По мнению Тимоти Кирхмана из группы по изучению мнения потребителей, благодаря этому процессу компании LEGO удалось получить хорошие инсайты.

Специалисты LEGO также изучили, чего ждут дети (их клиентское ядро) от онлайн-среды. Рис. 6.3 иллюстрирует результаты адаптивного диалога с оценкой популярности и степени важности идей, предложенных детьми в ответ на поставленные вопросы. Благодаря этому процессу в LEGO узнали любопытный факт: маленьким клиентам интересно создавать различные конструкции как из физических, так и из виртуальных деталей. Компания сможет использовать эту ценную информацию при разработке новых интернет-продуктов, чтобы привлечь еще больше детей к игре с конструкторами LEGO в интернете.

Рис. 6.3. Идеи детей для интернет-сообщества LEGO

Примечание: представленные на рисунке идеи входят в список лучших шестидесяти четырех. Всего в опросе приняли участие 307 респондентов.

Многие компании, использующие систему NetPromoter, помимо вопроса о рекомендациях и открытого вопроса включают в анкеты дополнительные диагностические пункты. Эти вопросы могут охватывать общие аспекты деятельности компании, такие как репутация, ценность продукта и легкость ведения бизнеса с компанией, или касаться оценки эффективности работы организации в ключевых точках контакта с клиентами, таких как продажи, использование или поддержка. Какой бы ни была выбранная стратегия, индуктивный анализ факторов лояльности, осуществляемый либо самостоятельно, либо в сочетании с описательным, позволяет установить связь между дополнительными диагностическими вопросами и лояльностью клиентов.

В названии этого метода главное слово – индуктивный, то есть полученный с помощью логического вывода. Статистические методы, которые рассматриваются в этом разделе, позволяют делать выводы о том, какие аспекты клиентского опыта определяют общий уровень лояльности, причем на основании агрегированных рейтингов, составленных по оценкам клиентов, а не на основании комментариев. Опросы по оценке уровней лояльности и удовлетворенности потребителей во многих случаях объединяются в одну группу и основаны на применении общего подхода, поскольку во время такого анкетирования изучаются различные аспекты взаимоотношений между клиентами и компанией. Хотя включение дополнительных вопросов оказывает определенное влияние на клиентов, этот метод особенно уместен для определения факторов лояльности и расстановки приоритетов в рамках согласованной совокупности исходных гипотез, заложенных в диагностические вопросы. Этот метод целесообразно использовать для анализа конкурентных преимуществ и разрыва между показателями эффективности в ключевых точках контакта на уровне агрегированных данных и информации по отдельным сегментам клиентов.

Корреляция – самый распространенный статистический показатель, который используется для оценки взаимозависимости между NPS и определенными факторами лояльности. Этот анализ позволяет оценить силу связи между двумя переменными – например, увеличится ли вероятность рекомендаций в случае повышения уровня удовлетворенности продуктом? Коэффициент корреляции, который находится в диапазоне от −1 до 1, отображает степень изменения одной переменной в случае изменения другой.

• Если коэффициент корреляции близок к 0 – значит связь слаба или отсутствует. В изменении значений двух анализируемых переменных нет никакой закономерности.

• Коэффициент корреляции, близкий к 1, свидетельствует о наличии сильной положительной связи. По мере увеличения значения одной переменной повышается и значение другой.

• Коэффициент корреляции, близкий к −1, говорит о наличии сильной отрицательной связи. В случае увеличения значения одной переменной значение другой снижается.

На рисунке 6.4 приведены примеры корреляционного анализа. Чем чаще две переменные меняются в равной мере во всей совокупности наблюдений, тем сильнее связь между ними и тем выше коэффициент корреляции (как в первом примере, в котором определяется связь между качеством продукта и вероятностью рекомендаций). Во втором примере, когда устанавливается корреляция между удовлетворенностью обучением работе с продуктом и вероятностью рекомендаций, обнаруживается менее устойчивая взаимосвязь по всей совокупности наблюдений, что дает более низкий коэффициент. Анализируя этот пример, было бы логично предположить, что качество продукта в большей степени связано с лояльностью клиентов, чем обучение работе с продуктом, поэтому целесообразно и впредь делать все возможное, чтобы клиенты получали продукты такого качества, на которое они рассчитывают.

Высокая корреляция: вероятность рекомендаций меняется вместе с качеством продукта

Низкая корреляция: изменение вероятности рекомендаций и удовлетворенности обучением носит более случайный характер

Рис. 6.4. Два примера корреляционного анализа

Рассмотрим еще один пример. Компания А работает на рынке, на котором произошли существенные изменения после появления новых конкурентов. Следуя своей стратегии, компания соперничает с помощью дифференциации клиентского опыта по самым прибыльным целевым сегментам. Однако руководителям, принимающим решения, не совсем понятно, в какой степени сегодняшние ожидания клиентов обусловлены новой бизнес-моделью, которую используют конкуренты.