Клиентский опыт в
эпоху ИИ

Основанная 163 года назад логистическая компания Brinks многим знакома по ее бронированным грузовикам для перевозки ценностей. Тем же брендом по лицензии пользуется не столь знаменитая независимая дочерняя компания Brinks Home. Эти специалисты по системам «умного» дома со штаб-квартирой в Далласе никак не могли дорасти по уровню признания до материнской фирмы. Brinks Home приходилось конкурировать с намного более популярными ADT, Google Nest и Ring, и даже восторженные отзывы отраслевых аналитиков и клиентов не помогали компании выйти за пределы 2% рынка. При этом компания накопила массу информации о применении своих решений конечными пользователями, ее колл-центры — о транзакциях на клиентском уровне, а техподдержка — об отличиях от конкурентов с самого момента начала работ в 1994 году.

Brinks хотела найти способ использовать все эти данные для ускорения роста и оптимизации точек контакта с каждым клиентом по всем каналам связи — особенно в том, что касается рекламных рассылок, персонализации решений и создания клиентского опыта. Осенью 2020 года в ­сотрудничестве с ИИ-стартапом OfferFit компания проверила тысячи комбинаций распространяемых рекламных сообщений и предложений, варьируя контент, каналы и время рассылки. Далее она реорганизовала структуру, поставив во главу угла привлечение и обслуживание клиентов и продление контрактов, и начала применять искусственный интеллект: чтобы лучше планировать сервисные выезды, вырабатывать рекомендации по перекрестным продажам для колл-центров, сообщать клиентам о новых версиях беспроводных систем. Менее чем через два года Brinks проводила уже не два-три, а около 50 тыс. А/В-тестов в день (и это не предел). Теперь больше не нужно долго ждать результатов тестирования — и можно персонализировать каждую точку контакта. За первую половину 2021 года средний размер ее пакета прямых продаж (DTC) вырос с $489 до $968. Прибыль от DTC из расчета на одного пользователя за тот же период повысилась с $42,24 до $45,95.

Общая прибыль по сравнению с тем же периодом 2020 года увеличилась на 9,5%. Brinks Home — лишь один пример того, как бренды могут выиграть, трансформировав и персонализировав пользовательский опыт через подробный анализ информации о клиенте. Персонализированный клиентский опыт был базой для конкурентных преимуществ еще задолго до эпохи интернета — с момента появления индивидуального маркетинга. Сегодня прогресс шагнул намного дальше: уже недостаточно упоминать имя клиента в рекламном сообщении, иметь под рукой все сведения о пользователе в момент его звонка в службу поддержки, а при открытии сайта компании показывать клиенту актуальные именно для него предложения. Теперь персонализировать надо каждую физическую и виртуальную точку контакта — и все чаще для этого используется искусственный интеллект.

Мы оказали поддержку масштабным проектам персонализации клиентского опыта более чем ста ведущих глобальных компаний (включая некоторые из упомянутых в статье). За последние 5 лет их выручка выросла на 6—10%, а чистая дополнительная выручка, связанная с инициативами по персонализации, — на 40—100%. Сопоставимое влияние на доходы показал и наш совместный с Google опрос нескольких тысяч потребителей непосредственно после получения персонализированного клиентского опыта.

Компании из всех отраслей ставят персонализацию во главу угла своих корпоративных стратегий. Не так давно генеральный директор Kroger Родни Макмаллен назвал цельность и персонализацию в числе важнейших конкурентных преимуществ, в которые вкладывается его фирма. За последнее время о важности персонализированного и целостного омниканального клиентского опыта для их корпоративной стратегии заявили компании разных сфер: товары для дома (Home Depot), банковские услуги (JPMorgan Chase), рестораны (Starbucks), одежда и обувь (Nike). Мы достигли уровня, на котором конкурентное преимущество рождается из способности фиксировать, анализировать и использовать массивы персонализированных клиентских данных, а также с помощью ИИ понимать, формировать, адаптировать и оптимизировать путь клиента. Сегодня цифровые решения — условие успеха не только для традиционного маркетинга, но и для многих других направлений. Конечно, лучше всего здесь себя чувствуют крупные технологические компании, встроившие эти возможности в свою бизнес-модель. Однако им бросают вызов такие смельчаки, как, например, sweetgreen (ресторанная отрасль) и Stitch Fix (одежда): им удалось создать уникальный клиентский опыт на основе данных, получаемых напрямую.

