу і видобутку прихованої інформації. Як правило, Data Mining використовується для вирішення завдань, пов’язаних з виявленням прихованих залежностей між досліджуваними параметрами. До них відносяться завдання, вирішення яких не може бути універсальним: для них не можна однозначно визначити список KPI, що впливають на результат. Data Mining дозволяє в кожному конкретному випадку знаходити унікальний набір параметрів, які впливають на досліджувану групу. Подібні рішення також представлені цілим рядом компаній: SPSS, SAS, Angoss та інші.


Крім аналізу поточної інформації про клієнтів важливо мати можливість прогнозувати їх подальшу поведінку. Відмінною особливістю ACRM є те, що значення KPI прогнозуються для кожного побудованого сегмента окремо. Причому обраний аналітичний інструмент повинен дозволяти будувати прогнози не тільки на фактичних значеннях, але й на передбачуваних значеннях. Наприклад, аналітик, зробивши припущення про те, що продажі певного продукту знизяться на 20%, може ввести це значення в якості апріорного показника, на підставі якого побудувати прогноз зміни доходів.


При виборі на користь того чи іншого постачальника важливо оцінити: вимоги до апаратно-програмної платформи; використовуваний математичний апарат; інтерфейс підключення додаткових джерел даних і передачі результату; повнота інструментарію з аналізу та прогнозування, досвід впровадження в інших компаніях цієї сфери.


Платформа сховища ACRM


Отже, сформовані чіткі бізнес-вимоги, розроблена модель сховища ACRM і, можливо, навіть є уявлення про те, які інструменти аналізу будуть потрібні для реалізації проекту. Тепер необхідно вибрати апаратно-програмну платформу.


Як правило, після вибору сховища, моделі ACRM і прикладного ПО вже можуть бути сформовані уявлення про те, на якій платформі вони повинні працювати. Платформа повинна складатися з апаратної частини, СУБД, а також ETL-інструменту (Extract Transformation Load), який буде виконувати завдання транспортування і перетворення даних між інтегровною системами та базами даних. Сьогодні досить багато компаній пропонують апаратне забезпечення: від недорогих широко поширених Windows-серверів, до багатопроцесорних серверних Unix-систем. В якості СУБД найбільше поширення отримали: Oracle, MS SQL, DB2. ETL-інструменти також представлені на ринку поряд компаній: Oracle, Informatica, Microsoft, Хоча в деяких випадках роль ETL можуть виконувати самостійно написані на процедурному мовою модулі.


Крім вартості апаратно-програмної частини, при виборі платформи рекомендується керуватися такими факторами, як масштабованість, умови її супроводження, сумісність з нею прикладного ПЗ, надійність і продуктивність спільної роботи інтегрованих компонентів, досвід впровадження аналогічних систем на цій платформі іншими компаніями та наявність кваліфікованих фахівців.

Схожі статті:


Сподобалася стаття? Ви можете залишити відгук або підписатися на RSS , щоб автоматично отримувати інформацію про нові статтях.

Коментарів поки що немає.

Ваш отзыв

Поділ на параграфи відбувається автоматично, адреса електронної пошти ніколи не буде опублікований, допустимий HTML: <a href="" title=""> <abbr title=""> <acronym title=""> <b> <blockquote cite=""> <cite> <code> <del datetime=""> <em> <i> <q cite=""> <s> <strike> <strong>

*

*