המעבר לשימוש בחיזוי אנליטי (Predictive Analytics) – האם תם עידן סקרי הלקוחות?

---

מאת: דורית שר | מנכ״לית חברת אקספריטי

---

חברות רבות מבססות את הבנת הלקוח על סקרים שונים. השימוש בסקרים אכן מאוד חשוב, ובעיקר לצרכי מחקר. אך כשהכל משתנה במהירות וחברות רוצות להפוך להיות יותר פרואקטיביות, יש חשיבות גדולה ליכולת להבין את הלקוח בכל זמן ומבלי להתבסס על המילים של הלקוח, אלא על ההתנהגות שלו. מנהלים רבים מעידים כי השימוש בסקרים הוא מוגבל, ולא באמת מאפשר קבלת החלטות אסטרטגית בשל מספר מגבלות שנפרט בהמשך.

אז מה ניתן לעשות מלבד סקרים? פה באה לעזרתנו ההתפתחות הטכנולוגית. היא מאפשרת לנתח שפה אנושית, להבין אותה ואף להפוך אותה לטקסט. טכנולוגיה זו מאפשרת לארגונים לנתח את המידע שמגיע מכל האינטראקציות שיש לארגון עם הלקוחות שלו, ולהבין מתוך כך את הסנטימנט של הלקוח, רמת שביעות הרצון שלו, הנטייה שלו וההתנהגות הצפויה שלו, גם בלי שאותו לקוח ידווח על כך.

תחום זה מכונה חיזוי אנליטי.(predictive customer analytics) - הוא מתבסס על שימוש בסוגים שונים של נתונים, טכניקות שונות מעולמות האינטליגנציה המלאכותית ומודלים של Machine Learning שמאפשרים ניתוח מהיר של כמות נתונים ואינטראקציות רבות מאוד (בסקייל גבוה מאוד) במטרה לייצר תובנות מדויקות יותר בנוגע להעדפות הצרכניות העתידיות של הלקוח.

חיזוי אנליטי לעומת סקרי לקוחות והחסרונות של סקרי לקוחות

חיזוי אנליטי מורכב מכמה שלבים עיקריים. תחילה נאספים נתוני הלקוחות המצטברים בערוצי המידע השונים. לאחר מכן, אותם נתונים עוברים עיבוד ואינטגרציה ומאוחסנים בפלטפורמה אחידה. כלים המשמשים לצורך חיזוי אנליטי מכילים מספר אלגוריתמים של Machine Learning המאפשרים לעקוב אחר התנהגות ותגובות הלקוחות, כמו גם אחר רמת שביעות רצון ולזהות אירועים ספציפיים לאורך מסע הלקוח המצריכים תגובה מיידית.

בעוד שבסקרים הלקוח מתבקש לענות על שאלות באופן יזום ובנקודת זמן מסוימת בעבר, כלים המיועדים לצורך חיזוי אנליטי מאפשרים לנו לעקוב באופן שוטף אחר הלקוח לאורך כל המסע שלו, ברשת ומחוצה לה. כך, נוכל לאתר את השינויים בהתנהגות הלקוח, בציפיות שלו, וברגש שהלקוח מרגיש כלפי המותג. בדרך זו ניתן למדוד טוב ואמין יותר את חוויית הלקוח האמיתית, לייצר חוויה רלוונטית בהתאמה אישית בזמן אמת ואף לבסס החלטות אסטרטגיות טובות יותר.

המגבלות העיקריות של סקרי לקוחות

• הגבלה כמותית - לרוב, סקרי שביעות רצון דוגמים כמות קטנה של לקוחות. מעבר לכך, אחוז העונים על הסקר בד"כ נמוך, כך שהעונים על הסקר הם בד"כ אותם לקוחות מאוד מרוצים או מאוד לא מרוצים, ולכן התוצאה הסופית של הסקר לא בהכרח מהווה מדגם מייצג.

• תגובה ריאקטיבית - סקרי לקוחות אמנם מסייעים לנו לזהות בעיות נפוצות בקרב הלקוחות, אך בניגוד לשימוש בכלים לחיזוי אנליטי, התובנות שהם מביאים מגיעות בדיעבד. לכן אין באפשרותם לייצר תגובה בזמן אמת.