Ниже мы расскажем о том, как ИИ помогает улучшить впечатление клиента и как передовые компании выстраивают то, что мы назвали интеллектуальной системой опыта. Это сквозное решение (включающее, например, подбор места, назначение встречи, отправку напоминаний о ней, подсказки по маршруту и помощь при любых дополнительных действиях), которое проактивно направляет клиента к цели. В таких системах равно важны как живые специалисты (кроссфункциональные гибкие группы), так и данные и технологии, обеспечивающие стремительное само­обучение и оптимизацию. На создание интеллектуальной системы опыта может потребоваться немало времени, денег и технологий, но она обеспечит компании такой уровень персонализации, о котором лет десять назад можно было лишь мечтать.

ЧТО МЕШАЕТ ПЕРСОНАЛИЗАЦИИ

Большинство брендов не доводят персонализацию клиентского опыта до того масштаба или глубины, который позволил бы конкурировать с ведущими компаниями мира. Персонализация всего процесса взаимодействия клиента с фирмой требует согласованной работы всех каналов связи — до сих пор этим искусством не овладел в полной мере ни один бренд. Единственным способом конкурировать с такими цифровыми зубрами, как Amazon или Google, для многих брендов может оказаться слияние онлайн- и офлайн-опыта. Пионеры этого направления уже освоили новейшие технологии, такие как интернет вещей, машинное обучение, мартех-платформы и растущий спектр инструментов для цифровых медиа: в совокупности с гибкими методами работы все это способно дать выдающиеся результаты. Бренды, желающие сравняться с первопроходцами (а то и обойти их), должны задуматься о своей инфраструктуре данных и технологий. Соответствуют ли задаче структуры и процессы организации? Готовы ли они учиться методом быстрых проб?

Несмотря на широчайший выбор программных инструментов, призванных улучшать каждый аспект клиентского опыта, до сих пор нет ни одной платформы, способной управлять персонализацией целиком. Тем не менее, ключевые проблемы, такие как создание комплексного представления о клиенте, удается решить с помощью автоматизации, ИИ-аналитики и инструментов для активации сформированных ИИ рекомендаций.

Телекоммуникационный гигант Comcast использует сервис аналитики пути клиента Pointillist, загружающий в экосистему каждый шаг пользователя. Сервис отмечает время всех случаев взаимодействия с посетителями и формирует карту пути клиента. Используя ИИ для сбора данных и поиска проблем на пути (например, в мобильном приложении), Comcast быстро решает проблемы с клиентским опытом.

Чтобы эффективнее получать и использовать данные о персонализации, компании соединяют воедино ИИ-, мартех- и бэк-офисные решения через интерфейсы программирования приложений. Salesforce и Adobe предлагают решения для каналов связи; такие платформы клиентских данных, как Amperity и mParticle, помогают справиться с проблемами идентификации; системы оптимизации предложений, например Formation и OfferFit, способны улучшить каждую следующую акцию; платформы генерации контента вроде Persado (тексты) и SundaySky (видео) поддерживают масштабную персонализацию.

Новые цифровые медиа создают новые способы общения пользователей с брендами. Системы отслеживания местонахождения и оплаты, активируемые движением пальца, размывают границы между предпродажным периодом (реклама/маркетинг), продажей (покупкой/транзакцией) и послепродажным взаимодействием (услуги/лояльность). Новые технологии позволяют переформатировать клиентский опыт и, помогая бренду создавать очевидную для покупателей ценность, укрепляют их вовлеченность. В частности, Starbucks таргетирует по геолокации давно не заходивших клиентов: когда они оказываются возле кофейни, им показывают рекламу новых сезонных напитков. Персонализированное предложение в приложении приглашает посетить кофейню или попробовать удобную опцию мобильного заказа и оплаты.

У большинства компаний нет возможностей, ресурсов или технической базы, позволяющих соревноваться с монстрами вроде Comcast или Starbucks. Для них лучшим решением будет разработка дорожной карты по данным и технологиям, где каждое решение привязано к вполне конкретному эпизоду конкретных клиентов. Может быть, чтобы предложить клиенту актуальные дополнительные услуги, потребуется выяснить, какие элементы клиентских данных будут использоваться в реальном времени для поддержки рекомендаций в приложении — или, допустим, какие системы должны взаимодействовать друг с другом ­после бронирования. А далее специалисты из сферы коммерции и технологий должны будут работать сообща в режиме итераций, выстраивая основу для взаимодействия по созданию ценности.

