Правильная кластеризация обратной связи (фидбэка) от клиентов

Мы уже не раз говорили о том, что мнение клиентов важно для бизнеса: опросы для нужд продакт-менеджера, анализ конкурентов, измерение лояльности, удовлетворённости, уровня клиентских усилий, составление психографических портретов и т.д.

Например, на основе фидбека от реальных пользователей можно улучшить и оптимизировать продукт, для этого даже есть специальная методика – Voice of the Customer («Голос клиента»).

Но мало просто собрать данные, их ещё нужно проанализировать, чтобы на их основе можно было предложить какое-нибудь адекватное решение. Но если информации станет слишком много, то менеджер, ответственный за анализ быстро взвоет (на всякий случай о диагностике выгорания) и пойдёт искать условия труда попроще.

Ниже попробуем научить оптимизировать труд и правильно распределять данные фидбэка по категориям.

Основная проблема входящих данных

Представьте, что у вас для обратной связи с клиентами есть только одна форма ввода (по аналогии – одно окно в приёмной). В этом случае все запросы, предложения и жалобы будут объединяться в один сплошной поток. В итоге получается «каша». Невозможно разобраться где, что и насколько это важно для вашего бизнеса.

Если попытаться обработать данные «по вершкам», то обязательно будет упущено что-то важное. Примерно, как при добыче золота – в сплошной мешанине воды, песка и мелких камешков легко может затеряться золотой самородок. Если не изучить содержимое внимательно, то его никогда не найти.

Примерно так нужно относиться к фидбэку. Всего один отзыв из нескольких сотен, а иногда и из тысяч может содержать полезную информацию. Соответственно, разбором данных должен заниматься человек и у него должны быть достаточные полномочия + опыт, чтобы он мог правильно распределить информацию по категориям и по приоритетности для компании/бизнеса.

Другая сторона процесса – сильно возрастающая сложность при увеличении объёма входящих данных. Как бы мы не старались, человек имеет свою производительность. А без участия человека процесс разбора обратной связи невозможен. Как быть?

Нужно максимально автоматизировать процесс, но очень осторожно. Как и что – расскажем далее.

Как разложить фидбэк по полочкам

Условно процесс кластеризации данных из обратной связи можно разбить на следующие шаги:

1. Ручное изучение входящих данных для выявления первичных категорий фидбэка.
2. Формирование категорий и ключевых слов к ним.
3. Кластеризация данных на основе ключевых фраз и слов.
4. Ручной разбор оставшихся данных.
5. Вторая итерация выявления подкатегорий и категорий (если первичная разбивка не решила большинство проблем).
6. Новая кластеризация по уточнённым критериям.
7. Дальнейшая оптимизация (по мере необходимости).

Процедуры добавления новых категорий и подкатегорий могут запускаться бесконечно. Всё будет зависеть только от объёма входящей информации и оставшихся необработанных запросов/фидбэка.

Представим, что у вас онлайн-сервис по продаже билетов на мероприятия. В категории уже потенциально должны попасть: проблемы при проведении оплаты, организационные вопросы, запросы от партнёров и их агентов. В категории вопросов по оплате можно произвести дробление на подкатегории: проблемы с применением промокодов, вопросы по доступным способам оплаты, ошибки или недоступность платёжных шлюзов, необходимость отмены платежа или покупки (возможность сдать билеты) и т.п.

Сами по себе категории могут соотноситься с определёнными приоритетами обработки. Ведь логично, что проблемы с оплатой должны решаться быстрее, чем изучение информации с благодарностями.

Плюс, по категориям проще проводить хоть какую-то статистику и аналитику:

• Где чаще всего возникают проблемы.
• Какие вопросы требуют наиболее быстрого реагирования.
• Какими именно «болями» клиенты делятся в фидбэке.

Чтобы минимизировать объём работы, форму фидбэка можно немного «усложнить»:

• Добавить к ней оценку (оценки можно использовать для метрик NPS, CSat, CES и т.п., а можно просто опираться на них при сортировке – как степень недовольства клиента).
• Добавить поле для загрузки скриншотов и картинок (будет актуально для случаев, когда клиент хочет подкрепить свою проблему чем-то предметным, например, скриншотом съехавшей вёрстки).
• Добавить выпадающий список с общими категориями/темами обращений (клиенты смогут самостоятельно производить первичную категоризацию фидбэка, вам будет оставаться минимум работы).
• Параллельно можно собирать дополнительную информацию о клиенте (тип его устройства, разрешение экрана, местоположение и т.п.) – это можно сделать с помощью скриптов web-аналитики.
• Дата обращения проставляется и фиксируется автоматически.

Практический пример с кластеризацией фидбэка

В условиях малого бизнеса для работы с данными лучше всего использовать удобный табличный процессор (тут всё упирается в ваши предпочтения и возможности). Работать с формулами и фильтрами умеют все современные табличные редакторы.

Первый шаг – очистка базы фидбэка от мусора.

К мусору можно отнести пустые и очень короткие комментарии. Они слабо коррелируют с критерием полезности.

