В этой статье я расскажу о недавнем пилотном проекте по максимизации бизнес-метрик на АЗС при помощи клиентской аналитики, сегментации и гибких стандартов, которые учитывают реальный клиентский контекст в режиме реального времени.
_______________
Чего добились за 4 месяца:
- Рост выручки на 8%
- Рост промо акций на 6%
- Выполнение плана на 100% каждый месяц после запуска новых процессов
- Скорость обслуживания выросла на 20%
- Подняли индекс удовлетворенности, постоянные клиенты заметили и одобрили гибкие стандарты
- Удовлетворенность обслуживанием на АЗС повысилась с 25% до 90%
_________________
Олег Биргер — специалист в области поведенческой экономики, customer experience management и lean production
Изначально, я пришел в компанию как внешний консультант по управлению клиентским опытом и бережливой продуктовой разработке.
Моей задачей было выявление точек роста прибыли, оптимизация продуктовой разработки и бизнес-процессов. Но в этом проекте я задержался надолго и нашел много инсайтов, о которых сейчас расскажу.
Главная цель проекта:
Сохранить и увеличить прибыль станции, оптимальным способом для бизнеса. Повысить эффективность бизнес-процессов и удовлетворенность клиентов без больших инвестиций.
План проекта
1. Исследование текущей ситуации, клиентского опыта и внутренних процессов на АЗС. Выявление проблем и потенциала роста.
1.1. Исследование конкурентных решений и процессов в смежных отраслях.
2. Гипотезы улучшений и предварительные расчеты.
3. Сегментирование клиентов, изучение и стандартизация сегментов.
Разработка клиентских сценариев и акций/предложений. Расчеты.
4. Тестирование на 1 пилотной АЗС и первые эффекты.
5. Тиражирование улучшений на остальные АЗС. Адаптация и сопровождение.
Как и полагается в крупной корпорации, в процессе согласования этого проекта с руководством мы сформировали рабочую группу, которую входили руководитель проекта (это я) + один исследователь, руководители подразделений маркетинга, операционки, IT, и других смежных отделов, решения которых влияют на клиентский опыт.
Затем согласовали у руководства необходимые полномочия и ресурсы на время пилотного проекта:
- Возможность изменять и создавать речевые модули (скрипты) и другие стандарты всех сотрудников пилотной АЗС
- Смена мотивационной системы для всех сотрудников пилотной АЗС (отмена контроля проговаривания акций, изменение и привязка премиальной части к выручке общей и индивидуальной)
- Полномочия для замены и добавления дополнительных сотрудников АЗС, возможность менять график работы и, возможно, некоторые инструкции
- Возможность создавать и тестировать акции на любые товары (по заранее согласованной рамке по марже и другим характеристикам)
- Возможность изменять сроки и количество при заказе товара из матрицы
- Возможность изменять визуальное и аудио-информирование клиентов на АЗС (баннеры, радио, наклейки, навигация)
- Возможность изменять расположение товаров на полках и планировку стеллажей
Этап 1: Исследования
Сначала мы приступили к базовым исследованиям клиентского опыта и бизнес-процессов на АЗС и занесли этапы клиентского пути на CJM в Miro, в которую потом заносили заметки об опыте клиентов и процессах
А для того, чтобы в конце оценить эффективность проекта, мы сразу замерили текущие показатели:
- Средний процент выполнения плана продаж
- Средняя выручка
- Средняя выручка промо-акций
- Средний чек
- Средняя сумма сопутствующих товаров на 1 литр топлива
- Средняя и максимальная очередь на кассах
- Среднее время обслуживания одного клиента
- Процент ошибок на кассе
- Удовлетворенность клиентов
- Удовлетворенность сотрудников
- Уровень текучки персонала АЗС
Что входило в первичные исследования:
- Наблюдения за клиентским поведением на АЗС
- Анализ внутренних бизнес-процессов
- Наблюдения и тайные закупки у пяти основных конкурентов
- Глубинные интервью с клиентами на точках контакта
- Глубинные интервью с сотрудниками
В ходе исследований и приоритизации точек роста мы выделили стандарты обслуживания и скрипты на кассе как основное направление для улучшений. Так как поведение оператора-кассира и логика внутренних бизнес-процессов влияет почти на все основные бизнес-метрики. А адаптация речевых модулей и промо-акции под разные сегменты клиентов почти не требует вложений и IT-разработки.
