Лояльность персонала - это корректное, искреннее и уважительное отношение к руководству и сотрудникам. Формирование, оценка и методы повышения лояльности. Идеи для анализа программы поощрения покупателей в рознице Анализ отношения потребителей к проводимо

Методы оценки лояльности клиентов

Руководство большинства компаний понимают необходимость оценки лояльности своих клиентов, так как она является показателем успеха предприятия на рынке и основной долгосрочных и взаимовыгодных отношений с потребителями. Изучение степени лояльности клиентов – это основа разработки управленческих решений в рамках работы системы взаимоотношений с клиентами.

Замечание 1

Универсального метода или способа оценки лояльности потребителей не существует. Существует ряд методик, разработанных в разное время учеными-экономистами, которые занимались исследованиями лояльности.

Классифицируют все методы с точки зрения фокуса лояльности и с точки зрения дисциплинарной области, исследовавшей лояльность.

Рисунок 1. Классификация методов оценки лояльности. Автор24 - интернет-биржа студенческих работ

Методика разделения потребностей была разработана Д.Аакер, Ж.Хофмейр, Б.Райс в 1950-х годах. Она основывается на определении соотношения частоты выбора конкретного товара/бренда к числу совершенных покупок в целом. Если клиент 7 раз из 10 покупает один и тот же товар или бренд, то степень его лояльности составляет 70%. Эксперты определили, что лояльным считается клиент, если степень его приверженности составляет выше 67%. Клиенты с уровнем лояльности меньше этого показателя называют перебежчиками. Данная методика не является эффективной, так как в ней не учитываются скрытые мотивы клиентов, а также глобальные драйверы, влияющие на лояльность клиентов.

Суть методики Д. Аакера состоит в измерении следующих показателей:

мониторинг моделей поведения покупателей (показатели повторной покупки, процент покупок, число приобретенных брендов и т.д.);
учет затрат на переключение (покупатель не приобретает другой бренд, поскольку не хочет подвергать риску изменений;
хорошее отношение к бренду (доверие, уважение);
удовлетворенность – основной фактор оценки лояльности;
приверженность (количество взаимодействий лояльных клиентов с другими покупателями на предмет любимой торговой марки).

Данная методика применяется многими компаниями, для этого используются различные опросы.

Определение 1

Традиционный подход – это определение покупательских намерений о покупке товара/услуги. Если намерение высокое, это говорит о лояльности клиента. Но намерения клиентов могут быть различными и по-разному влиять на деятельность компании.

Различают три вида намерений:

клиент совершает повторные покупки, что оказывает воздействие на рост сбыта;
клиент рекомендует товар//бренд другим людям, что повышает рост числа клиентов компании;
клиент намерен покупать еще больше товаров, что влияет на среднюю выручку в расчете на одного покупателя.

Социологи Р. Мертон и Р. Кендалл предложили использовать метод фокус-групп для оценки лояльности клиентов. Это проведение глубинного интервью в виде серий групповых дискуссий, в процессе которых участники фокусируются на интересующих исследователя вопросах для получения необходимой информации. Данная методика позволяет оценить эффективность рекламы и отношение клиентов к компании, ее продукции или торговой марке.

Согласно методике Ж.Ж. Ламбена исследование лояльности клиентов проходит в несколько этапов:

изучение качества основных преимущества продукции или услуги;
исследование процесса и качества сервиса;
изучение воспринимаемой ценности товара или услуги.

Конверсионная модель Ж. Хофмейра и Б. Райса направлена на измерение уровня приверженности. Они использовали четыре показателя:

удовлетворенность брендом;
наличие вариантов;
важность выбора
уровень неуверенности отношения, колебаний при покупке.

Модель SERVLOYAL как комплексный способ оценки лояльности

Модель SERVLOYAL объединила в себе все подходы к определению уровня лояльности клиентов. Концепция модели – это взаимодействие следующих параметров:

поведенческие аспекты;
аспекты отношения;
когнитивные аспекты;
конативные аспекты;
аффективные аспекты;
аспекты доверия;
аспекты обязательства.

Замечание 2

Задача модели SERVLOYAL – это измерить степень разрыва между ожиданиями клиентов и их восприятием. Полученные данные используются как индикатор успешности деятельности компании.

Главное преимущество этого метода заключается в его соответствии всем современным требования, так как модель оценивает различные показатели в комплексе.

Но некоторые исследователи отмечают спорность данной модели. Есть мнение, что показатели доверия и обязательств клиентов – это больше предсказатели создания лояльности, чем ее элементы. Кроме этого трудность оценки возникает в том, что поведение покупателей может быть оценено в течение конкретного отрезка времени, в то время как элементы лояльности (параметры отношения) оцениваются в определенный момент времени. Это говорит о необходимости согласования указанных компонентов.

Оценка лояльности клиентов на основе модели NPS

Методика NPS была разработана Ф. Рейхельдом. По его мнению, действительно лояльным клиентом является тот, кто активно рекламирует товар/бренд своим друзьям и знакомым, оставляет положительные отзывы и привлекает новых клиентов. При этом рекомендации – это определенная ответственность, которую возлагает на себя лояльный клиент перед своим окружением, поскольку лично ручается за качество товара и уровень обслуживания.

