За 3 месяца мы превратили локальный спрос на ремонт балконов в предсказуемый поток лидов через VK‑таргетинг: супергео по районам, чат‑бот в группе и ретаргетинг с look‑alike. Результат — 208 горячих заявок, CPL 471 ₽, CPC 51 ₽, бюджет 90 000 ₽.
Цифры из кейса:
≈ 200 — столько анкет было в одной итерации опроса.
≈ 1600 — столько анкет мы обработали за весь период, включая повторные касания.
≈ 30 % — снижение обращений в контакт-центр после внесения корректировок.
1,5 года — продолжительность сотрудничества с заказчиком.
2 недели — средний срок проведения опроса.
1 неделя — период подготовки отчёта.
К нам обратилась крупная страховая компания федерального масштаба, предлагающая полисы для физических лиц и корпоративных клиентов. Команда заказчика хотела построить систему регулярного мониторинга клиентского опыта, чтобы видеть, как изменяется уровень удовлетворённости и лояльности по всем новым клиентам.
Ранее данные собирались нерегулярно и без единой методологии, поэтому важно было выстроить понятную систему измерений, которая бы помогла понять, что в продукте и коммуникациях стоит улучшить.
Регулярный сбор мнений у новых клиентов позволил получить представление о трудностях, с которыми сталкивались клиенты. Так, при онлайн-оформлении страховок люди часто обращались в колл-центр заказчика, чтобы осуществить самые простые операции. Из-за этого нагрузка на операторов повышалась, а разрешение типовых проблем затягивалось. Возникали риски оттока клиентов.
В целом заказчик обратился за регулярным мониторингом показателей через анкетирование. У него не было инструментов для объективного измерения клиентской лояльности — оценки собирались эпизодически и по результатам тяжело было отследить динамику. На основе результатов он мог оперативно корректировать проблемные зоны.
Команда uForce столкнулась с несколькими основными челленджами при проведении опросов клиентов. Во‑первых, мы должны были провести ряд подготовительных работ — ресерчеры получили актуальные базы от заказчика. Нужно было адаптировать опросник под каналы коммуникации, что требовало дополнительных согласований.
Во‑вторых, работа через разные каналы — почтовые рассылки и мессенджеры — требовала продуманной организации процессов. Мы тщательно подбирали инструменты коммуникации и формулировки вопросов, чтобы на выходе получить качественные данные.
Наконец, вопрос вовлечённости респондентов тоже оказался у нас в фокусе. На старте откликов было не слишком много, и чтобы улучшить результаты, команда делала повторные касания — дополнительно отправляла письма и сообщения. Благодаря этому мы увеличили количество ответов примерно на 15 %. Также в заполненных анкетах неоднократно встречались формальные ответы вроде «всё хорошо» без подробных комментариев. Команда учитывала все риски при обработке данных и исключала такие ответы из анализа, чтобы они не повлияли на качество выводов.
Мы предложили построить многоуровневую систему измерения клиентского опыта, где каждый квартал проводится NPS/CSI-анализ по обновлённой выборке клиентов, оформивших полисы в последние три месяца. Так у нас перед глазами были не разовые инсайты, а аналитика в динамике, отражающая, как меняется лояльность и удовлетворенность новых клиентов от разных его продуктов со временем.
Основная идея заключалась в том, чтобы объединить количественные показатели (оценки удовлетворённости и лояльности) с качественными, т. е. развернутыми комментариями с упоминанием болей пользователей.
Мы опирались на следующие метрики:
— NPS (net promoter score) — индекс готовности клиентов рекомендовать компанию.
— CSI (customer satisfaction index) — комплексная оценка удовлетворённости по ключевым параметрам.
Анализ факторов, влияющих на решение о покупке, например, удобство оформления, путь клиента — чтобы понять, где именно пользователи сталкиваются с барьерами, цена, условия страхования.
Мы разделили опрос по типам страховых продуктов, чтобы выявить различия между клиентами разных продуктов. Благодаря этому заказчик смог увидеть, предложения по каким продуктам в меньшей степени удовлетворяют клиентов по соотношению «цена/качество», т. е. стоимости и условиям.
Также мы проводили классическую работу с повторными касаниями — выстроили систему автоматических рассылок и напоминаний респондентам, которые не ответили с первого раза.
Результаты каждого квартала фиксировались в динамике: из сравнительных таблиц NPS и CSI по продуктам и сегментам становилось ясно, какие меры действительно приносят результат.
Чтобы добиться точных и практических результатов, мы разбили работу на пять этапов — каждый из них закрывал отдельную часть задачи.
Этап 1. Разработка методологии
Мы согласовали структуру опроса, позаботившись о ключевых метриках. А затем адаптировали опросник под каждый из каналов коммуникаций.
Этап 2. Формирование выборки
Каждый квартал заказчик передавал базу новых клиентов. Мы проводили опрос с через электронные и мессенджер-рассылки. Для повышения конверсии использовались повторные касания.
Этап 3. Контроль качества ответов
Аналитики проверяли каждую анкету, исключая ответы без комментариев. Благодаря мы могли гарантировать объективность, ведь вероятность завышенности показателей сводилась к нулю.
Этап 4. Анализ данных
Результаты оценивались по каждому типу полиса. Мы выявляли, какие параметры больше всего влияют на удовлетворенность — от скорости оформления до прозрачности условий страхования.
Этап 5. Подготовка рекомендаций
В каждом отчёте клиент получал рекомендации. 50 % новых клиентов звонят операторам по вопросам оформления. При этом значительная часть вопросов касалась навигации сайта. Компания оперативно реагировала на частотные жалобы, оптимизируя путь клиентов, что позволило сократить долю звонков операторам с 50 % до 30 % в течение года.
В результате проведения серии опросов команда получила важные инсайты о цифровых паттернах клиентов. На основе результатов заказчик выявил ключевые точки роста. Одним из главных выводов стало то, что значительная часть новых клиентов сталкивалась с трудностями при оформлении страховки онлайн — примерно половина клиентов предпочитала звонить в колл‑центр, чтобы получить консультацию или завершить оформление. Это указало на необходимость упрощения пути клиента и оптимизации пользовательского опыта на сайте.
Дополнительно мы в очередной раз убедились в эффективности внедрения повторных касаний — дополнительного контакта с клиентами, которые не ответили на первый запрос. Благодаря напоминаниям удалось увеличить конверсию откликов примерно на 15 %. Агентство uForce также выработало чёткий алгоритм фильтрации ответов, чтобы исключать формальные и неинформативные отклики, и это повысило ценность итогового анализа.
В совокупности полученные результаты стали полноценным инструментом для принятия решений. Они дали заказчику понимание, какие изменения необходимо внести в процессы, чтобы повысить удовлетворённость клиентов, продлить цикл жизни и сократить нагрузку на колл‑центр, а также сформировать долгосрочную стратегию по оптимизации клиентского опыта.
За 3 месяца мы превратили локальный спрос на ремонт балконов в предсказуемый поток лидов через VK‑таргетинг: супергео по районам, чат‑бот в группе и ретаргетинг с look‑alike. Результат — 208 горячих заявок, CPL 471 ₽, CPC 51 ₽, бюджет 90 000 ₽.
Сервис NewBiz, помогающий маркетологам быстро, прозрачно и уверенно выбирать рекламные агентства, запустил свою первую рекламную кампанию. В центре идеи — реальные рабочие ситуации, с которыми ежедневно сталкиваются маркетологи и бренд-команды, и юмор как способ честно и узнаваемо о них рассказать.