DSI — цифровой подход по измерению клиентской удовлетворенности

Устройство самообслуживания в Сбере – это банкоматы, информационно-платежные терминалы, работающие с наличными денежными средствами.

Сеть банка состоит из 45 тысяч устройств и распределена по всей территории нашей страны, а YAU превышает 115 миллионов клиентов. Ежегодно в нашем канале проводится более 2 миллиардов транзакций.

До реализации проекта, удовлетворенность клиентов оценивалась только на основании показателя CSI и количества обращений, которые оставляют клиенты при возникновении трудностей в обслуживании. Но эти данные дают оценку лишь 0,05% совершенных транзакций.

Каждое взаимодействие клиента с устройством самообслуживания способно оказать влияние на итоговое впечатление пользователя от совершенной операции и быть важным аргументом при выборе финансовой организации в целом. Часть клиентов может сталкиваться с различного рода сбоями, ошибками и отклонениями, однако не по каждой проблеме может обратиться в банк.

Приведем простой пример, когда клиент пришел к банкомату, чтобы снять денежные средства с карты. Предположим, что он простоял в очереди, обслуживание заняло много времени, а программное обеспечение работало медленно. В итоге деньги он получил, но не теми купюрами, которые хотел. Клиент все же смог закрыть свою потребность, хотя и испытал неудобства. Жалобу в подобных ситуациях чаще всего клиенты не оставляют, поскольку транзакция прошла успешно. Оценить уровень удовлетворенности ранее было невозможно, для нас такой клиент оставался абсолютно довольным.

Наша команда пришла к выводу, что необходимо создать цифровой показатель удовлетворенности клиентов – Digital Satisfaction Index, который позволит в реальном времени видеть проблемные области на всех этапах совершения операции, влияющие на каждого клиента.

Наша сеть – самая большая сеть устройств самообслуживания в стране. Мы владеем информацией по всем клиентам и всем операциям. Мы знаем где и когда они приходят в наш банк, какие операции совершают и с каким результатом уходят. 

Владея огромным количеством данных, команда пришла к выводу, что эти данные необходимо исследовать. Каждый опрос клиента, дает нам обратную связь. Но что если мы не будем ждать обратной связи, а уже сейчас, в момент совершения операции, сможем узнать, остался ли доволен наш клиент? 

Ключом к возможности оценки качества клиентского опыта являются способность определить наиболее важные признаки удовлетворенности клиента и умение оценивать их степень воздействия в совокупности, основываясь на цифровых следах.

В рамках разработки цифрового показателя удовлетворенности клиента, командой были проведены глобальные исследования текущего клиентского опыта в канале устройств самообслуживания, с целью определения ключевых областей оценки качества клиентского пути от момента возникновения потребности в обслуживании до момента получения услуги или продукта. 

Мы разработали подход, который позволяет оценивать качество проведенной транзакции на основе тысяч комбинаций событий, которые встречаются в сессиях клиентов. Каждая комбинация событий оценивалась под призмой влияния на обращения клиентов, а также взвешивалась через оценки CSI, с целью определения критичных событий, важных для клиента.

Например, для некоторых клиентов длительность проведения самой операции может быть важнее, чем ожидание в очереди у банкомата. В то же время, для другого клиента работоспособность всех операций и функционала может стать ключевой оценкой в получении услуги, поскольку свою потребность он не удовлетворил, не учитывая удобство самой услуги. 

Перед командой стояла большая задача – проанализировать огромное количество данных. Сеть устройств самообслуживания ежедневно генерирует порядка 500 тысяч лог-файлов. Для того, чтобы проанализировать весь объем информации, необходимо было обработать приблизительно 1 миллиард строк в сутки потоковой информации. Для реализации проекта было разработано 50 витрин данных, которые помогли ответить на вопросы об удовлетворенности клиента в момент совершения операции.

Командой было определено более 150 уникальных метрик по каждой транзакции в отдельности, был произведен их замер и расчет. В состав метрик включены такие события как сбои при проведении транзакций, отбраковки купюр, функционалы допретензионного урегулирования, метрики работоспособности, оценка недоступности услуг, метрики UX, такие как время проведения операции, очереди, нажатия.

Для определения весов значимости метрик и негативных факторов на удовлетворенность клиентов были разработаны 6 AI-моделей, проведены оценки вероятности получения обращения и CSI, а также степени влияния негативных метрик. Основываясь на всех полученных данных, был произведен математический расчет итогового показателя DSI в разрезе проблемных областей.

Методология оценки DSI позволила не только охватить 100% операций, в отличие от подходов с частичной оценкой удовлетворённости. Благодаря многофакторному анализу и оценки удовлетворенности по абсолютно каждому взаимодействию, появилось понимание корневых причин негативных факторов.

Digital Satisfaction Index – новый показатель в оценке клиентской удовлетворенности, разработанный нашей командой. Его конкурентное преимущество заключается в комплексном подходе к анализу данных, объединяющих различные показатели удовлетворенности клиента, для получения более полной картины. 

Инновационность подхода состоит в том, что оценка происходит не только после завершения операции, но и на каждом её этапе в режиме реального времени. Это позволяет комплексно оценивать внедряемые изменения и влияние на проблемные области, затрагивающие клиента.

Исследование данных позволило достичь 100% охвата всех клиентов, что обеспечило максимальную точность анализа и дало возможность делать выводы, которые применимы ко всей клиентской базе.

Благодаря полученным данным о ключевых метриках, влияющих на удовлетворенность клиента, а также их веса, расчет показателя позволил сформировать портрет клиента. Максимально глубокая детализация признаков обеспечила возможность лучше понимать потребности пользователей и более точно прогнозировать уровень удовлетворенности клиента. 

Для расчета показателя используются объективные данные о качестве обслуживания, что делает оценку более точной и прозрачной. А возможность анализировать данные в режиме реального времени позволяет быстро адаптироваться под изменения потребностей и предпочтений клиентов, и улучшать качество сервиса.

Основным фактором, влияющим на положительный клиентский опыт, стало сокращение скорости проведения операции и уменьшение времени обслуживания. Эти факторы напрямую влияют на увеличение количества транзакций, сокращение очередей, увеличение клиентопотока и чистого комиссионного дохода Банка. 

Ключевые результаты, достигнутые в рамках подхода по разработке показателя DSI:

    • прирост показателя CSI на 10п.п.; 

    • сокращение времени операции на 30%;

    • сокращение времени реагирования на возникающие отклонения в 5 раз;

    • сокращение времени ожидания в очереди на 13%;

    • сокращение количества жалоб и консультаций на 6%.