Замечание 3

Суть данной модели состоит в том, что покупателям задается все лишь один вопрос: Оцените по шкале от о до 10 какова вероятность того, что вы порекомендуете нашу компанию и продукцию своим друзьям и знакомым? Ответы на это вопрос способствуют прогнозу возможностей повторных покупок и дальнейших рекомендаций.

Расшифровка ответов:

9-10 – это клиенты-промоутеры;
7-8 – клиенты-нейтралы;
0-6 – это клиенты-критики.

Расчет индекса NPS производится по следующей формуле:

NPS=процент промоутеров-процент критиков

Данный показатель рассчитывается в процентах и оптимальным считается значение - 40%. В отличие от других методов оценки, модель NPS широко применяется многими компаниями, в том числе и крупными транснациональными корпорациями.

Лояльность клиентов следует рассматривать как комплекс параметров, характеризующих их поведение (объем и постоянство закупок) и восприятие поставщика товаров и услуг. Измерение этих параметров требует не только накопления значительных объемов информации о продажах и клиентах, но и применения различных инструментов обработки данных. Вследствие этого поставщики программных продуктов встраивают в них различные механизмы, позволяющие накапливать и обобщать информацию, необходимую для анализа лояльности клиентов и формирования необходимых управленческих решений. Рассмотрим их на примере новой (10.2) редакции конфигурации «Управление торговлей» системы программ «1С:Предприятие 8.0».

Е. Шуремов, д.э. н.

Поведенческая лояльность

Основой для измерения поведенческой лояльности являются учетные данные о продажах. Конфигурация «Управление торговлей» имеет различные инструменты для накопления и обобщения таких данных. В этой связи особо следует выделить реализованные в ней средства проведения ABC- и XYZ-анализа.

ABC-анализ применяется для разбиения клиентов на три группы по степени их важности. В первую группу выделяются те из них, которые в совокупности приносят основную часть выручки (прибыли). Ко второй группе относятся те клиенты, закупки которых относительно невелики , но все же приносят значимую часть выручки. В третью группу выделяются клиенты, которые осуществляют незначительные или разовые закупки. Разделение клиентов на группы может быть использовано как ориентир для принятия решений по дифференциации предоставляемых им скидок, размеров товарного кредита, установке специальных бонусов и т.д.

Клиенты могут классифицироваться также по стадиям взаимоотношений с ними, например, потенциальный, разовый, постоянный и потерянный клиент.

Если клиент за анализируемый период совершил малое число покупок, то он относится в класс «Разовый покупатель». При превышении определенного порога закупок клиент переходит в класс постоянных покупателей. Реализованными в конфигурации средствами проведения XYZ-анализа постоянные покупатели разделяются на три подкласса в зависимости от значения коэффициента вариации выбранного показателя (выручка, прибыль, количество покупок и др.), вычисленного за определенный период времени. Малые значения коэффициента вариации свидетельствуют о стабильности закупок и, следовательно, о высокой поведенческой лояльности клиента за выбранный интервал времени. Высокие значения, наоборот, указывают на определенные проблемы во взаимоотношениях с данным клиентом.

С точки зрения оценки лояльности клиента особенно интересно изучение истории изменения взаимоотношений с ним. Так, например, по данным XYZ-анализа, полученным за разные периоды, можно проследить динамику перемещения клиентов из одной категории в другую. Кто-то становится постоянным клиентом – его лояльность повышается, а у кого-то, наоборот, лояльность падает, и закупки становятся менее стабильными. В последнем случае необходимо принять дополнительные меры для повышения заинтересованности клиента во взаимоотношениях с компанией.

Для того, чтобы облегчить пользователям решение задач контроля динамики изменения поведенческой лояльности клиентов в новую редакцию конфигурации «Управление торговлей» встроена возможность документального оформления и хранения истории изменения АВС- и XYZ-классификации покупателей. Это позволяет накапливать информацию об изменении поведенческой лояльности клиентов непосредственно в информационной базе системы и облегчает ее анализ на временных длительных интервалах.

Воспринимаемая лояльность

При оценке этого вида лояльности основным инструментом являются специальные методики опроса потребителей и обработки соответствующих анкетных данных . Применение подобного рода инструментов, например, методики оценки качества обслуживания SERVQUAL и ее разновидностей, может дать интересные и практически важные выводы. Так, например, по данным различных исследований удовлетворенность не прямо влияет на лояльность: неудовлетворенность гарантирует нелояльность, но обеспечивает лояльность только максимальная удовлетворенность. При этом частично удовлетворенные клиенты с высоко вероятностью могут сменить поставщика. И это несмотря на то, что их поведение (объемы и постоянство закупок в данном периоде) вроде бы свидетельствует о лояльности.

Анкетирование клиентов требует сбора и обработки значительных объемов информации. Поэтому регулярное использование методик типа SERVQUAL возможно только в том случае, когда процесс анкетирования поставлен на промышленную основу и поддерживается информационными технологиями.

Учитывая это обстоятельство, в новую редакцию конфигурации «Управление торговлей» встроены специальные инструменты, например, средства автоматизации формирования анкет, их рассылки и получения результатов по электронной почте. Для этого предусмотрены возможности формирования и хранения списков вопросов и типовых анкет, автоматической рассылки анкет по заданным спискам, выборки присланных клиентами анкет из потока электронной корреспонденции, их регистрации и проведения анализа результатов анкетирования.