Наиболее успешные цифровые трансформации последнего десятилетия проходили по правилу, которое мы назвали «70/20/10»: 70% инициатив по преобразованию организации (процессов, приемов, KPI, поощрений) требовали участия человека; 20% — эффективного применения данных; оставшиеся 10% — оптимизации технологий. Такая разбивка порождена четырьмя факторами. Во-первых, большинство компаний до сих пор на первое место ставят не клиента, а продукт, и это мешает сотрудничать отделам, отвечающим за каналы связи, рынки и сам товар. Для решения этой проблемы придумана — и становится все популярнее — должность директора по клиентам, организующего сотрудников и инфраструктуру вокруг контакта с потребителем. Во-вторых, не все стороны бизнеса пока затронуты аналитикой и не существует единой платформы, где данные о клиентах объединялись бы и подвергались глубинному анализу. В-третьих, контент создается вручную и используется однократно. Наконец, в-четвертых, кроссфункциональные команды редко переходят на гибкие методы работы, даже если в ИТ-отделе той же компании они внедрены. Если у фирмы нет инструментов для быстрого экспериментирования и обучения, опыт клиента будет оставаться разрозненным и зависящим от канала связи.

Начиная движение в нужном направлении, создайте самоуправляемые группы из представителей маркетинга, операций, аналитики, технологий и коммерческих функций и дайте им конкретные цели, средства — и право принимать решения. Поручать таким интегрированным группам надо разработку ограниченного числа моментов клиентского опыта, которые содержали бы прорывные возможности для повышения выручки и укрепили бы отношения клиента и компании. У групп должны быть инструменты для ежедневной оценки темпов работы. Ее лучше вести интенсивными двухнедельными спринтами — циклами разработки и тестирования идей по наращиванию вовлеченности. Задача этих групп — оптимизировать множество переменных: на какие триггеры должна реагировать компания, через какие каналы работать, в какой момент обращаться с клиентом, какие сообщения ему присылать и какие поощрения предлагать. Чем больше экспериментов будет проведено и чем больше данных собрано, тем большую роль в инициативе станет играть искусственный интеллект. Группы могут с помощью машинного обучения определять варианты для многомерных тестов, отслеживать любые движения и решать, в какой момент стоит масштабировать удачный тест на более крупную выборку.

КАК ПОСТРОИТЬ ИНТЕЛЛЕКТУАЛЬНУЮ СИСТЕМУ ОПЫТА

Чтобы помочь клиенту достичь всевозможных целей общения с компанией, надо тщательно продумать, как коммуницировать в каждый конкретный момент, какая информация нужна по ходу дела и какие связи между каналами и группами подключать (скажем, между онлайн- и офлайн-магазинами, между поддержкой продажи и постпродажного взаимодействия). Это не просто упражнение в картировании пути или задействовании технологий. Это формирование видимого для клиента процесса работы с компанией — и создание невидимой для него интеллектуальной системы опыта.

Такие системы создаются не только на самом верхнем уровне всего пути клиента (ср. улучшение безопасности транспортировки в Brinks). Надо с ювелирной точностью ориентировать их на микроцели — позитивные мелочи, из которых состоит клиентский опыт, — и собирать их в цепочку.

«Интеллект» системы опыта многопланов. Для ее выстраивания нужен творческий, глубокий подход, максимально качественные данные и мастерство профессионалов. Используемые в системах непрерывно совершенствующиеся алгоритмы машинного обучения все время проводят тесты, обучаются, подсказывают решения и тем самым помогают понять, какой следующий шаг улучшит впечатления клиента. В результате появляется целостный, комфортный, запоминающийся опыт, со временем становящийся только лучше.

Самые успешные бренды следуют пяти основным принципам построения интеллектуальных систем опыта. Они связывают воедино информационные сигналы и инсайты из все более широкого спектра источников. С помощью принимаемых автоматически решений они делают весь путь клиента единым и беспроблемным. Бренды поддерживают его по всем каналам, сопровождая повсюду за счет взаимосвязей точек контакта. Они подстраиваются под ситуацию клиента, обязательно учитывая, кто он и где он. Наконец, они тестируют и еще раз тестируют, внедряют новейшие технологические достижения, скрупулезно измеряют результаты и отдают себе отчет в том, что на одно и то же все реагируют по-разному.