На АЗС, при среднем времени обслуживания в 30 секунд, у кассира есть всего 5 секунд на дополнительную коммуникацию с клиентом и призыв к покупке товара по акции. Поэтому мы подробно исследовали клиентский опыт на кассе и внутренние стандарты с обеих сторон прилавка и выделили три основные проблемы:
- Механизм создания акций не учитывает реальные ситуации у клиентов (акции по сопутствующим товарам), а существует в едином универсальном виде для всех сегментов клиентов. Это удорожает процессы, ухудшает лояльность клиентов и впечатления от посещения АЗС.
- Стандарты обслуживания и скрипты создаются в офисе без подробного учета реальных обстоятельств на АЗС. Это создает конфликты между процессами и не прогнозируемый эффект от случайных и универсальных акций.
- Система мотивации и контроля персонала заставляет сотрудников станции делать всё возможное, чтобы избегать штрафов, а не сопровождать клиентов в их задачах. Это отвлекает персонал от внимания и удержания клиентов и раздражает самих посетителей.
Некоторые цитаты из интервью с клиентами:
- «Я приехал на заправку чтобы быстро заправиться и уйти, а в итоге стою в очереди и слушаю как кассир, как робот, несколько раз предлагает что-то докупить»
- «Бесит, когда операторы впаривают свои акции и еще говорят их как скороговорки»
- «Подхожу к кассе, оплачиваю бензин и ухожу, а оператор под нос что-то там бормочет про выгодные акции»
- «Слишком долго и много операторы говорят каждый день одно и то же, можно было и покороче это сделать»
- «Я понимаю, что операторы обязаны что-то проговаривать, но всё, что мне предлагали, мне это не нужно. Я уже не воспринимаю их слова, куча лишней информации»
- «Слишком навязчиво предлагают акции. Мне жаль, конечно, операторов, что они говорят всё это в пустоту, как заведенные, я понимаю, что их заставляют»
- «То, что они предлагают, мне не нужно. Я и сам могу спросить когда мне что-то надо»
- «Я оплатил заправку и вернулся, чтобы докупить кофе, а мне опять проговаривают ту же акцию, которую я только что слышал»
Цитаты сотрудников АЗС (операторов-кассиров):
- «Акции формируются в офисе и спускаются сверху, мы не понимаем, как они создаются, нам просто надо это продать по возможности всем клиентам»
- «Клиентов нервируют скрипты, многим нужно просто быстро заправиться и сразу уехать»
- «Озвучивание скрипта в очереди еще сложнее. Идущий следом клиент уже всё слышал несколько раз в очереди и вынужден еще раз это выслушивать, когда его очередь подошла»
- «Клиент оставил деньги и ушел, а стоящий следом клиент спрашивает: "Девушка, вы сейчас с кем разговариваете? Это странно»
- «Вечером у нас большой поток людей, оператор одна — обслуживает сразу на двух кассах, чтобы уменьшить время ожидание клиентов. И вот просто в спешке может где-то какую-то фразу упустить, а это никому не интересно при проверке, никто это не учитывает и нас штрафуют»
- «Если человек говорит: "Мне ничего не надо", то у нас нет возможности замолчать, потому что нас оштрафуют»
- «Некоторые клиенты заходят по несколько раз — некоторые с недоумением реагируют: "Я же только что здесь был", но мы вынуждены проговаривать»
- «Часто говорят: "Господи, когда Вы уже закончите всё это?»
- «У нас есть глухонемые клиенты. Единственный выход — это бумажка и ручка. И мы всё равно проговариваем скрипты глухонемым клиентам чтобы нас не оштрафовали»
Этап 2. Гипотезы, предварительные расчеты и приоритизация
Спустя один месяц анализа, качественных и количественных исследований на АЗС, мы вернулись в офис, собрали рабочую группу, построили и примерно рассчитали несколько приоритетных гипотез по:
- улучшению скриптов продаж операторов и заправщиков (и коммуникации между ними)
- созданию гибких адаптивных стандартов сопровождения клиентов
- улучшению логики и интерфейса внутренней IT-программы операторов
- улучшению процессов найма и системы обучения персонала
- улучшению системы мотивации персонала и критериев контроля качества их работы
- улучшению процессов разработки с вовлечением сотрудников на точках контакта
Рост прибыли и удовлетворенности будет достигаться за счет сегментации клиентов, сценарной системе акций, обучения сотрудников подстройке и сопровождению каждого отдельного сегмента быстрее, чем несколькими универсальными скриптами/ стандартами для всех (снижая издержки на процессы и повышая удовлетворенность).
