Внедрение CRM-систем для крупных компаний - давно пройденный этап на пути налаживания эффективных взаимоотношений с клиентами и повышения доходности. Наиболее успешные игроки рынка уже поняли, что только взаимодействия с клиентом не достаточно. Нужно не только повышать лояльность, вовремя поздравляя человека с семейными праздниками, но и анализировать информацию о нем для дальнейшего эффективного развития бизнеса. И здесь в игру вступает аналитический CRM.
CRM-системы (Customer Relationship Management) - были созданы для управления взаимоотношениями с клиентами. Целью применения этих систем в конечном итоге является повышение лояльности и, как следствие, повышение эффективности и доходности компании. Однако если раньше, два-три года назад, CRM рассматривался в основном в качестве классической операционной части, то теперь это понятие приобрело все более четко выраженное деление на две составляющие: операционную и аналитическую. Многие компании уже пришли к пониманию необходимости внедрения аналитического CRM, но многие еще находятся в процессе принятия этого решения.
Что такое аналитический CRM?
Обе системы - операционный CRM (OCRM) и аналитический CRM (ACRM) - ставят перед собой одинаковые цели и отличаются лишь способами их достижения. Если OCRM решает задачу повышения лояльности клиента в процессе непосредственного контакта с ним, то ACRM, напротив, анализирует накопленную о нем информацию и помогает разработать стратегию дальнейшего взаимодействия. Образно говоря, если OCRM - это передовая линия фронта, то ACRM - это штаб, и успех зависит от их совместных слаженных действий.
В ACRM ключевой является информация о клиенте, а не о группе или бизнес-направлении, к которым он принадлежит
Прекрасной иллюстрацией такой связки может служить следующий пример: допустим, компания работает в банковской, страховой или телекоммуникационной сфере, и, само собой, имеет большую клиентскую базу и серьезных конкурентов. Такие фирмы часто предпринимают существенные усилия, направленные на повышение лояльности и снижение оттока клиентов. Одним из способов достижения этого является предоставление более качественного сервиса при непосредственном обращении клиентов в call-центр. В этом случае компания должна либо постоянно увеличивать штат и квалификацию всех сотрудников call-центра (что сопряжено со значительными временными и финансовыми затратами), либо уметь быстро и грамотно определять принадлежность клиентов к заранее выделенным сегментам для их переадресации на сотрудников call-центра, квалифицированных именно в этой области. Например, в первый сегмент могут быть включены новые клиенты, во второй - клиенты-должники, в третий - высокодоходные клиенты и т.д. В обоих случаях непосредственный контакт с клиентами будет осуществляться через OCRM, но при использовании сегментирования клиентской базы затраты на обслуживание будут меньше. Но реально критерии сегментации постоянно меняются и количество самих сегментов может доходить до нескольких десятков. Если позавчера достаточно было просто владеть информацией об условиях договора и теме обращения клиента в call-центр, то вчера уже были важны его социально-демографический статус и история общения с компанией. А сегодня просто необходимо использовать средства Data Mining (добычи скрытой информации) для выявления типичного профиля поведения: выявить низкодоходных клиентов, склонных к уходу или, напротив, потенциально важных для компании высокодоходных клиентов, которые в ближайшее время принесут существенную прибыль. Для таких клиентов необходим совершенно другой подход в общении с ними. Кто знает, что потребуется знать о клиенте завтра? В этом ключе сегментация предстает перед нами уже в другом свете - теперь это способ удержания клиентов за счет предугадывания их потребностей. Провести анализ информации, составить прогноз поведения, выделить актуальные критерии сегментации и построить сами сегменты для передачи в OCRM - одна из основных задач ACRM.
Но чем ACRM отличается от стандартных систем аналитической отчетности и Data Mining? Ответ прост: он не отличается о них, он включает их, но использует отличные от других систем принципы представления и анализа информации. В ACRM ключевой является информация о клиенте, в то время как в других аналитических системах это может быть сводная информация по целым группам клиентов или бизнес-направлениям.
Бизнес-требования
Итак, решение о внедрении ACRM принято. Первым этапом, безусловно, являются бизнес-требования. Важно, чтобы на момент начала внедрения бизнес-требования были сформулированы окончательно и в полном объеме. Для того чтобы технические возможности системы максимально пересеклись с ожиданиями, которые заказчик предъявляет к ACRM, важно, чтобы процесс создания этих требований проводился совместной командой заказчика (представителя бизнеса) и исполнителя (бизнес-консультанта и эксперта по системе). Многие менеджеры проектов склонны считать, что процесс их выработки - это исключительно задача заказчика. Такой подход может привести сразу к двум негативным моментам. Во-первых, к недостаточно полному использованию доступных возможностей системы. Перед внедрением заказчик зачастую не знаком с системой, поэтому при создании ТЗ некоторые важные и оптимальные для решения бизнес-задач возможности могут быть просто не учтены. Во-вторых, к нереализованности ожиданий заказчика. При создании бизнес-требований заказчик может руководствоваться представлениями, полученными от демонстрации других систем. Если эти представления войдут в техническое задание, но не будут реализованы, то они могут легко превратиться в ложку дегтя.