Отсеять такие ячейки можно достаточно просто – установив фильтр для пустых значений и использовав функцию подсчёта знаков. Например, в Microsoft Excel и в Google Таблицах за подсчёт символов в строке отвечает формула «=ДЛСТР(‘выбранная ячейка’)». Вариант ввода на английском – LEN((‘выбранная ячейка’).

Отсев можно производить волнами: 5, 10, 15, 20 символов. Всё, что короче 20 символов редко бывает информативным. Обычно это ругательства, благодарности или просто баловство со случайным набором знаков. Тем не менее просмотреть эти результаты всё равно нужно.

Если не хотите удалять эти данные, просто проставьте любой удобный вам признак (например «пусто» или «короткий текст») и скройте результаты. Признаки добавляются за счёт ещё одного столбца и настройки фильтров. Для понимания –документация по фильтрам к Таблицам Google.

Когда очистка окончена, можно переходить непосредственно к категоризации.

Для этого тоже необходимо будет использовать систему табличных фильтров и дополнительные столбцы – чтобы обозначить в них категории и подкатегории.

Шаг кластеризации всецело зависит от типа вашего бизнеса, а также от особенностей аудитории. Поэтому здесь нельзя дать универсальный рецепт.

Но вот несколько рекомендаций для повышения эффективности категоризации:

• В качестве ключевых слов для фильтрации контента можно использовать слова, описывающие процесс или явление. Например, для проблем с авторизацией это будут «пароль», «регистрация», «авторизация», «логин», «email», «восстановление» и т.п. Для процедур оплаты можно использовать ключи «цена», «стоимость», «карта», «оплата», «купить», «заказ» и т.п.  Надеемся, что схема дальнейшей работы стала понятнее.
• После фильтрации фидбэка по ключевым словам, нужно просмотреть результаты и в случае чего вручную скорректировать категорию.
• Некоторые отзывы клиентов могут соотноситься с разными категориями, такие записи лучше всего продублировать, но проставить им разные признаки сортировки. Так вы сможете ничего не упустить.
• Если ключевые слова не удаётся «придумать с ходу», то нужно начать изучать фидбэк. Рано или поздно вы начнёте вычленять те слова, которые способны однозначно определить категорию отзыва.
• Категории и определяющие их ключевые слова нужно заносить в отдельную базу (таблицу). База постепенно будет расширяться и дополняться. Чем дольше вы будете работать с фидбэком, тем качественнее будет ваш список ключевиков. Со временем таблицу можно будет использовать для полной автоматизации, например, для написания своих скриптов, работающих непосредственно внутри web-форм.

В компаниях с большим потоком фидбэка ручной режим кластеризации может обойтись слишком дорого. В этом случае для подготовки и анализа крупные корпорации используют машинное обучение и специальные математические модели. Пример готовых реализаций – BigARTM и BertTopic.

Анализ результатов

И вот наконец мы приблизились к самому главному – что делать с полученными данными.

Первое, что нужно сделать – определить важность каждой из категорий. Самая простая реализация – подсчёт упоминаний. Чем выше доля конкретной категории относительно общего количества упоминаний, тем выше её значимость.

Не менее информативна оценка, проставленная пользователем. Чем она ниже, тем пользователь считает проблему критичнее для себя. Соответственно, для вас (для компании или для проекта) такой фидбек наоборот должен иметь наивысший приоритет.

Второй момент – привязка данных к шкале времени. Лучше всего использовать тот период активности, который применяется в ваших корпоративных отчётах: неделя, месяц, квартал, период спринта и т.п.

Тогда на выходе вы получаете практически полную систему аналитики. Каждую отдельно взятую проблему можно связать с периодами её активности. Например, если вы реализовали решение проблемы или повысили качество информационного сопровождения, то частота упоминания категории может сократиться от периода к периоду. Тогда на первый план выйдут уже другие проблемы из фидбэка.

Примерно так и должна вестись работа:

• Вычленяются наиболее важные и критичные проблемы.
• Компания направляет усилия на их решение или на снижение частоты возникновения.
• Снова собирается фидбэк.
• Цикл повторяется.

В идеале сбор и кластеризация фидбэка никогда не должны останавливаться, как и работа над ошибками.

И помните, скорее всего львиная доля отзывов будет простым негативом без конкретики (материал о том, как работать с негативными отзывами). Задача методики «Голос клиента» не просто выслушать всё и забыть, а найти материал для точек роста (инсайты).

С помощью чего собирать обратную связь

Существует множество разных реализаций форм для сбора обратной связи. Но мы рекомендуем готовый онлайн-сервис опросов WebAsk.

Его формы легко собрать из готовых элементов, к ним также просто подключаются системы аналитики, автоматически ведётся внутренняя статистика. Сами формы просто интегрируются с любым сайтом или работают автономно (по прямой ссылке, ею можно поделиться где угодно – почта, SMS, мессенджеры). Для быстрого старта есть готовые шаблоны и темы оформления.

Данные легко выгрузить или расшарить для коллег. Анализировать результаты можно непосредственно в панели управления. При желании можно наладить обмен с полезными внешними сервисами: CRM-системы, Google Таблицы, Telegram, Zapier и т.д.