Мотивации сотрудников и системы контроля теперь будет оцениваться по основным критериям: успешный опыт клиента, повторная продажа, LTV, общая выручка.
Также прикинули возможные риски и проблемы на нашем пути.
Риски от внедрения незначительны, так как это будет временный пилотный проект на одной станции, с возможностью вернуть все процессы в прежнее состояние в течение одного дня.
Основным опасением было то, что резко могут упасть продажи акционных товаров, так как операторы теперь не должны будут предлагать их каждому клиенту.
Забегая вперед, скажу, что результат нас всех приятно удивил.
Сейчас процессы начинаются из офиса и создаются без учета реальных обстоятельств на АЗС. Это подразумевает комплексный подход к улучшению клиентского опыта на АЗС: скрипты, стандарты, товарная матрица, акции, пространство станции, доп. сервисы, прямая связь с офисом при разработке продуктов и услуг.
Прогнозируемые улучшения:
- рост выручки на 5-10%
- рост средней суммы сопутствующих товаров и услуг на 1 литр топлива на 5-10%
- рост NPS на 25%
- рост LTV
- снижение текучки персонала, рост и чаевых удовлетворенности сотрудников
- увеличение пользователей МП
- снижение клиентских ошибок на кассе
- экономия на процессах разрешения конфликтов с клиентами и коллегами
- снижение очередей в часы-пик
- снижение издержек на обучение и контроль сотрудников
- повышение точности закупки товаров и снижение просрочки
- повышение точности разработки цифровых продуктов за счет петли обратной связи с АЗС
Этап 3. Сегментация и клиентские сценарии
Так как подробно всю технологию сегментации и гибких стандартов продаж конкретно в этом проекте я не могу выкладывать в публичный доступ, поэтому опишу общими блоками.
Сначала мы просто выделили основные клиентские сценарии по основным шагам и вариантам в клиентском пути, чтобы потом увидеть, где и для какого сегмента можно улучшить опыт.
Дальше мы разделили клиентов на сегменты по поведенческим признакам и по их главной цели. Например, поведение: «Ездят по городу», «Межгород», «Загород» и т.д.
Потом каждый сегмент уже разделили по назначению, зачем они покупают топливо, куда едут: «На работу и обратно», «В магазин», «В детский сад», «Просто катаются, проводят досуг», «Таксисты», «Курьеры» и так далее.
Важно сегментировать клиентов сразу по поведенческому признаку или по назначению продукта (зачем они покупают топливо), а только потом добавлять общие критерии, типа: Возраст, Пол, Объем покупок и т.д.
В этом случае сценарии продаж и обслуживания будут более точными и прибыльными. Ведь загород может ехать 20-летняя девушка и 60-летний мужчина, но они оба могут купить товары для барбекю, большой объем воды, заправить больше топлива, чем при езде по городу, и провести больше времени на АЗС, сходить в туалет и купить хот-дог. Их объединяет только поведение и цель покупки.
Остальные критерии тоже важны, но магия здесь заключается в точности изучения поведения и целей, для которых клиент покупает наш продукт.
Если примерно вы знаете, куда и зачем едет клиент, то вы знаете, что ему продать. И тогда для каждого клиентского сегмента вы можете создавать отдельные промо-акции и дополнительные продажи сопутствующих товаров и услуг.
Например, если бы владелец цветочного ларька знал, зачем этот клиент покупает цветы, на свидание или на похороны, то он мог бы оказать клиенту лучший сервис (пожелать удачи или посочувствовать) и допродать презервативы или черный платок соответственно. Но если бизнес этого не знает, то делает продажи наугад, с соответствующей эффективностью.
