Кроме того, регрессионное моделирование подразумевает возможность присвоения разного веса (разной степени влияния) одной и той же прогностической переменной в общем уравнении в зависимости от того, в каком порядке переменные включаются в модель. В таком случае необходима особая осторожность и компетентность при анализе и интерпретации полученных результатов. Кроме того, когда две или более переменные помогают объяснить итог, но между ними есть корреляция, регрессионная модель может дать ошибочное представление о силе связи между одним прогностическим фактором и результатом.

Рассмотрим пример переменных, между которыми может быть высокая корреляция. Возможно, у вас есть данные об уровне удовлетворенности клиентов продуктом и службой поддержки или об удовлетворенности организацией продаж и управлением работой с корпоративными клиентами. Большинство потребителей не воспринимают впечатления о продукте и поддержке как нечто обособленное: они дополняют друг друга. Что касается продаж и управления работой с клиентами, различия между ними носят в основном организационный характер и основаны на внутренней структуре компании; при этом потребитель не видит почти никакой разницы между основными аспектами опыта (контакты с продавцами, оценка продукта, ведение переговоров и покупка). Картина мира, сложившаяся у клиента, не содержит четких разграничений, соответствующих внутренней структуре организации, поэтому его ответы на вопросы об удовлетворенности чаще всего отображают определенный фрагмент общего опыта и приводят к получению показателей с высоким уровнем корреляции. Преимущества регрессионного подхода (в частности, возможность создания точной модели для определения приоритетных задач и инвестиций) имеют свою цену: применение этого подхода требует высокого уровня квалификации и больших трудозатрат при анализе.

В связи с этим многие компании используют только подходы, основанные на корреляционном анализе, что позволяет руководителям составить первоначальное представление о факторах, определяющих NPS. В действительности два-три основных драйвера лояльности, выявленные с помощью каждого из перечисленных выше методов, во многих случаях остаются неизменными. Как уже было сказано, доверие к полученным результатам можно повысить благодаря получению подтверждающих данных из дополнительных источников.

Анализ относительного влияния – это еще один индуктивный подход, который мы часто используем для определения основных причин. Этот метод был разработан специально для решения проблемы взаимной корреляции между прогностическими переменными, которая свойственна методам регрессионного анализа. Предположим, вы обнаруживаете сильную взаимозависимость между NPS и поддержкой клиентов. Кроме того, существует прочная корреляция между NPS и установкой продукта. В идеале вам необходимо каким-то образом разграничить и оценить вклад поддержки клиентов и установки на местах в общий уровень лояльности клиентов. Поскольку между этими двумя факторами существует корреляция, с помощью регрессионного анализа трудно определить влияние каждого из них в отдельности.

Именно с такой целью и был разработан метод анализа относительного влияния. Этот подход, которые впервые в 1988 году предложили Тил и Чанг, заключается в применении информационно-теоретических методов к такой статистической процедуре, как усреднение по упорядоченности, разработанной Краскелом в 1987 году. В соответствии с этим методом каждой прогностической переменной соответствующей модели присваивается определенный вес таким образом, чтобы общая сумма приоритетов всех переменных составляла 100 процентов. Такой подход позволяет выполнить процедуру математического моделирования и составить четкую упорядоченную картину влияния каждого из выбранных параметров эффективности работы компании на общий уровень NPS.

На рисунке 6.6 показан пример анализа относительного влияния, представленный в виде каскадной диаграммы – стандартного способа отображения информации, который часто используется при анализе методом «шесть сигм». Интерпретация каскадной диаграммы не составляет труда: любой аспект взаимодействия клиента с компанией, на который приходится более 20 процентов изменения индекса лояльности, заслуживает отдельного внимания со стороны бизнеса и целенаправленной работы по его улучшению. В приведенном примере очевидно, что начать следует с продукта (вернее, с удовлетворенности им клиента), далее следует легкость ведения дел с компанией, что оказывает влияние на группы, вовлеченные в процесс продаж.

Рис. 6.6. Анализ относительного влияния и его воздействие на NPS

Все методы индуктивного анализа факторов позволяют создать структурированную количественную схему определения важных аспектов клиентского опыта. Самое большое преимущество этих методов заключается в возможности количественной оценки, которая может ускорить процесс принятия решений, позволяя четко определить приоритетные направления и получить ответ на вопрос «насколько это важно и стоит ли вкладывать в это деньги?». Помимо определения самых важных аспектов и тем, эти методы можно использовать для проверки значимости ключевых показателей эффективности, подтверждения правильности предположений руководства относительно самых важных задач, а также для определения доходности планируемых инвестиций. Всех этих преимуществ вполне достаточно для того, чтобы считать целесообразным применение такого подхода, даже несмотря на расширение анкет и стремление сосредоточить внимание только на количественных, а не на качественных данных.

Все эти методы выходят за рамки анализа поверхностных факторов благодаря использованию статистики и корреляционных методов для изучения закономерностей в ответах клиентов и обнаружения связей, позволяющих лучше понять их поведение. Однако в случае применения этих методов тоже может произойти смещение полученных результатов, поскольку такой анализ сфокусирован и ограничен тем, что включено в схему проведения опроса. Если один из важных факторов в опрос не попал, то вы рискуете неправильно оценить возможности для инвестиций. По этой и другим причинам лучше использовать правильно подобранную совокупность инструментов количественного и качественного анализа, чтобы составить более полное и точное представление о том, что важно для ваших клиентов.

Во многих компаниях считают, что оптимальный подход к анализу основных причин появления промоутеров и детракторов должен включать в себя больше одного метода. Рис. 6.7 поможет вам сопоставить разные аналитические подходы и выбрать те из них, которые больше всего соответствуют вашим потребностям и бизнесу. Например, если вам необходим метод, обеспечивающий количественную оценку факторов лояльности, но у вас ограничен объем внутренних ресурсов, можете использовать метод индуктивного анализа или адаптивный диалог. Если вы впервые занимаетесь разработкой программы в своей компании и для вас решающее значение имеет вовлечение сотрудников в процесс замыкания обратной связи, то вы можете начать с обсуждения основных причин с клиентами. В действительности самые лучшие программы подразумевают избирательный подход к использованию всех этих способов в соответствии с потребностями и целями компании и ее главных действующих лиц.