Из чего должны состоять бизнес-требования к ACRM? Прежде всего, заказчик должен определить задачи, которые он хочет решить за счет использования ACRM. В большинстве случаев подобные задачи сводятся к понятию " проактивного целевого маркетинга ". Слово "проактивный" можно интерпретировать как предугадывающий, предвидящий ситуацию на ход вперед. А слово " целевой " - как узконаправленный, адресованный именно тем клиентам, которые заинтересованы в этом предложении. Число таких задач в каждой компании может доходить до нескольких десятков. Среди наиболее распространенных - выявление и удержание клиентов, которые в ближайшее время могут начать пользоваться услугами конкурента или полностью уйти к нему; выявление потенциальных должников или мошенников и пресечение возможных негативных последствий; выявление перспективных потенциально важных для компании клиентов для их "раскрутки" с целью увеличения доходности; повышение доходов за счет дополнительных кросс-продаж, например, за счет предложения действительно необходимого клиенту комплекта дополнительных продуктов; построение социальных сетей; привлечение дополнительных клиентов за счет существующих; снижение затрат на неперспективных низкодоходных клиентов.
Очертив круг задач, можно приступать к их детальной проработке. Теперь в игру включается бизнес-консультант, задача которого совместно с заказчиком выделить список необходимых ключевых показателей (KPI’s - Key Performance Indicators) и измерений (Dimensions), в разрезе которых эти показатели будут измеряться. Каждая бизнес-задача должна быть декомпозирована в соответствующий набор показателей и измерений, на базе которых будут создаваться таблицы фактов (Facts). Это действительно сложный и важный процесс, поскольку от него фактически зависит успех всего проекта. Заказчик имеет представление о том, что он хочет получить, но зачастую он не знает, как это измерить и представить в виде конечных показателей. Поэтому важно, чтобы бизнес-консультант уже имел опыт внедрения ACRM в этой области и мог предложить предварительный вариант реализации бизнес-требований, отталкиваясь от которого заказчик сможет выделить набор необходимых для него KPI и измерений.
Интеграция с внешними системами
АCRM может оперировать информацией, взятой из различных внешних источников, количество которых ограничено лишь бизнес-требованиями: это могут быть, например, бухгалтерские, складские, биллинговые, CRM и другие системы и базы данных, в которых содержится информация о клиентах, история их поведения и общения с ними. Из этих систем в Хранилище ACRM должна поступать информация, необходимая для расчета показателей и построения измерений, а из ACRM в OCRM - рекомендации по дальнейшему общению в виде полученных сегментов с описаниями вошедших в них клиентов. На этом этапе необходимо согласовать интерфейсы взаимодействия ACRM с внешними источниками: проверить наличие и доступность необходимой информации и подготовить спецификации интерфейсов со всеми интегрируемыми системами и базами данных.
Многие менеджеры проектов склонны ошибочно считать, что процесс выработки бизнес-требований к ACRM - исключительно задача заказчика
На практике нередко возникают ситуации, когда бизнес-требования не могут быть реализованы из-за проблем интеграции с источниками исходной информации по причине либо отсутствия самих данных, либо отсутствия технической возможности сбора этих данных. Поэтому важно проанализировать уровень интеграции с внешними системами, желательно с одновременным согласованием бизнес-требований. Это позволит с одной стороны зафиксировать в бизнес-требованиях только источники информации, интеграция с которыми возможна, а с другой стороны - избежать вероятных проблем, связанных с реализацией бизнес-требований из-за отсутствия исходных данных.
Модель хранилища ACRM
Теперь настало время определиться с моделью, которая будет взята за основу хранилища ACRM. Модель содержит структуру связанных между собой и сгруппированных по предметным областям таблиц фактов и измерений. Она должна быть хорошо продуманной, ведь от нее фактически зависит то, насколько система будет масштабируемой и гибкой в использовании. Можно либо попытаться разработать собственную модель хранилища, что сопряжено с дополнительными временными затратами и рисками, либо взять за основу одну из существующих "референсных" pre-build моделей, т.е. спроектированных для конкретных предметных областей. Сегодня pre-build модели хранилищ данных есть у Oracle, SAP, IBM, Amdocs и ряда других компаний. Они хорошо подходят для быстрого запуска шаблонного проекта, но нередко требуют дополнительной доработки для решения конкретных бизнес-задач. При выборе в пользу той или иной pre-build модели хранилища необходимо проанализировать ее архитектуру и оценить объем необходимых дополнительных доработок. К модели ACRM предъявляются два базовых требования - она должна хранить информацию о клиентах и построенных сегментах, а сама информация должна быть агрегирована на уровне клиента - ключевого элемента хранилища. Иными словами, модель должна быть клиенто-ориентированной. Это позволяет создать профили клиентов - горизонтальные таблицы фактов, в которых уникальным ключом является клиент, а поля содержат рассчитанные значения показателей этого клиента и ссылки на измерения, по которым эти показатели измеримы. Также должна храниться история изменения профилей клиентов.
