Как большие данные могут увеличить прибыль вашего бизнеса

Если говорить упрощенно, то работает это так. Представьте, что перед вами стол, на котором 50 стопок по 500 бумаг в каждой — отчеты, чертежи, заявления. А вам нужны только заявления.
Вручную перебирать 25 тысяч бумаг жизни не хватит. Поэтому вы перебираете одну стопку. Обнаруживаете закономерность: в среднем каждая третья бумага — это отчет. Поэтому из остальных 49 стопок вы просто достаете каждую третью бумагу. Точность не очень высокая, зато быстро. Это традиционный метод анализа.

А по методу больших данных мы бы так же перебрали первую стопку, но учитывали еще автора каждой бумаги, цветные они или черно-белые, дату написания и еще кучу менее очевидных параметров. Потом мы проанализировали бы из первой стопки только отчеты и увидели, что 70% из них за авторством Иванова. А Иванов — руководитель отдела. Значит, отчеты пишут по большей части руководители отделов. По всем этим параметрам можно сортировать бумаги в остальных 49 стопках, добившись таким образом большей точности.

Но для принятия управленческих решений используется лишь небольшая часть этой информации. Потому что она, как правило, хранится в слабо структурированном виде. Например, текстовый файл, где через запятую перечислена информация по каждому звонку вперемешку с техническими деталями. Анализировать это вручную весьма проблематично, поэтому информация просто висит мертвым грузом и никак не используется.

При этом большинство популярных CRM интегрируются с телефонией. Применяя метод больших данных к информации из обеих систем, вы получаете удобные отчеты о своих клиентах. Анализ можно проводить с учетом всей имеющейся информации, а не одного-двух параметров. Это и есть главное преимущество методики анализа больших данных для малого бизнеса.

Мы и дальше будем говорить о больших данных на примере CRM и телефонии, но есть множество других источников — информация, которую клиент оставил при покупке, данные геолокации, статистика подключения к вашей Wi-Fi-точке и так далее. В одной статье все источники не охватишь.

Я внедрял метод больших данных в несколько компаний. Вот лишь несколько вопросов, на которые они получили ответы в рамках этих кейсов.

Когда лучше информировать о новых продуктах? Однозначно не тогда, когда идет обращение в техподдержку. Ведь в этой ситуации у клиента есть проблема — он недоволен, ему не до новинок. Однако, анализ показывает, что клиенты, часто звонящие в техподдержку, — это не самые недовольные, а самые активные. Они совершают больше всего повторных покупок.

Что сделали. Арендовали связку АТС + CRM за 36 тысяч рублей в год. По выводам из анализа по методу больших данных сделали гипотезу. Реализовали — продажи выросли на 7%, прибыль — на 168 тысяч рублей в год. Выгода — 132 тысячи рублей.

Как количество пунктов в голосовом меню сказывается на продажах? Обычно ответ на этот вопрос ищут методом опроса. Если 80% опрошенных ответили, что хотят больше пунктов в меню, а 20% — что меньше, то количество пунктов будет увеличено. Применяя методики анализа больших данных, получаем явную привязку к размеру населенного пункта: в крупных городах клиенты хотят получить необходимую информацию из голосового меню, в маленьких — сразу слышать живого человека. Делаем два разных меню, настраиваем автоматическую переадресацию — и все довольны.

Что сделали. Организовали два голосовых меню — одно для крупных городов, другое для регионов. На их создание и настройку переадресации потратили 8 тысяч рублей, на аренду АТС + CRM — 36 тысяч рублей в год. Годовая прибыль увеличилась на 23 тысячи рублей в месяц или 276 тысяч рублей в год. Выгода — 232 тысячи рублей в год.

Как улучшить качество техподдержки? Обычно его оценивают по тикетной системе: решаем проблемы в срок — все в порядке, опаздываем — надо поднажать. Чтобы ускорить работу, нанимают дополнительных сотрудников, проводят тренинги для имеющихся, вводят несколько уровней поддержки. Эффективность, несомненно, вырастет, но оценит ли это клиент? Методика анализа больших данных дает понятный, но не совсем очевидный результат: заказчики высоко оценивали качество поддержки, когда их подробно информировали о ходе выполнения заявки.

Что сделали. Ввели систему автоматического информирования клиентов. На внедрение потратили 35 тысяч рублей, CRM + АТС обходится в 36 тысяч рублей в год. Средняя оценка по 5-балльной шкале до ввода — 3,2 балла, после — 4,3 балла. Дополнительный сотрудник, которого планировали нанять для решения проблемы раньше, обошелся бы в 23 тысячи рублей в месяц и не факт, что решил бы проблему.

Конечно, к похожим выводам можно прийти, не пользуясь методиками анализа больших данных. Но это будут скорее удачные предположения, чем управленческие решения, базирующиеся на конкретных фактах и цифрах.

Очевидно, что рано или поздно бизнес начнет активно пользоваться большими данными. Начав делать это прямо сейчас, вы можете получить серьезные конкурентные преимущества.