Pokud máte na starosti vytěžení zákaznické báze nebo řízení distribuční sítě, určitě jste se nesčetněkrát setkali s následující situací: chcete znát informace o vašem klientovi – jaké má produkty u konkurence, kdy u vás byl naposledy, co by chtěl a nechtěl, respektive potřeboval a nepotřeboval, jestli by náhodou neměl rodinné příslušníky nebo kamarády, kterým by se hodil váš produkt nebo služba a podobně. Tyto informace samozřejmě nejste schopni jednoduše získat – většinou vůbec, nebo pouze ve velmi malém rozsahu a po vynaložení značného úsilí.

Co s tím?

1. Můžete se snažit data v systémech najít. Asi vás nepřekvapí, že ve stávajících systémech spíše nejsou – buď je systémy neumějí uchovávat, nebo je prostě nikdo nesbírá.
2. Můžete systémy změnit. Určitě tušíte, že změna bude nákladná a bude trvat roky.
3. Můžete se klientů prostě zeptat. Budou ale ochotni odpovědět? A budou vaši pracovníci ochotni se zeptat? A kam budou odpovědi klientů zapisovat? A jak budete pracovat se zápisky, které nejsou moc strukturované a v nichž je plno překlepů?

Nakonec jsme zase u změny systému. Ne nezbytně nutně. V dnešní době existují přístupy a technologie, které umožní zpracovat nestrukturovaný text. To asi všichni víme, ale mnozí se domnívají, že fungují pouze v angličtině. Opět to není úplně pravda. I na českém trhu se můžeme setkat s akademickými projekty i komerčními společnostmi, které umí zpracovat množství jazyků, mezi nimi i češtinu, a to na velmi vysoké úrovni.
Pouze zpracováním nestrukturovaných dat ale problém nekončí. Jsme stále u otázky ochoty pracovníků informace zapisovat a klientům je poskytovat. A samozřejmě je nutné poznámky někam zapsat a integrovat. Jedno české přísloví praví, že kdo se bojí, nesmí do lesa. Když se ale zkusíme chvilku nebát a podíváme se do reálného života, s překvapením zjistíme, že tento problém má elegantní řešení.

Začněme ochotou. Praktické projekty ukázaly, že pracovníci distribuční sítě i kontaktních center již dnes poznámky z diskusí s klienty zapisují, a to ve statisticky významné míře (pokud mají kam). Stejně tak se – při pohledu do stávajících CRM systémů – ukazuje, že zákazníci nemají velký problém údaje o sobě poskytnout, pokud jsou dotázáni. Přesná čísla se liší společnost od společnosti, ale lze všeobecně konstatovat, že v systémech například finančních institucí budou existovat (různě staré) poznámky u zhruba třetiny až poloviny klientů. Samozřejmě je zde stále platná otázka kvality i zastaralosti informací, ale praxe opět ukazuje, že se stávajícími poznámkami se dá pracovat.

Jak motivovat pracovníky k častějšímu zápisu poznámek z jednání s klientem? Opět máte mnoho možností – od pozitivní motivace (body či finanční odměna v závislosti na vašem motivačním systému) přes nařízení (podle vnitropodnikové směrnice je povinností pracovníka údaje zaznamenat) až po legislativní nutnost – v určitých případech se můžete opřít i o nový občanský zákoník.

Zbývá nám úložiště těchto informací. Pokud máte CRM systém (či jemu podobný) s možností ukládat nestrukturované poznámky, využijte jej. Pokud takový systém nemáte, můžete s úspěchem využít jakoukoliv jinou aplikaci, která zaznamenává text. Může to být e-mail, textový editor, tabulky, cokoliv. Dnešní nástroje umí celkem jednoduše zpracovat data ze všech těchto zdrojů.

Co tím vším získáte?

V prvé řadě cennou studnici informací o klientovi. Pokud ji správně využijete a dokážete integrovat do analytických modelů zaměřených na predikci chování klientů či jejich ochotu nakupovat, můžete vylepšit stávající schopnost akvizice nových klientů, profitabilitu klientů cross-sellingem vašich produktů či služeb nebo jejich loajalitu. Můžete také všechny tři oblasti začít budovat, pokud jste toho dosud nebyli schopni.

Několik čísel na závěr

• 25 % – jedna středoevropská banka dokázala pomocí využití nestrukturovaných dat zlepšit schopnost predikce odchodu zákazníků a společně se správným cílením retenčních nabídek snížit odchod klientů o čtvrtinu.
• 30 % – jiná finanční instituce dokázala zvýšit cross-sell svých služeb cca o třetinu.
• 5× – západoevropský telekomunikační operátor dokázal pomocí kombinace využití nestrukturovaných dat s daty transakčními zvýšit přesnost identifikace klientů, kteří jsou schopni ovlivnit chování svého okolí. Cílením akvizičních nabídek přímo na tyto klienty dokázal operátor získat pětkrát více zákazníků oproti původnímu stavu, kdy akviziční nabídky zasílal do své sítě necíleně.

David Slánský
Autor působí jako director v oddělení Management Consulting společnosti KPMG Česká republika.