Таким образом, конфигурация «Управление торговлей» системы программ «1С:Предприятие 8.0» предоставляет маркетинговым службам предприятия развитые средства, необходимые для анализа лояльности клиентов и выработки управленческих решений, направленных на повышение эффективности взаимодействия с ними.

В настоящее время практически все компании признают высокую ценность преданных клиентов. Многие (от компаний, торгующих массовыми товарами до провайдеров банковских и транспортно-логистических услуг) пытаются внедрять программы повышения лояльности, ведь общепризнано, что удержание старых клиентов обходится компании дешевле, нежели привлечение новых. Экономятся затраты на рекламу, на различные акции по продвижению товаров и услуг, на вознаграждение торговых агентов, поощряемых за привлечение новых клиентов, и т.д. А сама лояльность превращается в один из главных критериев успешности бизнеса.

Значение лояльности как фактора конкурентоспособности подтверждается конкретными статистическими данными. По оценкам Ф. Ф. Райхельда (куратор программы "Loyality Practice" консалтинговой компании Bain&Company и автор книги "Эффект лояльности") низкий уровень лояльности в деловой среде снижает показатели эффективности экономической деятельности на 25 – 50%, а иногда и больше. Повышение коэффициента удержания постоянных потребителей на 5% в зависимости от отрасли приводит к росту стоимости покупок, сделанных средним покупателем, на 25 – 100%. И в большинстве отраслей прибыль от каждого клиента растет по мере увеличения его сотрудничества с компанией. Как правило, для компенсации потерь от одного ушедшего старого клиента необходимо привлечь несколько новых.

Однако мало где существует полноценная работающая программа по удержанию клиентов и привлечению новых. В большинстве случаев все действия компаний сводятся к так называемым прямым методам поощрения, адресованным всем клиентам: к начислению и списанию бонусов, к раздаче скидок, проведению разовых акций. Очевидно, что во всех этих случаях желаемая цель до конца не достигается. Единичные операции не позволяют работать с лояльностью на регулярной основе, а раздача скидок всем без учёта потребностей и заинтересованности приводит к потерям. Скидки нужно предоставлять клиентам, учитывая их ценность для компании, иначе затраты на их удержание могут превысить доходы от работы с ними. Тем более приверженность клиентов конкретной компании по факту определяется не только активными действиями торговых компаний по их удержанию и полезными персональными предложениями, но и совершенно другими факторами, среди которых можно отметить: местоположение магазина, цена товаров, их качество, уровень сервиса и др. И, как показал опыт зарубежных компаний, методы прямого поощрения клиентов зачастую приводят к совершению разовых покупок и не мотивируют потребителя и в дальнейшем оставаться клиентом одной определённой компании.

Как пример можно привести следующую историю. Авиагигант British Airways однажды запустил промоакцию и раздал 5000 премиальных билетов на 10 июня. Его конкурент Virgin Atlantic свел на нет все усилия, ответив рекламой: "Полет в Лондон по самой низкой цене – обычная практика для Virgin. Воспользуйтесь 10 июня рейсом British Airways. В остальные дни мы надеемся увидеть Вас на борту самолетов Virgin Atlantic".

Трудоёмкость запуска программы лояльности

Когда руководство любой компании приходит к выводу о том, что нужно что-то менять в своей работе с клиентами и решает запустить программу лояльности, то для её старта и последующего полноценного функционирования необходимо ответить на множество трудных вопросов:

Кто является вашим клиентом, на какие сегменты они разбиты и что отличает один сегмент от другого?
Какие факторы влияют на поведение, какова структура потребления?
Через какие каналы на них можно воздействовать, какова отдача от этого?
Как замерить лояльность, какие факторы говорят об изменении тенденций?
и многое другое...

Трудоемкость данной задачи такова, что любая попытка решить ее подручными средствами, "на коленке", обречена на провал. Как уже было сказано выше, на текущий момент компании фактически решают задачу лояльности только за счет максимального упрощения алгоритма, например, путём начисления скидок всем покупателям. Однако в этом случае проще не означает лучше.

Согласно данным "Maritz Loyalty Marketing", оператора программ клиентской лояльности, постоянное снижение отпускной цены с целью увеличения числа продаж приносит розничной торговле больше вреда, чем пользы. Сейчас традиционные "ценовые войны" не дают эффекта, поскольку потребителю нужно от продавца нечто большее, чем просто низкие цены. Низкая цена, массовая реклама и традиционный маркетинг не гарантируют успешные продажи.

Поэтому применение методов моделирования – единственный способ поставить процесс на поток, то есть решить не разовую задачу, а запустить механизм систематического повышения лояльности.

Рассмотрим ситуацию на примере сегментации покупателей – одного из наиболее важных решений любого предприятия. Идея довольно простая: разделите ваших клиентов на категории и взаимодействуйте с ними по-разному. После этого вы будете иметь возможность представлять разным клиентам товары и услуги, которые в большей степени соответствуют их запросам. Сегодня сегментация потребительского рынка уже не является вспомогательным инструментом маркетинга, она приобретает ключевое значение для достижения успеха компании.