Теперь давайте рассмотрим эти принципы по отдельности и приведем примеры компаний, успешно воплотивших их в жизнь.

СВЯЗЫВАТЬ ВОЕДИНО ИНФОРМАЦИОННЫЕ СИГНАЛЫ И ИНСАЙТЫ

Первое условие построения интеллектуальной системы опыта — всестороннее изучение каждого клиента с помощью растущего набора способов фиксации все новых сигналов от него. Изготовитель спортивной одежды lululemon вот уже пять лет активно инвестирует в достижение этой цели. Когда человек впервые покупает что-то в магазине сети, ему предлагают оставить адрес элект­ронной почты для отправки чека. Почту спрашивают и при подписке на бесплатные занятия йогой в магазине. Как и многие другие бренды, lululemon использует эту персональную информацию, чтобы дополнить базовые демографические сведения о клиенте, предоставляемые сервисами вроде Experian или Acxiom и помогающие таргетировать рекламу — например, по полу и местонахождению.

При дальнейшем общении с брендом клиент зачастую устанавливает его приложение или начинает делать покупки онлайн. Данные о его кликах помогают узнать, на какие товары он смотрел, на каких останавливался, к каким возвращался, а какие быстро прокручивал. С помощью этой информации можно понять склонности человека и соответственно настроить будущие рекомендации. В 2020 году, приобретя компанию Mirror, lululemon получила новый источник сведений о поведении клиента.

Mirror транслирует фитнес-уроки для дома — это позволило lululemon узнать, как именно ее покупатели занимаются спортом. Данные о таких предпочтениях помогли бренду дополнительно уточнить рекомендации товаров и услуг.

СДЕЛАТЬ ВЕСЬ ПУТЬ КЛИЕНТА ЕДИНЫМ И БЕСПРОБЛЕМНЫМ

Ведущая австралийская авиакомпания Qantas смотрит на путешествие как на масштабный процесс и вложила много средств в оптимизацию каждого его момента. Все начинается с основного направления деятельности компании: Qantas персонализирует процесс бронирования билетов, регистрации на рейс, ожидания в аэропорту и самого полета. Например, приложение выдает в реальном времени рекомендации в зависимости от местоположения пассажира — как удобнее пройти регистрацию, во сколько выехать в аэропорт и каким маршрутом следовать.

Но Qantas не ограничилась путешествиями. Она выстроила комплексную экосистему лояльности с сотнями партнеров, такими как Woolworths (ведущая продуктовая сеть Австралии), Hilton, Avis, eBay и крупнейшие местные банки, что позволило клиентам получать и тратить баллы по-новому и с учетом своих потребностей. Ее сервис медиа, аналитики и исследований Red Planet помогает Qantas и многим ее партнерам учитывать офлайн- и онлайн-данные о поведении клиентов при покупке рекламы и таргетировании кампаний.

Авиакомпания использует данные и для создания новых направлений бизнеса. В частности, она запустила приложение, пользуясь которым клиенты могут зарабатывать баллы за здоровые привычки — например, заданное количество шагов в день или регулярные тренировки. Чтобы потратить баллы, клиентов приглашают зарегистрироваться на новую услугу Qantas — страхование здоровья. Приложение позволяет компании заодно предлагать страхователям путешествия и другие продукты. Чтобы правильно настроить коммуникацию с клиентами по этим предложениям, Qantas создала платформу маркетинговых сообщений — теперь направлять каждому клиенту подходящее именно ему предложение по удобному именно ему каналу связи ей помогают искусственный интеллект и библиотека персонализированного контента.

ПОДДЕРЖИВАТЬ КЛИЕНТСКИЙ ОПЫТ ПО ВСЕМ КАНАЛАМ

Starbucks известна своей омниканальной персонализацией. Предложения в ее приложении основаны на индивидуальных предпочтениях и поведении и подаются в игровой форме. Ее платная цифровая реклама точно таргетирована. Цифровые меню в ее заведениях формата Drive Thru корректируются в зависимости от погоды, предпочтений местных клиентов и наличия блюд.

