Не теряем ли мы клиента ?

Суть проекта

Lift обещает предсказывать отток или возможность роста выручки клиентов для B2B-компаний.

Они утверждают, что за пять лет они собрали достаточное количество данных на компаниях, использующих их платформу, чтобы оттестировать методологию. В результате этим компаниям удалось снизить отток клиентов в среднем на 30% в год.

Причём они говорят, что умеют предсказывать отток клиента или возможный рост выручки от него с точностью в 95%.

Основа методологии — проведение регулярных опросов клиентов и работающих с ними менеджеров компании по 15 разным критериям.

После этого ИИ-машинка сравнивает полученные ответы и выдаёт значение «рейтинга удержания», «здоровья» клиента и, что немаловажно, «здоровья» работающих с ними менеджеров. Под «здоровьем» понимаются благоприятные и конструктивные отношения, от чего в немалой степени зависит удержание и рост бизнеса клиента.

Все эти данные с детальной расшифровкой анализируются и собираются в дашборде, на котором в реальном времени можно увидеть:

• агрегированные данные типа «ваш бизнес рискует потерять 40 миллионов выручки, если не предпримете никаких действий»
• «тепловую карту» распределения рисков и возможностей по клиентской базе
• более детальную информацию по каждому клиенту, помогающую в определении шагов, которые необходимо предпринять для разрешения конкретных ситуаций

«Шаги, которые необходимо предпринять для разрешения конкретных ситуаций»? Что это за шаги?

Прелесть методологии заключается в том, что она использует ответы представителей клиента и менеджеров компании по широкому кругу вопросов взаимоотношений. Опираясь на это, ИИ-машинка строит «объёмную» модель взимоотношений между компанией и клиентом.

В то же время в базе платформы накоплены рекомендации экспертов по действиям, которые можно предпринимать в разных ситуациях. А это означает, что ИИ-машинка может по этой базе одновременно собирать ещё и составную модель действий, которые в данной конкретной ситуации можно предпринять. Эти рекомендации выдаются в реальном времени параллельно с получением текущих рейтингов клиентов.

Стартап основан в Дании в 2015 году, и всё это время он развивался на зарабатываемые деньги. Этот раунд был привлёчен для расширения присутствия на рынке США, ведь уже сейчас 95% выручки стартапа идёт именно оттуда.

Что интересного

Многие бизнесы стараются мониторить свои отношения с клиентами. Потому что гораздо проще проводить профилактику и предотвращать проблемы, чем заниматься тушением пожара — что часто оказывается слишком поздно.

Однако самая распространённая методика, которая используется для такого мониторинга — это NPS (Net Promoter Score).

Измерение индекса лояльности NPS включает в себя несколько шагов:

1. Потребителям предлагается ответить на вопрос «Какова вероятность того, что Вы порекомендуете компанию/товар/бренд своим друзьям/знакомым/коллегам?» по 10-балльной шкале, где 0 соответствует ответу «Ни в коем случае не буду рекомендовать», а 10 — «Обязательно порекомендую».
2. На основе полученных оценок все потребители разделяются на 3 группы: 9-10 баллов — сторонники (promoters) товара/бренда, 7-8 баллов — нейтральные потребители, 0-6 баллов — критики (detractors).
3. Непосредственно расчёт индекса NPS. NPS = % сторонников — % критиков
4. Для получения практических выводов всем участникам опроса задается второй вопрос NPS: «Назовите основную причину вашей оценки?» Ответы на этот вопрос позволяют компаниям определить наиболее важные факторы, влияющие на формирование потребительской лояльности, опираясь на мнение клиентов.

Основатель сегодняшнего стартапа заявляет, что NPS плохо работает для анализа ситуации в B2B по двум причинам:

• Во-первых, «рекомендации коллегам» по отношению к B2B-продуктам не является достаточно релевантным и обычным действием.
• Во-вторых, в компании обычно существует несколько стейкхолдеров (как я писал в недавнем обзоре — их в среднем 11 человек на один продукт), от которых зависит отношение между клиентом и поставщиком. А у стейкхолдеров обычно разные нужды и взгляды на текущую ситуацию.

Поэтому для оценки лояльности в B2B нужно использовать другие вопросы, а также задавать разные вопросы разным типам стейкхолдеров, чтобы получить более объективную оценку. Основатель даже надеется, что в области B2B их «Lift Score» может заменить традиционный NPS.

Интересное на мой взгляд нововведение — это проведение не только опросов клиентов, но и менеджеров компании, которые с ними работают. Это позволяет взглянуть на ситуацию с разных сторон, а заодно и оценить глубину связи компании и клиента. Потому что, если ответы клиента говорят о наличии проблем, а менеджеры рапортуют, что у них всё хорошо — тут прежде всего надо заняться решением внутренних проблем.

Вторая интересная мысль — это добавление консалтинговой составляющей к аналитической платформе. Причём в принципе даже неважно — выдаёт ли эти рекомендации ИИ-машинка по базе экспертных мнений или подключаются люди-эксперты.

Основная проблема любой компании, пытающейся продавать аналитические инструменты для бизнеса — им очень трудно объяснить представителям потенциального покупателя, что потом с этой аналитикой делать.

Клиенты всё-таки предпочитают платить за решение своих проблем, а не за их диагностику. Представьте, что вы — консалтинговая компания, и вы пришли к клиенту с оффером «Заплатите нам денег, а мы расскажем, что у вас плохо». Если второй частью не будет «А потом заплатите ещё, и мы расскажем, как это исправить» — думаю, что денег вы не увидите

А вот многие разработчики аналитических сервисов искренне считают, что их цель — нарисовать побольше красивых графиков и таблиц. А что с ними делать — пусть клиент сам думает. А потом удивляются — почему их продукты недостаточно хорошо продаются

Куда бежать

Большинство аналитических сервисов рождается «снизу» — от наличия данных и умения разработчиков их визуализировать и анализировать.

А что, если пойти наоборот — «сверху»?

Сначала подружиться с консалтинговыми людьми, умеющими решать определённые бизнес-проблемы. Потом понять, какие исходные данные для постановки задачи на решение этих проблем нужно собирать. А уж потом разработать системы сбора и анализа нпобходимых данных.

Чтобы сразу начать продавать не просто платформу аналитики — а целостный сервис по диагностики и решению бизнес-проблем.

А если такой сервис будет продаваться, то тогда можно уже задуматься над тем, как автоматизировать саму систему консалтинга — постепенно внедряя туда ИИ-машинку, следуя примеру сегодняшнего стартапа.

В каких темах подобный сервис был бы востребован? Есть ли методы решения этих проблем? Какие исходные данные для этого необходимы? Как их можно собирать?

О компании

Lift

• Сайт: liftrelations.com
• Последний раунд: €2.6M, 04.01.2022
• Всего инвестиций: €2.6M, раундов: 1