Если мы хотим сформировать интересные для компании и привлекательные для клиентов предложения, то нужно учесть особенности каждой группы-сегмента. Даже для небольшого проекта по повышению лояльности необходим учет интересов сотен различных групп, сильно отличающихся друг от друга.

Например, при проведении сегментации по критерию "Пол" мы получим два сегмента – "Мужчины" и "Женщины". Если добавить признак "Возраст" (допустим, 5 групп), то получим 2*5 = 10 сегментов. Если введем критерий "Доход" (ещё 5 групп), получаем 2*5*5 = 50 сегментов. Нетрудно представить, как увеличивается количество сегментов при добавлении хотя бы ещё одного критерия и насколько возрастают трудозатраты данной операции, особенно у предприятий в сфере торговли, у которых накапливаются огромные объемы информации о фактическом потреблении, которые можно и нужно использовать для продвижения товаров. Тем более технологический прогресс и наличие методов Data Mining на текущий момент позволяют это делать.

Data Mining в Direct Marketing

Рассмотрим более подробно использование методов Data Mining на примере одного из наиболее популярных подходов к повышению лояльности – Direct Marketing. Если говорить в общем, то Direct Marketing – это формирование адресных предложений клиентам с учетом их предпочтений. Идея этого направления маркетинга проста: предложить нужный товар нужным людям в нужное время и в нужном месте.

Можно разделить проведение директ-маркетинговой компании на следующие этапы (см. рис.1):

Рассмотрим, как можно и нужно использовать Data Mining на каждом из этих этапов.

1. Сегментация клиентской базы

Так как одна из главных выгод, которую компании могут извлечь из применения программы лояльности, – это возможность сфокусировать свое внимание на определенной группе клиентов, которые дают максимальную отдачу, то важным моментом для эффективности программ их поощрения является процедура сегментирования клиентской базы и отбора наиболее привлекательных потребителей. И далее можно строить отношения с клиентами, входящими в определённые сегменты, обладающие общими признаками. Это позволяет создавать специальные маркетинговые программы.

Иными словами, сегментирование целевой аудитории и исследование ее потребностей – пункты, обязательные для выполнения. Если не удастся заинтересовать клиентов, то программа лояльности просто не будет работать.

Но сегментация клиентской базы на основе примитивных правил, например, сочетания "Пол + Возраст", не отражает реальной сложной структуры клиентов. Совершенно очевидно, что на предпочтения влияет еще множество других факторов в очень сложных сочетаниях, начиная от географии клиентов и заканчивая, например, их среднегодовым доходом. Для построения качественных моделей сегментации необходимо отойти от примитивных методов группировки и использовать адекватные многомерные и желательно самообучающиеся Data Mining алгоритмы сегментации, например, карты Кохонена, которые позволяют не только производить сегментацию объектов, но и выполнять визуализацию ее результатов с помощью многомерного проецирования. На рисунке 2 можно увидеть построенные карты, на которых клиенты разбиты на 4 сегмента (кластера) в зависимости от их предпочтений в продуктах питания, алкоголе и табаке и времени совершения покупок.

2. Выбор целевой аудитории

При реализации товаров и услуг очень важно понять, кто будет являться конечным потребителем, поэтому ключевой момент директ-маркетинга – это создание списка клиентов, которые могут быть заинтересованы в конкретном товаре или услуге, то есть выбор целевой аудитории для конкретных действий. Правильный выбор может дать отличные результаты, т.е. эффективность мероприятий может возрасти в несколько раз.

Поэтому после выявления сегментов необходимо проанализировать их:

Оценить размеры и статистические характеристики.
Рассчитать финансовые характеристики сегментов, их потенциал, привлекательность, перспективность.
Понять, какие характеристики определяют интересные сегменты, чем они отличаются от остальных.
Определить, какую стратегию лучше применить к каждому сегменту: снижение издержек, cross-sell, up-sell или что-либо другое.

Инструменты Data Mining позволяют не только провести сегментацию, но и интерпретировать полученные результаты при помощи специализированных механизмов визуализации (см. рис.3).

3. Формирование адресных предложений

Очевидно, что чем точнее можно предсказать, какой продукт или услуга заинтересуют представителей каждого сегмента, тем больший эффект можно ожидать от адресных обращений. Правильно сформированные предложения повышают лояльность и доходность, а неграмотно подготовленные не только не приносят пользу, но еще и раздражают клиентов. Инструменты Data Mining включают алгоритмы, такие как ассоциативные правила , позволяющие автоматически находить взаимосвязи между товарами и формировать предложения, на которые, скорее всего, клиент среагирует (см. рис. 4). На рисунке 4 можно увидеть пример работы ассоциативных правил: товары, указанные в окне "Следствие", будут приобретены вместе с уже выбранными товарами (окно "Условие") с вероятностью, определённой в столбце "Достоверность".

4. Анализ отклика клиентов

Оценка удовлетворенности клиента – это еще одна важная составляющая любой маркетинговой программы. Отслеживание откликов позволяет определять самые продуктивные методы. Ведь просто наличие адресных предложений, даже сформированных при помощи очень качественных алгоритмов анализа, не гарантирует желаемый отклик, т.к. на любой экономический процесс влияет огромное количество фактов. Поэтому необходимо после каждого маркетингового действия анализировать отклик на него, выявлять причины, оказывающие влияние на процесс. Следует учитывать даже отрицательные ответы и причины отказа с тем, чтобы в дальнейшем избежать допущенных ошибок. В арсенале Data Mining присутствуют алгоритмы, позволяющие оценивать влияние факторов, находить закономерности, например, деревья решений.