• קושי בהבנת גורמי השורש של סנטימנט הלקוח - בניגוד לחיזוי אנליטי המאפשר לנו לעקוב בזמן אמת אחר ההתנהגות הצרכנית של הלקוח ולנתח כל פעולה שהוא מבצע, סקרי לקוחות לא בהכרח מספקים לנו תשובות כנות ומפורטות מצד הלקוחות. כך שלא תמיד ניתן להצביע על גורמים ספציפיים המצריכים שינוי וחשיבה מחדש.

היתרונות של שימוש בחיזוי אנליטי ואיך זה משפיע על חוויית הלקוח

שימור לקוחות ומניעת נטישה בקרב לקוחות - חיזוי אנליטי מאפשר לארגונים להתמודד בין השאר עם סוגיית שימור הלקוחות באופן יעיל ואפקטיבי ולאתר בזמן אמת לקוחות שניצבים על סף עזיבה. זאת באמצעות מודלים טכנולוגיים לניתוח התנהגות הלקוח במהלך האינטראקציה שלו עם המותג. ברגע שמתקבלת אינדיקציה לגבי לקוח מסוים, ניתן לפנות אליו באופן יזום ולפעול למען שיפור החוויה שלו. כמו כן, כלים אלו מאפשרים לחברה לזהות מגמות והתנהגויות מסוימות בקרב הלקוחות ולבסס אסטרטגיות שיווק ושירות מותאמות יותר בהתבסס על אותן מגמות.

לראות קדימה, מעבר לצרכים המיידיים של הלקוח - הצרכים של הלקוח מאוד דינמיים ומשתנים במשך הזמן, כך שמה שמתאים לו היום, לא בהכרח יהיה רלוונטי עבורו בעתיד הרחוק ולהפך. כך לדוגמא - רווק בשנות העשרים לחייו לא יזדקק כרגע לביטוח בריאות המכסה תלויים, אך סביר להניח שהדבר יהיה רלוונטי לגביו ברגע שהוא יתחתן ויהיו לו ילדים. חיזוי אנליטי מאפשר לארגונים להסתכל מעבר לצרכים המיידים של הלקוח ולחזות את הצרכים שלו בטווח הארוך.

מעורבות בזמן אמת - הכלים הטכנולוגיים הקיימים היום מסוגלים לעבד ולנתח נתונים בזמן אמת. יכולת זו מאפשרת לאתר אינטראקציות שליליות עם הלקוח בזמן אמת. כך ניתן לפעול באופן מידי על מנת לשפר את הרגש שהלקוח מרגיש כלפי המותג בסיטואציה ספציפית (כמו למשל, במהלך שיחה עם נציג שירות). חיזוי אנליטי מאפשר לנו לבסס תמונה מקיפה של קהל הלקוחות שלנו ולפעול באופן פרואקטיבי ומידי, במטרה למנוע בעיות וקשיים פוטנציאליים ולייצר חווית לקוח בהתאמה אישית.

אילו פעולות יש לבצע לפני שמשתמשים בפלטפורמה לחיזוי אנליטי?

שימוש אפקטיבי בחיזוי אנליטי אפשרי בהינתן 2 פרמטרים מרכזיים:

• נתוני לקוחות מטוייבים ומאוחדים – על מנת שניתן יהיה להפעיל מודלי ניתוח חכמים, יש צורך להביא למאגר מרכזי את כלל נתוני הלקוחות, אשר יכלול את כל האינטראקציות מכל הערוצים שיש ללקוחות מול החברה. לאחר איסוף הנתונים, יש צורך לייצר פרופיל לקוח מרכזי, אחוד ומטוייב.

• מאגר גדול של נתונים - ככל שקיימים יותר נתונים, כך תוצאות הניתוח יהיו טובות יותר. יחד עם זאת, ברגע שארגון יודע שיש בידו לאסוף כמות גדולה של נתונים, עם הזמן, ניתן להתחיל עם סט נתונים מצומצם על הלקוח, ולהרחיבו עם הזמן.

לסיכום, אין ספק כי לסקרי לקוחות יש מקום של כבוד בכל תוכנית ארגונית לשיפור חווית הלקוח והשירות, בעיקר לצרכי מחקר. יחד עם זאת, לאור המגבלות שהוצגו, כדאי לארגונים לחשוב איך הם יכולים לעבות את התובנות ולהפכם לאמינים יותר באמצעות שימוש בחיזוי אנליטי. ובכך לאפשר לארגונים לייצר גם מהלכי שיפור פרואקטיביים מול הלקוחות בזמן אמת.