Фото: marketing-logic.ru
MarketingTECH уже писал о кейсе банка “Открытие”, в котором удалось достичь 20-ти процентной экономии времени сотрудников отдела корпоративных продаж.
Еще один из пяти крупнейших российских банков обратился к разработчику решений на основе анализа данных и геоаналитики. Банкиры решили увеличить количество клиентов за счет компаний малого и среднего бизнеса. При этом они хотели минимизировать дополнительные затраты денег и времени. Ранее понесенные расходы на расширение штата сотрудников не привели к существенному увеличению клиентской базы.
Команда Marketing Logic проанализировала продуктовый и клиентский портфели банка по каждому направлению. Были выделены критерии в соответствии с которыми, бизнес можно отнести к потенциальным клиентам: география, отрасль, вид деятельности, объем выручки и т.д.
Результаты диджитал-анализа портрета клиента объединили с базой данных о предприятиях малого и среднего бизнеса в регионе и обогатили их дополнительными данными: контактами представителей, ЛПР, ИНН, часами работы, информацией о клиентах и контрагентах и т.д.
Затем сформировали и нанесли на карту выборку для каждого продукта банка. Карту разбили на сегменты, сгруппировав компании, расположенные рядом, которым предлагали один и тот же продукт.
Структурированные данные поступили в колл-центр банка. Для каждого сегмента выделили отдельного сотрудника, который передавал наработанные контакты коллеге из отделения для встреч на местах и заключения договоров.
Для каждого специалиста отдела продаж с помощью инструментов MLead был составлен индивидуальный маршрут – следуя ему, сотрудник проводил максимальное количество переговоров за минимальное количество времени.
Процесс повышения эффективности воронки продаж и конверсии проходил в три этапа.
1. С помощью ретроспективного анализа данных о клиентах и продуктовой линейки отсекались компании, которые бы точно не подписали контракт. Таким образом достигалась экономия ресурсов банка.
2. Перераспределялась нагрузка на сотрудников колл-центра таким образом, чтобы они могли произвести максимальное количество результативных звонков за минимальное время. Телемаркетологам не нужно было подстраиваться под специфику каждой компании – список составили с учётом всех факторов, упрощающих коммуникацию. Кроме того в расчет бралась специализация сотрудников отдела продаж.
3. Выстраивалась логистика. Это позволило увеличить число встреч и соответственно сделок.
Параметры проекта, которые описаны в кейсе.
- Квартальная выручка подразделения по работе с малым и средним бизнесом – более 500 миллионов рублей.
- Стоимость решения –10 миллионов рублей.
- Внутренние расходы клиента – 5 миллионов рублей.
- Эффект от внедрения – за два квартала, в течение которых работало решение, конверсия контактов менеджеров по продажам в заключенные контракты увеличилась на 56%
После ознакомления с кейсами и описанием решения MLead, которое в них использовалось, у MarketingTECH возникли вопросы к разработчикам.
На вопросы корреспондента MarketingTECH ответил управляющий партнёр аналитической компании Marketing Logic Дмитрий Галкин.
MarketingTECH: В описании MLead говорится, что “анализ, подготовка и геопривязка лидов повышает контактность базы до 70%” (с)
Хотелось бы уточнить, что включается в показатель “контактность базы” и как он рассчитывается.
Дмитрий Галкин: Контактностью базы мы называем возможность связаться с потенциальным клиентом, который заинтересован в услугах банка. Списки клиентов могут разделяться по отраслям, по масштабам компаний, и в разных списках уровень контактности отличается, уровень проникновения услуг банка тоже. Эти параметры мы с коллегами оцениваем ретроспективно, анализируя статистику, воронку продаж и т.д.
Если очень упростить: подготовка и предварительный анализ базы с отсевом нерелевантных компаний, улучшает конверсию в потенциально интересный для банка звонок до 70%.
Таким образом, сотрудники тратят меньше времени на тех, кто никогда не станет клиентом, и больше усилий тратят на развитие взаимоотношений с компаниями, которые с большой вероятностью заключат договор.
MarketingTECH: Как подбираются контакты для автообзвона?
Дмитрий Галкин: Список составляется на основе анализа целого ряда параметров на ретровыборке банка. Какие-то внутренние характеристики мы не имеем права раскрывать, но общие можем обозначить: потенциальная заинтересованность в том или ином продукте банка, предполагаемая скорость выхода на сделку и сумма контракта, маржинальность контракта для банка.
Помимо этого, платформа оценивает технические параметры: доступность для звонка (есть ли контактные данные в открытых источниках), территориальная досягаемость для выездного сотрудника и так далее.
MarketingTECH: Насколько автообзвон безопасен для бренда. Какая юридическая ответственность за несанкционированные звонки? Как отражается на репутации бренда недовольство клиентов, оторванных от работы автоинформатором.
Дмитрий Галкин: Мы не представляем услуги обзвона или рассылок, мы готовим данные и предоставляем заказчикам для дальнейшей самостоятельной обработки.