5. Оценка эффективности программы лояльности

Неудачных программ лояльности довольно много. Но главная проблема не в том, что программа неудачна, а в том, что зачастую за ее работой никто толком не следит. И уже никто не знает, насколько она эффективна и есть ли вообще в ней смысл, так как нет полноценного контроля и анализа её реализации.

Иными словами, предприятию мало иметь разработанную систему повышения лояльности, необходимы также средства контроля за её эффективностью, так как оценка лояльности – сложная задача, которая не может сводиться просто к расчету среднего чека. Необходимые статистические данные должны накапливаться в системе управления, чтобы в дальнейшем руководство компании могло получить анализ эффективности системы, выраженный в денежном эквиваленте и в увеличении числа клиентов.

Для оценки эффективности программы лояльности необходимо применять методы, позволяющие учитывать различные аспекты поведения: частоту закупок, время последней операции, отклик на предложения, структуру потребления и т. д. Использование методов Data Mining совместно с различными методами анализа и статистической обработкой данных для оценки эффективности позволяет применять тонкие критерии лояльности, например, переход клиента из сегмента "лояльные клиенты" в "нелояльные" и обратно.

Например, на рисунке ниже приведена оценка лояльности с помощью RFM-анализа (основу RFM-анализа составляют следующие характеристики поведения клиентов: Recency (давность) – давность какого-либо действия клиента, Frequency (частота или количество) – количество действий, которые совершил клиент, Monetary (деньги) – сумма денег, которую потратил клиент).

Факторы успеха

Итак, в настоящее время достижение устойчивых темпов роста компании и запланированной рентабельности продаж невозможно без создания большой группы постоянных покупателей. Причины этого довольно просты: интенсивная конкуренция и рост количества предложений в сфере услуг и торговли предъявляют особые требования к ведению бизнеса. И, соответственно, клиентская база – один из ценных активов компании. Поэтому лояльность клиентов превращается в один из главных критериев успешности бизнеса.

В настоящее время почти в каждом секторе индустрии компании стремятся иметь программы лояльности для всех или некоторых своих клиентов, они являются маркетинговым инструментом, который направлен на оптимизацию взаимоотношений компаний с клиентами. Но, с другой стороны, программы лояльности требуют обработки больших объемов данных, тонкой настройки под клиента, учета и анализа разнородных данных (не всегда даже понятно, что именно анализировать и есть ли хоть какая-то взаимосвязь между проводимой программой (или программами) удержания клиентов и колебаниями оборотов, объемов продаж и т.д.), автоматического формирования актуальных предложений и многого другого, что реально можно добиться только при использовании методов интеллектуального анализа данных Data Mining.

Поэтому для достижения хорошего результата небольшие компании могут обойтись и без сложного инструментария, но крупным организациям желательно активно применять и Data Mining. В их случае, только простые, примитивные методы учета потребностей клиентов не достаточно эффективны.

Естественно, обеспечение лояльности – сложная и комплексная задача, не сводящаяся только к построению моделей и анализу. Необходимо решать множество других задач: начиная от корректного учёта данных (например, учёт истории взаимоотношений с клиентами) и заканчивая мониторингом и оценкой работы персонала, не говоря уже о грамотной разработке самой концепции программы лояльности.

Однако именно анализ является "мозгами" всего комплекса. При отсутствии должной аналитики вся собранная информация будет лежать мертвым грузом и не позволит обратить данные о клиентах в знания о них, способные принести дополнительные доходы. И вряд ли созданная программа лояльности в таких условиях станет инструментом, который сможет стать самым эффективным в комплексе маркетинга вашей компании.

Измерение и оценивание – основополагающие основы любого бизнеса. Оценка показывает, что думает и делает компания. А выбор показателей для измерения уровня лояльности предопределяет мышление работников и дальнейшие действия руководителей.

Изучение лояльности персонала диктуется необходимостью противостоять негативным тенденциям последних лет, связанных , что влечет за собой потери прибыли и конкурентоспособности предприятия. Это крайне важно понимать особенно российским компаниям.

Так как в российской экономике пока не сформирована конкурентная среда, побуждающая собственников, работодателей прилагать необходимые усилия по оценке и укреплению лояльности персонала.

Однако, мировой опыт свидетельствует о том, что в условиях нестабильной рыночной экономике, выживают именно те предприятия, которые постоянно заботятся о преданности своего персонала. Преданность, понимаемая как высшая персонала к компании, в которой они работают, и готовность поддерживать ее в трудные моменты – интегральный и основной результат работы всего менеджмента и особенно, кадровой службы.

Основныe инструментs исследования лояльности персонала.

Основными инструментами исследования лояльности персонала стали три методики:

1. Шкала измерения лояльности персонала организации Л.Г. Почебут и О.Е. Королевой.

2. Шкала «организационной лояльности» Д. Мейера – Н. Ален.
Методика «Шкала организационной лояльности» предложена Джоном Мейером и Натали Аллен (Meyer J. P. и Allen N. J.) в 1990 году в варианте, состоящем из трех субшкал в соответствии с авторской трехкомпонентной моделью по восемь вопросов в каждой.

