امتیازدهی سرنخ بانکی - وقتی یک نفر از سه کانال، سه سرنخ شمرده میشود
در بانک، همان یک نفر ممکن است در شعبه فرم پر کند، در اپلیکیشن روی محصولی کلیک کند و به مرکز تماس زنگ بزند. هر سه در سیستم ثبت میشوند و هر سه سرنخ جداگانه شمرده میشوند - و هیچکدام تصویر کاملی نمیدهد.
در این صفحه
یک نفر، سه سرنخ
نتیجه عملی این پراکندگی، سه مشکل همزمان است:
- تماس تکراری - سه کارشناس با یک نفر تماس میگیرند و هر بار از اول شروع میکنند
- آمار غلط - تعداد سرنخ بیش از واقع گزارش میشود و نرخ تبدیل کمتر از واقع
- از دست رفتن سیگنال - کسی که در سه کانال فعال بوده، جدیتر از کسی است که یک بار فرم پر کرده؛ ولی این در داده پراکنده دیده نمیشود
چرا ادغام روی شماره تلفن کافی نیست
راهحل بدیهی این است که رکوردها را روی شماره موبایل ادغام کنیم. در بانک این ساده نیست:
- شماره ممکن است متعلق به همراه مشتری باشد نه خودش
- یک شماره میتواند برای چند نفر ثبت شده باشد - مثلاً در خانواده یا کسبوکار کوچک
- و مهمتر: ادغام رکوردها یعنی ادغام دسترسی. اگر اشتباه شود، اطلاعات یک مشتری در پرونده مشتری دیگر دیده میشود
پس ادغام باید محافظهکارانه باشد: تطبیق قطعی با کد ملی، تطبیق محتمل با ترکیب چند فیلد که به صف بررسی میرود، و در غیر این صورت جدا ماندن.
این محافظهکاری هزینه دارد - بخشی از رکوردها ادغامنشده میمانند - ولی هزینهاش از هزینه یک ادغام اشتباه در بانک کمتر است.
انگیزه ثبت: مسئلهای که فنی نیست
یک واقعیت که هیچ فناوریای حلش نمیکند: کارمند شعبه انگیزهای برای ثبت سرنخ ندارد اگر ثبتش وقت بگیرد و نتیجهاش به خودش برنگردد.
نتیجهاش سیستمی است پر از رکوردهای ناقص و یک لایه سرنخ که اصلاً وارد نشده. مدل امتیازدهی روی چنین دادهای، الگوی کارمندان را یاد میگیرد نه الگوی مشتریان.
- ثبت باید چند ثانیهای باشد، نه یک فرم چندصفحهای
- نتیجه پیگیری باید به همان شعبه برگردد
- و ترجیحاً در سنجش عملکرد شعبه دیده شود
سرنخهای شما از چند کانال میآیند؟
در جلسه ارزیابی، کانالهای ورود سرنخ و امکان یکسانسازی هویت بررسی میشود.
امتیازدهی بر پایه رفتار، نه فرم
امتیازدهی سنتی بر پایه اطلاعات فرم است: سن، شغل، درآمد اعلامی. اینها ثابتاند و کمتر از رفتار میگویند.
سیگنالهای رفتاری که در بانک در دسترساند و معمولاً استفاده نمیشوند:
- تعداد و تازگی تعاملات در کانالهای مختلف
- زمان صرفشده روی صفحه محصول در اپلیکیشن
- پاسخ به پیگیریهای قبلی - حتی پاسخ منفی، خودش اطلاعات است
- تغییر در الگوی تراکنش که با نیاز به محصول همبستگی دارد
و مدل باید در کنار امتیاز، دلیل برگرداند - چون کارشناسی که فهرست بدون دلیل بگیرد، به آن اعتماد نمیکند و استفادهاش نمیکند.
گردشکار
۱. جمعآوری سرنخ از همه کانالها
شعبه، اپلیکیشن، وبسایت، مرکز تماس و کمپینها.
۲. یکسانسازی محافظهکارانه هویت
تطبیق قطعی خودکار، تطبیق محتمل به صف بررسی، بقیه جدا.
۳. امتیازدهی با دلیل
بر پایه رفتار چندکاناله، نه فقط فرم.
۴. تخصیص با در نظر گرفتن ظرفیت
به شعبه یا کارشناس مربوطه، متناسب با ظرفیت واقعی پیگیری.
۵. ثبت نتیجه و بازگشت به شعبه
نتیجه پیگیری هم مدل را بهبود میدهد و هم انگیزه ثبت را حفظ میکند.
سنجش و نقطه شروع
معیار اول و پیش از هر بحثی درباره مدل: سهم سرنخهایی که به هویت واحد نگاشت شدند. اگر این عدد پایین باشد، امتیازدهی روی داده پراکنده انجام میشود و نتیجهاش قابل اتکا نیست.
معیار دوم: نرخ تبدیل سرنخهای بالای فهرست در برابر انتخاب تصادفی - که تنها راه نشان دادن ارزش مدل است.
پیشنهاد ما شروع با یک محصول بانکی است - معمولاً محصولی با چرخه فروش کوتاهتر، تا نتیجه در چند ماه دیده شود.
جزئیات پلتفرم در صفحه CRM هوشمند است.
بقیه کاربردها در صفحه راهکارهای بانکداری است.
پرسشهای متداول
چون در بانک ادغام رکورد یعنی ادغام دسترسی، و اشتباهش یعنی دیده شدن اطلاعات یک مشتری در پرونده دیگری. شماره هم ممکن است متعلق به همراه مشتری باشد یا برای چند نفر ثبت شده باشد. ادغام باید محافظهکارانه باشد: تطبیق قطعی خودکار، محتمل به صف بررسی، بقیه جدا.
میمانند، و این هزینه پذیرفتهشدهای است. هزینه ادغامنشدن از هزینه یک ادغام اشتباه در بانک کمتر است.
این مسئله فنی نیست و فناوری حلش نمیکند. سه شرط لازم است: ثبت چند ثانیهای باشد نه فرم چندصفحهای، نتیجه پیگیری به همان شعبه برگردد، و ترجیحاً در سنجش عملکرد شعبه دیده شود. بدون اینها مدل الگوی کارمندان را یاد میگیرد نه الگوی مشتریان.
بر پایه رفتار نه فرم: تعداد و تازگی تعاملات چندکاناله، زمان روی صفحه محصول، پاسخ به پیگیریهای قبلی - که حتی پاسخ منفیاش اطلاعات است - و تغییر الگوی تراکنش. اطلاعات فرم ثابتاند و کمتر میگویند.
چون کارشناسی که فهرست بدون دلیل بگیرد به آن اعتماد نمیکند و استفادهاش نمیکند. دلیل هم به او میگوید چطور شروع کند و هم نشان میدهد فهرست تصادفی نیست.
با مقایسه نرخ تبدیل سرنخهای بالای فهرست در برابر انتخاب تصادفی. و پیش از آن، معیار پایهایتر: سهم سرنخهایی که به هویت واحد نگاشت شدند - اگر این پایین باشد، بحث درباره دقت مدل بیمعناست.
از یک محصول بانکی با چرخه فروش کوتاهتر، تا نتیجه در چند ماه دیده شود نه چند سال. محصولات با چرخه بلند نقطه شروع خوبی برای اثبات ارزش نیستند.