Менее крупные сети вряд ли могут добиться доступного Starbucks уровня персонализации, однако специализирующаяся на салатах sweetgreen (всего 140 заведений, сравните с более чем 33 тыс. кофеен Starbucks) изначально строила кроссканальный клиентский опыт на данных и цифровых решениях и сумела создать лучшее в своем классе приложение, помогающее с легкостью составить салат по своему вкусу и забрать его в ресторане или заказать доставку. Именно с помощью приложения внедряются новые цифровые меню и направляются клиентам персональные предложения. Посетители часто расплачиваются в ресторанах через телефон. В 2021 году благодаря этому приложению sweetgreen обошла Starbucks по доле цифрового взаимодействия (по цифровым каналам компания получает 68% продаж — у американских Starbucks пока всего 52%).

ПОДСТРАИВАТЬСЯ ПОД СИТУАЦИЮ КЛИЕНТА

Крупные розничные продавцы, такие как Kroger и Tesco, собрали крупные команды по работе с данными и аналитикой и с помощью алгоритмов стараются общаться с каждым клиентом именно так, как тому удобно. Аналитические подразделения Kroger (84.51°) и Tesco (dunnhumby) определяют, какую рекламу показать какому клиенту, на основе сотен моделей склонностей.

Их примеру последовала и средняя по размеру продуктовая сеть Giant Eagle. Она заключила партнерство с инновационной технологической SaaS-компанией Formation, чтобы добиться того же уровня персонализации при таргетировании рекламы. Процесс покупки превратился для клиентов в игру, причем за некоторые предлагаемые действия можно получить бонусы лояльности. Например, новых клиентов приглашают делать покупки в сети не реже раза в неделю целый месяц и тем самым заработать дополнительные баллы в программе fuelperks+ и обменять их на бесплатный бензин или скидки на продукты. Лояльные и постоянные клиенты получают баллы за покупку новой для них категории товаров, которая обычно интересует похожих на них покупателей (например, шоколад).

ТЕСТИРОВАТЬ И ЕЩЕ РАЗ ТЕСТИРОВАТЬ

Цифровая компания Stitch Fix поощряет своих сотрудников за проведение сотен экспериментов каждый месяц, понимая, что треть из них кончится провалом. Полученные в ходе этих опытов данные она добавляет в свою интеллектуальную систему опыта, чтобы понять, как лучше действовать дальше. Кроме того, она напрямую запрашивает данные у клиентов (см. статью «Stitch Fix’s CEO on Selling Personal Style to the Mass Market» в HBR за май — июнь 2018 г.).

Интерфейс Style Shuffle от Stitch Fix помогает только что зарегистрировавшимся подписчикам сориентироваться. Они смахивают вправо товары, которые им нравятся, влево — которые не нравятся, в результате Stitch Fix получает полное представление об их личных вкусах и стиле. Алгоритмы компании затем экстраполируют эти данные на тысячи артикулов марки, помогая составлять ежемесячно доставляемые клиенту домой наборы одежды.

ОТТАЧИВАТЬ НАВЫК

В статье «Взять клиента под опеку и довести до покупки» (HBR, декабрь 2015 г.; Дэвид Эдельман был одним из авторов и той, и этой статьи) описывалось, как лидеры изменяют организации путем формирования кроссфункциональных команд специально под клиентский опыт. Сегодня лидеры пошли еще дальше: команды берут на себя все больше ответственности за использование данных. Сотрудники выступают как продакт-менеджеры: их непрерывно улучшаемый продукт — взаимодействие компании и клиента.

Чтобы начать описываемый процесс, надо спросить себя: какие именно моменты пути клиента мы хотим принципиально изменить и как создать интеллектуальную систему под наши цели? Определившись с ответами, проанализируйте несколько клиентских записей в своих системах CRM и автоматизации маркетинга и постарайтесь понять, все ли значимые для увеличения ценности пути клиента данные вы собираете. Есть ли у вас опыт применения этих данных для улучшения пути клиента? Использовали ли вы для этого все каналы как единое целое? Вполне возможно, ответ будет «нет» и «нет».

О важности клиентского пути говорят большинство генеральных директоров и представителей руководства компаний. Увы, зачастую это лишь слова. Но игнорировать этот фактор больше нельзя. Каждой компании нужна выверенная стратегия по созданию интеллектуальной системы опыта, которая бы формировала у клиента более глубокую и стабильную лояльность бренду благодаря гармоничному применению искусственного интеллекта, персонализации и гибких процессов.

Qantas не ограничилась путешествиями. Она выстроила комплексную экосистему лояльности с сотнями партнеров, что позволило клиентам получать и тратить баллы по-новому.