В соответствии с моделью авторы выделяют три подхода к лояльности, позволяющие объяснить природу связи между работником и организацией, снижающей вероятность добровольного ухода сотрудника из организации: эмоциональную привязанность к организации, осознание затрат, связанных с уходом из организации, и ощущение обязательств перед организацией.

Индекс чистой лояльности сотрудников еNPS

Индекс eNPS или employee Net Promoter Score - это индекс чистой лояльности сотрудников , позволяющий оценить их удовлетворенность компанией.

Другими словами, довольны ли сотрудники работой в вашей компании и настроены на совместное развитие или же разочарованы сотрудничеством и готовы перейти к другому работодателю, как только на рынке появиться более выгодное предложение.

Справка:
Индекс Net Promoter Score является относительно молодой методикой оценки успешности ведения бизнеса. В 2003 году она была презентована как очень простой и быстрый способ выявления клиентской лояльности. Американский маркетолог, опубликовавший много работ по лояльности клиентов, Фредерик Райхельд предложил измерять лояльность клиентов, задавая им вопрос об их готовности рекомендовать товар, услугу или бренд своим знакомым и родственникам. Инновацией в данной методике является то, что клиенту предлагают оценить, насколько он уверен в продукте, чтобы «поставить на кон» свою репутацию в глазах тех, чье мнение для него важно.

За последние десять лет данный метод приобрел мировую известность, его взяли на вооружение такие интернациональные компании, как American Express, Procter & Gamble, Amazon, Apple, Philips, Sony.

Среди российских компаний NPS измеряют телекоммуникационные компании (МТС, «Би- лайн», «МегаФон», «Дом.ру»), страховые компании (Ингос- страх, Росгосстрах), банки («Альфа-Банк», «Хоум- Кредит»), многие предприятия ресторанного и гостиничного бизнеса.

Все больше компаний внедряют данный индекс в качестве ключевого показателя эффективности своей деятельности и также в оценке лояльности сотрудников компании к компании.

Как проводится расчет индекса eNPS?

Оценку удовлетворенности коллектива производится путем анкетирования сотрудников по двум вопросам.

Второй - «Какова основная причина такой оценки?».

После проведения опроса производится анализ полученных результатов.

Для анализа сотруднику компании условно разделяются на три группы:

Промоутеры - сотрудники, давшие оценку 9 или 10. То есть работники, которые лояльны к компании, действуют в ее интересах и готовы порекомендовать ее своим друзьям.

Нейтралы - сотрудники, поставившие оценку 7 или 8. То есть те, кто не настроен рекомендовать ее своим друзьям или знакомым. Нейтралами чаще всего являются пассивные работники, в принципе готовые поменять компанию.

Критики - сотрудники, поставившие оценку в интервале от 1 до 6. То есть те, которые разочарованы работой в компании, скорее находятся в активном поиске альтернативного варианта и никогда не будут рекомендовать ее своим друзьям.

Показатель eNPS - это разница между процентным соотношением Промоутеров и Критиков. Соответственно, чем больше ваших сотрудников являются Промоутерами, тем крепче «фундамент» вашей компании и тем больше у нее предпосылок к активному росту и развитию.

Если говорить проще, то формула для расчета eNPS выглядит следующим образом:
(количество промоутеров - количество критиков) деленное на(количество респондентов) и все умноженное на 100.

Пример: Вы получили 100 ответов на Ваш опрос.
10 ответов были в диапазоне от 0 до 6 («критики»);
20 ответов были в диапазоне от 7 до 8 («нейтралы»);
70 ответов были в диапазоне от 9 до 10 («промоутеры»).

Расчет процентных долей каждой из групп дает Вам 10%, 20% и 70% соответственно.

Вычтите 10% («критики») из 70% («промоутеры»), и Вы получите результат 60%. Поскольку показатель eNPS всегда отображается как целое число, а не проценты, то Ваш индекс NPS составит просто 60.

Какую информацию дает индекс NPS?

Индекс со знаком плюс говорит о преобладании лояльных сотрудников над критиками.

Следовательно, чем выше индекс, тем меньше у вас будет текучесть персонала и есть вероятность того, что в компанию будут приходить «крепкие» кадры, основываясь на рекомендациях работающих сотрудников.

Если индекс равен 0 или принимает отрицательное значение, ситуация становится критичной, Скоро возможен уход активных и ценных сотрудников, а далее возникнут проблемы с наймом нового персонала, основанный на возможных негативных отзывах о вашей компании.

Обратите внимание, зачастую проблемы в компании возникают из-за низкой лояльности сотрудников, которым компания поручила поддерживать непосредственный контакт с Клиентами.

Индекс eNPS позволит вам объективно оценить, насколько ваша компания готова к активному развитию и росту в тот или иной момент своего существования.

Анализ тенденций ответов по второму вопросу позволяет вам оперативно реагировать по вопросам корпоративной культуры, инструментам мотивации, удовлетворенности рабочими условиями и т.п.

Регулярное измерение уровня еNPS даст вам представление о настроениях внутри коллектива, позволяет оценить стабильность компании и сотрудников, удовлетворенность работников политикой вашей компании, уровнем оплаты, социальным пакетом и т.д.

