NPS — всё: что измерять вместо него

NPS фиксирует эмоцию клиента, но не объясняет, что за ней стоит. Поэтому компании дополняют его другими метриками и используют различные технологии, которые позволяют увидеть реальные точки роста сервиса. О том, какие подходы работают эффективнее, рассказывают эксперты Сбер Бизнес Софт.

Почему NPS — это цифра без объяснений

Много лет Net Promoter Score (NPS) оставался одним из главных инструментов оценки клиентской лояльности. Один короткий вопрос «Порекомендуете ли вы нашу компанию друзьям и коллегам?» давал бизнесу простое число, по которому уже судили о качестве взаимодействия с компанией. Но это число показывает эмоцию в момент опроса, не объясняя из-за какого опыта она возникла и сохранится ли это впечатление надолго.

Ограниченность NPS особенно заметна в сферах, где критичны скорость и качество обслуживания. Клиент может поставить высокий балл после удачного звонка и уйти через неделю, если его проблема так и не решилась. Поэтому одного NPS недостаточно: он фиксирует общее настроение, но не показывает, какие именно этапы обслуживания требуют внимания.

Что важно измерять дополнительно

Для полного представления об удовлетворённости клиента нужны метрики, которые показывают поведение клиентов и эффективность процессов. Одним из ключевых показателей становится время решения проблемы (Time-to-Resolution или TTR): клиенту важно не только то, как с ним поговорили, но и насколько быстро его вопрос был закрыт. Не менее показателен уровень повторных обращений: если клиент возвращается через неделю с тем же вопросом, значит, его проблему так и не решили до конца.

Ещё один важный показатель — First Contact Resolution (FCR), то есть доля вопросов, которые решаются при первом контакте. Для клиентов это критерий удобства, а для бизнеса — показатель зрелости процессов. На уровне отдельных каналов полезно смотреть на Customer Satisfaction Index (CSI) — оценку удовлетворённости по конкретному взаимодействию, будь то звонок в колл-центр или чат с ботом.

Все эти метрики дают более глубокое понимание клиентского опыта, чем один NPS. Согласно совместному исследованию Bain, Kantar и Qualtrics, ведущих международных агентств в области консалтинга и аналитики клиентского опыта, зрелые компании строят систему оценки опыта вокруг не одной метрики, а набора показателей, которые отражают и восприятие, и реальные процессы. Помимо NPS они отслеживают скорость решения вопросов, удобство отдельных этапов обслуживания, а также регулярно анализируют комментарии клиентов и их тональность.

Как помогает ИИ

Чем больше показателей вовлечено в оценку клиентского опыта, тем сложнее их отслеживать вручную. Здесь на помощь приходят технологии: ИИ-решения помогают обрабатывать большие массивы данных и выявлять закономерности, которые не видны в отдельных метриках. Один из примеров — речевая аналитика. Она автоматически расшифровывает звонки и анализирует их содержание: какие темы чаще всего поднимают клиенты, где операторы сбиваются со скрипта, какие эмоции слышны в голосе. Такой анализ выявляет повторяющиеся барьеры, которые не отражаются в NPS: например, задержки в работе системы или непонятные условия тарифа.

Застройщик «ЭНКО» внедрил систему речевой аналитики, которая расшифровывает и анализирует все звонки колл-центров. За счёт этого удалось отказаться от выборочной проверки 12% записей и перейти к оценке 100% разговоров, и снизить затраты на контроль качества. Система выявляет распространённые вопросы и настроение клиентов, помогает отслеживать ошибки в скриптах и вовремя реагировать на негативные эмоции. В одном из проектов в Новом Уренгое аналитика звонков позволила заранее понять ценовые ожидания покупателей и скорректировать стоимость до старта продаж.

Определение популярных фразовых паттернов с помощью системы речевой аналитики

Другой инструмент — анализ диалогов на сайте, в приложении или мессенджерах с помощью чат-ботов. ИИ-модели могут обрабатывать тысячи переписок и видят закономерности: на каком этапе клиент чаще всего отказывается, где требуется передача оператору, какие вопросы вызывают раздражение. Иногда бизнес готов жертвовать автоматизацией, если видно, что человеческий контакт обеспечивает более высокий уровень удовлетворённости.

У авиакомпании «Азимут» ИИ-ассистент уже занял место на первой линии клиентской поддержки. Он обучен на пассажирской документации и справляется даже с нестандартными вопросами, которые обычно требовали вмешательства оператора. Сейчас ИИ-ассистент закрывает 86% обращений, отвечает круглосуточно и помогает команде не раздувать штат в сезоны пикового спроса. В дальнейшем его планируют развивать в сторону ИИ-агента с возможностью, например, забронировать билеты.

Пример необычного вопроса для ИИ-ассистента

Ещё один пример — видеоаналитика. В офлайн-бизнесе она помогает отслеживать, как клиенты реально взаимодействуют с сервисом. В магазине это может быть длинная очередь к кассе, в банке — медленное оформление документов, а в офисе обслуживания — ожидание у стойки, после которого клиент уходит неудовлетворённым.

В Fix Price внедрили систему видеоаналитики более чем в 7 000 магазинов. Она автоматически выявляет проблемы в торговом зале — от возникновения преград в проходах до повреждений пола. Уже через две недели после запуска число нарушений сократилось более чем вдвое, а компания смогла быстрее систематизировать и предотвращать такие инциденты.

Как меняется система оценки клиентского опыта, когда бизнес внедряет ИИ

Чтобы смотреть на клиентский опыт шире NPS, компаниям нужно пересобрать систему измерения эффективности. С появлением ИИ в обслуживании ключевыми становятся данные о том, как именно проходит клиентский путь, где возникают задержки и что формирует его впечатления в моменте взаимодействия с сервисом.

Появляется единая модель клиентского пути

Раньше показатели скорости обработки запросов и причин обращений клиентов собирались из разных источников и могли не совпадать во времени. С помощью ИИ можно объединить эти данные: расшифровывает звонки, классифицирует темы запросов и сопоставляет их с конкретным этапом обслуживания. В результате компании видят не только итоговую оценку, но и то, какие события и действия сформировали её на каждом шаге контакта клиента с компанией.

Эмоции становятся объективными данными

Аналитика голоса и текстов делает эмоциональную часть взаимодействия также измеряемой. Она показывает, где общение остается спокойным и предсказуемым, какие формулировки воспринимаются лучше и в каких точках стоит добавить больше ясности. Если ИИ фиксирует отдельные всплески, то это позволяет заранее понять, где клиенту может не хватать информации.

Качество обслуживания можно оценивать глубже

Автоматизация расширяет систему метрик: теперь важно не только то, как работает оператор, но и качество технологической части процесса. Становится понятно, насколько точно определяется тема обращения, как быстро подготавливается информация, где ИИ ускоряет последовательность шагов. Итоговые метрики становятся объёмнее: они отражают вклад и людей, и технологий.

NPS остаётся, но…

NPS — это простой показатель клиентской удовлетворённости. Но сегодня нужно смотреть глубже: анализировать реальные действия клиентов, скорость принятия решений, слабые места в обслуживании. ИИ помогает не только собирать, но и дополнять эти показатели новыми закономерностями — от тональности общения до ранних признаков недовольства, которые опросы могут не зафиксировать.

Мнение редакции может не совпадать с мнением автора. Ваши статьи присылайте нам на 42@cossa.ru. А наши требования к ним — вот тут.