Это могут быть любые активности, которые заказчик посчитает допустимыми: обзвоны, посещения, рассылки, прогноз потенциала локаций для размещения отделений и банкоматов, оценка кредитоспособности бизнеса, оценка охвата и доли рынка, фокусировка продавцов и маркетинга, маршрутизация выездных менеджеров, т.д.
Плюс, могу ошибаться, но, вероятно, Вы приводите кейс с b2c-рассылкой, где не всегда было получено согласие абонента на получение сообщений. В нашем случае, в проекте с банком, речь идёт исключительно о b2b-продажах, т.е. это открытые данные, открытые контакты и отсутствие персональной информации.
MarketingTECH: В b2b, как правило, лицо принимающее решение не отвечают на телефонные звонки, а опытные секретари, знакомы со скриптами продаж, не соединяют с нужным человеком. Как ваш телемаркетинг решает эту задачу.
Дмитрий Галкин: Эту задачу в большей степени решает уже департамент продаж банка, т.к. мы используем открытые данные, а выход на лицо принимающее решение – задача сотрудника.
MarketingTECH: Контактность потенциального клиента зависит от ряда случайных обстоятельств, как сервис может гарантировать постоянную эффективность, если вводится элемент неопределенности?
Дмитрий Галкин: Элемент неопределённости есть всегда, но и он учитывается. Для нас принципиален многофакторный анализ данных, в том числе, о ранее совершённых звонках. На основе всей совокупности данных мы готовим алгоритмы, помогающие увеличить контактность и конверсию. Аналогичный подход по подбору пары давно и широко применяется в сервисах знакомств.
MarketingTECH: Есть вероятность, что к дальнему клиенту продавец поедет в самую последнюю очередь, а ведь он может оказаться наиболее перспективным. Как система решает эту задачу?
Дмитрий Галкин: Вы правы – если говорить о классической задаче коммивояжера, то при ее краткосрочном решении она дает очень хорошие результаты в начале, а потом накапливается «долг» по большим расстояниям у дальних клиентов. Это мы знаем и выработали несколько решений:
- разбивать клиентов на географические группы,
- планировать сразу на длительный период (месяц или квартал),
- назначать задачи исходя из точек старта-финиша по ранее назначенным встречам.
Вдобавок к этому у заказчика есть свой список критериев, которые влияют на приоритет. Алгоритмы MLead учитывают как более очевидные, которые мы уже упомянули, так и внутренние, банковские критерии. Система находит оптимальное решение с учётом всей совокупности влияющих факторов.
MarketingTECH: Есть утверждение, что клиенты покупают у компаний, а не у людей. Если каждый контакт клиента происходит с новым специалистом, то как формируется лояльность?
Дмитрий Галкин: Важность именно покупки на наш взгляд преувеличена, особенно при текущей прозрачности и похожести банковских продуктов и цен. Большее влияние на доходность портфеля оказывает качественное послепродажное обслуживание, знание о клиенте и удовлетворение его потребностей. Именно знание о клиенте, как о компании, мы также предоставляем: участие в закупках, финансовые показатели, изменение сети продаж, действия конкурентов, т.д. для своевременного реагирования и обеспечения долгосрочных отношений.
MarketingTECH: Как система предотвращает “выгорание” продавцов?
Дмитрий Галкин: Мониторинг выгорания – это один из самых «многофакторных» модулей системы: главным образом, он отслеживает эффективность и темп работы, полученные результаты, нагрузку сотрудника, реакцию клиента и ещё несколько параметров. Модуль “подсвечивает” для менеджмента те зоны, на которые необходимо обратить внимание.
MarketingTECH: Какие функции CRM MLead, поддерживающие активные продажи, отличают ее от других программных продуктов. Например, 1С и Битрикс24?
Дмитрий Галкин: Их несколько.
- Изначальная геопривязка и мощный геоаналитический модуль, на котором строился MLead.
- Большая ориентированность на продажи, а не только предоставление услуг по адресу.
- Модули предиктивной аналитики, оценивающие приоритетность действий на основе различных факторов от геодоступности до потенциальной маржинальности.
- Практически неограниченные возможности кастомизации.
Одним из плюсов обозначил бы ещё мобильное приложение, которое появилось сразу, одновременно с десктопной версией на основе мощной геоаналитической платформы.
MarketingTECH: Спасибо, Дмитрий, что вы нашли время ответить на наши вопросы.
После разговора с управляющим партнером аналитической компании Marketing Logic у корреспондента MarkitingTECH сложилось целостное представление о решении MLead, помогающем повысить эффективность работы отдела телемаркетинга и прямых продаж.
Коллеги мы познакомились уже со вторым решением реальных задач по цифровизации бизнеса, стоящих перед компаниями на современном этапе развития IT-технологий, которые берется решать аналитическая компания Дмитрия Галкина.
Если у вас идеи о том, как повысить эффективность рассмотренных процессов, вопросы к Дмитрию или свои разработки, расскажите, пожалуйста, о них читателям MarkitingTECH.