Анализ индекса eNPS способствует качественному построению культуры взаимоотношений внутри компании, организации четкой структуры коллектива и разработке стратегии в области развития персонала.

Низкая оценка лояльности по участию работников компании в принятии решений говорит о большой вероятности сопротивления изменениям, которые будет пытаться провести руководство компании;

При низком индексе лояльности сотрудники не являются настолько лояльными к компании, чтобы разделить с ней риски, связанные с выбором активной конкурентной позиции по росту/расширению бизнеса в ближайшее время;

Программа развития персонала должна быть согласована со стратегическими целями предприятия.

Выводы:

Регулярное измерение уровня eNPS позволит вам объективно оценить лояльность и удовлетворенность сотрудников своей компании и, как следствие, готовность коллектива вместе с вами идти к долгосрочным целям.

Что напрямую связано с приростом прибыли и увеличением эффективности бизнеса!

1. Лояльность сотрудников не абстрактный показатель, а мощная движущая сила!

2. Лояльность персонала необходимо измерять и контролировать!

Справка:
По результатам исследований Аналитического центра НАФИ, проведенных в 2016 году, лишь 15% сотрудников российских компаний готовы рекомендовать своего работодателя друзьям, а 62% не удовлетворены местом работы. Среднее значение NPS составляет -47 баллов.

Практические рекомендации по формированию привлекательности работодателя на рынке труда.

1. Формирование внутреннего имиджа при помощи корпоративных ценностей, ритуалов, миссии и формирования единой общности «Мы».

2. Разработка мероприятий по улучшению внутрифирменной системы коммуникаций, постоянный мониторинг уровня конфликтности.

3. Разработка мероприятий для продвижения услуг компании, выстраивание долгосрочных предпочтений потребителей, разработка маркетинговых акций и кампаний, направленных на формирование спроса.

4. Использование при создании имиджа потенциала миссии, ценностей и норм компании как ресурса, способного создать индивидуальность организации, повысить эффективность имиджа в целях формирования лояльности как сотрудников компании, так и внешних целевых групп.

Советы по работе с индексом потребительской лояльности NPS: как составить выборку пользователей, какие инструменты использовать для проведения опросов и как анализировать результаты.

В последний год работы в LinkedIn я стал настоящим проповедником использования индекса потребительской лояльности NPS в качестве ключевого индикатора производительности (KPI). NPS отлично дополнил наш стандартный набор индексов привлечения, удержания и монетизации и стал метрикой, помогающей повысить качество продукта и его ценность для потребителей.

Кто придумал NPS

Индекс потребительской лояльности Net Promoter Score (NPS) в 2003 году придумал Фред Райхельд из Bain & Company . Рекомендую каждому, кто интересуется этим вопросом, прочесть его статью The One Number You Need to Grow , опубликованную в журнале Harvard Business Review.

Фред утверждал, что индекс NPS работает ничуть не хуже, чем длинные опросы пользователей, посвящённые их удовлетворённости продуктом. Во-первых, NPS подразумевает всего один вопрос, а во-вторых, он неплохо коррелирует с долговременным ростом компании.

Как рассчитывается NPS

Нужно задать клиентам простой вопрос: «Насколько вам приятно рекомендовать нашу компанию друзьям или коллегам?». Ответ представляет собой число от 0 до 10. В итоге респонденты делятся на сторонников вашего продукта (9–10 баллов), нейтральных потребителей (7–8 баллов) и критиков (0–6 баллов).

Чтобы получить индекс NPS, нужно вычесть процент критиков из процента сторонников. Число может колебаться от −100 (если все опрошенные пользователи - критики) до +100 (все сторонники). NPS больше нуля считается хорошим, а оценка +50 указывает на отличную лояльность.

Дополнительные вопросы

Кроме основного вопроса, можно задавать клиентам открытые вопросы типа: «Почему вы поставили компании такую оценку?». Этот метод делает NPS не только метрикой вашего сегодняшнего успеха, но и основой для улучшения будущих показателей.

Также бывает полезно спросить покупателей, насколько они готовы рекомендовать аналогичные или альтернативные продукты конкурентов. Это позволит соотнести ваш NPS с индексами других производителей. Только имейте в виду, что эти результаты будут недостаточно объективны: вместо того чтобы опросить случайную выборку потенциальных потребителей (в том числе тех, которые выберут конкурентов), вы рассматриваете уже состоявшихся собственных пользователей.

Следует хорошо подумать, прежде чем задавать клиентам дополнительные вопросы о мотивах их оценок: конечно, это поможет вам лучше понять ситуацию, но в то же время значительно снизит скорость откликов. В любом случае придётся пойти на компромисс.

Методы сбора оценок

Для онлайн-продуктов оценки NTS обычно ибо проводят email-опросы, либо вводят подсказки-напоминания в процедуру получения продукта. Чтобы увеличить скорость откликов, важно охватить как десктопные, так и мобильные версии вашего продукта. Опросный инструмент можно создать самостоятельно, но я обычно советую использовать одно из готовых решений, которые поддерживают сбор и анализ ответов, полученных по всем каналам и через все интерфейсы, например SurveyMonkey .