Модель должна поддерживать 2 типа показателей: плановые (значения показателей, спрогнозированные на будущее) и фактические (полученные в итоге значения этих показателей). Для загрузки информации о клиентах и выгрузки построенных сегментов во внешние операционные системы может использоваться любой интерфейс. Важным требованием к модели является масштабируемость и вариативность. То есть она должна позволять достаточно легко добавлять дополнительные атрибуты клиентов как в качестве показателей, так и в качестве измерений.
Модель должна покрывать бизнес-потребности. Полнота модели зависит от набора реализованных измерений и показателей.
Дополнительные требования к модели в каждом конкретном случае могут отличаться друг от друга.
Средства интеллектуального анализа
После выбора модели необходимо определить, какие средства интеллектуального анализа, прогнозирования и Data Mining требуются для решения сформулированных бизнес-задач. В некоторых случаях поставленные задачи можно решить использованием аналитической системы, позволяющей конечным пользователям самостоятельно создавать необходимые отчеты путем выбора показателей и измерений из заранее разработанных бизнес-слоев. Такие возможности доступны, например, в Business Objects, SAS, Oracle BI (Siebel Analytics), Cognos и ряде других систем.
Но в некоторых случаях возникает необходимость использования средств Data Mining для интеллектуального анализа и добычи скрытой информации. Как правило, Data Mining используется для решения задач, связанных с выявлением скрытых зависимостей между исследуемыми параметрами. К ним относятся задачи, решение которых не может быть универсальным: для них нельзя однозначно определить список KPI, влияющих на результат. Data Mining позволяет в каждом конкретном случае находить уникальный набор параметров, которые оказывают влияние на исследуемую группу. Подобные решения также представлены целым рядом компаний: SPSS, SAS, Angoss и другие.
Помимо анализа текущей информации о клиентах важно иметь возможность прогнозировать их дальнейшее поведение. Отличительной особенностью ACRM является то, что значения KPI прогнозируются для каждого построенного сегмента отдельно. Причем выбранный аналитический инструмент должен позволять строить прогнозы не только на фактических значениях, но и на предполагаемых значениях. Например, аналитик, сделав предположение о том, что продажи определенного продукта снизятся на 20%, может ввести это значение в качестве априорного показателя, на основании которого построить прогноз изменения доходов.
При выборе в пользу того или иного поставщика важно оценить: требования к аппаратно-программной платформе; используемый математический аппарат; интерфейс подключения дополнительных источников данных и передачи результата; полнота инструментария по анализу и прогнозированию, опыт внедрения в других компаниях этой сферы.
Платформа хранилища ACRM
Итак, сформированы четкие бизнес-требования, разработана модель хранилища ACRM и, возможно, даже есть представление о том, какие инструменты анализа потребуются для реализации проекта. Теперь необходимо выбрать аппаратно-программную платформу.
Как правило, после выбора хранилища, модели ACRM и прикладного ПО уже могут быть сформированы представления о том, на какой платформе они должны работать. Платформа должна состоять из аппаратной части, СУБД, а также ETL-инструмента (Extract Transformation Load), который будет выполнять задачу транспортировки и преобразования данных между интегрируемыми системами и базами данных. Сегодня достаточно много компаний предлагают аппаратное обеспечение: от недорогих широко распространенных Windows-серверов, до многопроцессорных серверных Unix-систем. В качестве СУБД наибольшее распространение получили: Oracle, MS SQL, DB2. ETL-инструменты также представлены на рынке рядом компаний: Oracle, Informatica, Microsoft, хотя в некоторых случаях роль ETL могут выполнять самостоятельно написанные на процедурном языке модули.
Помимо стоимости аппаратно-программной части, при выборе платформы рекомендуется руководствоваться такими факторами, как масштабируемость, условия ее сопровождения, совместимость с ней прикладного ПО, надежность и производительность совместной работы интегрируемых компонентов, опыт внедрения аналогичных систем на этой платформе другими компаниями и наличие квалифицированных специалистов.