В разработке сценариев и адаптивных стандартов нам очень помог опыт самостоятельной работы на кассе АЗС во время базовых исследований и уже существующий огромный опыт операторов, которые, будто обученные нейросети с огромной базой знаний о клиентах, сами нам рассказали что, кто и в каких обстоятельствах обычно покупает. Нам оставалось лишь внимательно и подробно их опросить, чтобы составить основную картину, как переделать стандарты обслуживания и продаж. И затем проверить достоверность этого опыта.
Мы взяли свой опыт из исследований, добавили опыт операторов, опыт конкурентов и сформировали ключевые сегменты и гибкие сценарии обслуживания для операторов.
Вместе с операторами мы сделали гибкие речевые модули, которые звучали логично и уместно в каждом определенном контексте.
Теперь оператору не нужно было строго проговаривать скрипты и промо-акции. Он мог «жонглировать» речевыми модулями и акциями в зависимости от клиентского сегмента и окружающих обстоятельств, а главное — говорить своими словами, а не читать по бумажке. Скрипт менялся в зависимости от того, кто стоит у кассы, куда он едет, какая погода, сколько человек в очереди и т.д.
Дальше оставалось только пополнять и уточнять нашу базу знаний о поведении основных клиентских сегментов (самых прибыльных для бизнеса) при помощи технологий больших данных, ИИ, идентификации клиентов, базы данных, и петли обратной связи от клиентов. Но базовая задача уже была выполнена.
Этап 4. Результаты тестирования гибких стандартов и системы продаж
От момента согласования проекта до успешного пилота прошло 4 месяца.
Для оптимизации стандартов продаж мы не использовали никакой цифровой разработки и не покупали никакого оборудования. Затрачены были только мои рабочие часы (+1 исследователь) и время рабочей группы на основных встречах раз в неделю и время сотрудников АЗС.
При этом мы получили прогнозируемые результаты. Еще мы получили улучшения совсем неожиданных и неочевидных метрик, например, рост базовых промо-акций на 6% (мы боялись, что этот показатель упадет, ведь их перестали проговаривать в обязательном порядке).
И еще нам открылось огромное количество инсайтов для улучшений в смежных процессах и продуктах, таких как: система приемки и списания товаров, сервисы в мобильном приложении, кассы самообслуживания, программа лояльности, идентификация клиентов и наработки по другим процессам, которые мы передали в соответствующие команды в офисе.
Вот какие показатели мы получили
Это устойчивые эффекты, так как мы их замеряли еще через 5 месяцев после получения первых результатов (то есть все замеры мы делали 9 (4+5) месяцев подряд).
Первые экономические эффекты:
- Рост выручки на 8%
- Рост промо акций на 6%
- Выполнение плана на 100% каждый месяц после запуска гибких стандартов
Клиентские эффекты:
- Скорость обслуживания выросла на 20%
- Подняли индекс удовлетворенности, постоянные клиенты заметили и одобрили гибкое общение.
Удовлетворенность обслуживанием на АЗС в марте - 25%, в ноябре - 90%.
Дополнительные эффекты для бизнеса:
- Сократились списания товара (стали предлагать товары со сроком годности)
- Текучка персонала полностью исчезла (другие операторы интересуются переводом именно на эту станцию)
- Операторы стали брать дополнительные смены, на замену
- Экономия на «слепой» проверке стандартов (диктофоны, тайные покупатели) и сопутствующих бизнес-процессах
- Улучшилась выкладка товаров, освободилось время и силы для смежных процессов
- Улучшилась коммуникация в коллективе (не нужно теперь спорить и доказывать управляющему, что клиент убежал и не дослушал скрипт)
- Есть возможность делать up-sell и cross-sell (повышение чека) ВСЕХ товаров на АЗС.
Этап 8. Тираж
Теперь необходимо внедрять эту практику на другие АЗС, адаптировать для регионов, пополнять базу знаний о клиентском опыте и сопровождать эти улучшения.
Я считаю, что дальнейшее масштабирование этого проекта стоит затраченных усилий, ведь если взять только один показатель выручки, который мы повысили на 8%, то это будет несколько десятков миллиардов рублей дополнительной выручки в год на всю сеть, без затрат на рекламу, оборудование и it-разработку.