Одна из проблем таких опросов - очевидный перекос в сторону более вовлечённых покупателей, ведь те, кто недоволен продуктом, скорее всего, не станут отвечать и на рассылки. Ниже поговорим о том, как с этим справиться.

Выборка для NPS

Очень важно, чтобы каждый опрос NPS проводился в случайной репрезентативной выборке потребителей. Мы нередко сталкивались с тем, что респонденты на самом деле не были случайными. Например, есть сильная корреляция между результатами NPS и вовлечением или временем, в течение которого клиент пользуется продуктом. Постарайтесь, чтобы выборка отражала именно такие степень вовлечения и срок использования продукта, которые характерны для всей пользовательской базы.

Частота опросов

Во-первых, большое значение имеет размер вашей пользовательской базы. Чем она меньше, тем большую выборку вам придётся опрашивать и тем дольше ждать, пока вы наберёте достаточно ответов. Это накладывает ограничения на время запуска следующего опроса.

Во-вторых, частота проведения опросов может быть связана с циклом разработки продукта. Управлять ростом NPS позволяют именно улучшения продукта, поэтому частота проведения опросов должна зависеть от того, насколько быстро вы проводите очередную итерацию.

NTS - запаздывающий индикатор. После того как вы внедрили изменения в пользовательский опыт, должно пройти некоторое время, чтобы клиенты успели их почувствовать, а затем уже отразили в своих оценках.

Мы в команде LinkedIn обнаружили, что лучшая частота для проведения опросов - раз в квартал, что соответствует нашему квартальному циклу планирования продукта. Это позволило нам получать самые свежие оценки, перед тем как приступать к очередному квартальному планированию. Мы могли оперативно реагировать на результаты наших опросов при составлении ближайшего roadmap.

Аналитическая команда

Если вы используете NPS для того, чтобы улучшать пользовательский опыт, имеет смысл ознакомить с данными опросов всех, кто участвует в разработке продукта.

В LinkedIn мы включали в основную команду NPS не только продуктовых менеджеров, но и тех, кто занимался продуктовым маркетингом, маркетинговыми исследованиями и бизнес-операциями. Каждый квартал мы делились своими открытиями со всей командой R&D. Конечно, многое зависит от того, как у вас организована разработка продукта, и всё-таки важно, чтобы в этот процесс с самого начала вовлекались правильные стейкхолдеры.

Анализ комментариев

Исследование комментариев и ответов пользователей на открытые вопросы - наиболее полезная часть анализа NPS. Раз в квартал, после каждого опроса, мы читали ответы клиентов и распределяли по тематическим категориям все «за» и «против», которые в них встречались.

На основе этой категоризации мы составили предложения, как улучшить пользовательский опыт и устранить «болевые точки». Необходимость читать каждый комментарий может показаться пугающей, но эту процедуру ничем не заменишь: так вы сможете вслушаться в голос каждого клиента и узнать, как он формулирует свой опыт взаимодействия с продуктом.

Поведение сторонников

Мы довольно много времени тратим на изучение негативных откликов и решение связанных с ними проблем, но мы обнаружили, что не менее полезно понимать особенности позитивного пользовательского опыта.

Сопоставляя результаты NPS с клиентской стратегией поведения (при регистрации, поиске, просмотре профиля), мы увидели значительную корреляцию между определёнными действиями с продуктом и более высоким NPS. Так мы выделили моменты, когда клиентам по-настоящему нравилось пользоваться продуктом. А затем сфокусировались на продуктовой оптимизации, чтобы привести к этой точке как можно больше пользователей из своей базы.

Самый простой способ этого добиться - исследовать каждое основное действие с вашим продуктом и увидеть, есть ли ясные корреляции с оценками NPS.

Методология

Мы обнаружили, что NPS чувствителен к методологическим изменениям. Поэтому в методологии опросов важно быть очень последовательным. Порядок вопросов и список конкурентов, о которых вы спрашиваете, имеют значение. Сам подход к выборке тоже имеет значение. Меняйте методологию как можно реже.

Сезонность

На результаты NPS влияет сезонный фактор. Мы убедились в этом сами и слышали, что это верно и для других бизнесов. Чтобы минимизировать влияние сезонности, есть смысл сравнивать годовые, а не квартальные изменения. По крайней мере, стоит осознавать, как она может повлиять на ваши оценки.

Ограничения NPS

NPS - эффективная метрика для понимания пользовательской лояльности и разработки плана действий для её повышения, но у этого метода есть ограничения, которые следует иметь в виду.

1. Относительно низкая частотность результатов NPS делает его слабой оперативной метрикой для отслеживания ваших ежедневных действий. Поэтому продолжайте использовать ваши текущие инструменты привлечения, удержания и монетизации, чтобы отслеживать регулярную производительность, проводить A/B-тесты и другие виды оптимизации.

2. Предел погрешности результатов NPS зависит от размера вашей выборки. Важно об этом знать и не переживать из-за небольших расхождений в результатах двух последовательных тестов. Классические инструменты вроде метрик вовлечения не предъявляют больших требований к выборке, и их предел погрешности гораздо меньше.

3. Анализ NPS ни в коем случае не заменяет вашу продуктовую стратегию. Этот инструмент лишь дает понимание того, как клиенты воспринимают продукт и что именно оптимизировать, чтобы лучше проводить в жизнь уже существующую стратегию.