Анализ данных для повышения удовлетворенности клиентов в банковской сфере

В нынешнее время банковская сфера в Российской Федерации претерпевает существенные изменения, обусловленные рядом внешних и внутренних факторов, включающих введение международных санкций в 2022 году. Тем не менее, она является одной из активно развивающейся отраслей деятельности.

В течение первых девяти месяцев 2024 года банковский сектор продолжал свое актив- ное развитие, по итогам которого прибыль банков составила 2,7 трлн. рублей. При этом количество прибыльных банков составило 256 (81% от общего числа), а общая доля прибыльных банков в активах банковского сектора составила 98%. Более подробно результаты банковской деятельности за предыдущий год представлены на рисунке 1 [1].

Ежемесячная чистая прибыль млрд руб.

Прибыль

Убыток

Источник: форма отчетности 0409101.

Банки, получившие прибыль в текущем месяце, ед.

Банки, получившие убыток в текущем месяце, ед ----Доля прибыльных банков с начала года, %

Количество и доля прибыльных и убыточных банков1

247 25S 252

247 250 260 256

99% о—

99% 99%

—с--о

Рис. 1. Показатели прибыли банков РФ за период с сентября 2023 г. по сентябрь 2024 г.

1 Доля прибыльных банков - в % от активов банковского сектора Без учета НКО. Источник: форма отчетности 0409101.

Важную роль в развитии банковского сектора играет банковская аналитика – комплекс методов и процедур для анализа данных в банковской сфере, помогающий финансовым учреждениям оптимизировать процессы, управлять рисками, повышать прибыльность и улучшать обслуживание клиентов [2]. За последнее время банковская аналитика характеризуется существенным усложнением алгоритмов обработки информации.

Высокое значение приобретает способность систем работать с неструктурированными массивами информации. Важным трендом является возможность моделей фиксировать текущее отношение потребителей к услуге, продукту или организации.

Основы оценки удовлетворенности клиентов формируются на концепции количественной оценки качества сервиса, подходах к измерению клиентского опыта и теории потребительского поведения в финансовой сфере. Методы сбора первичных данных включают мониторинг обратной связи через коммуникации с клиентом, которые в дальнейшем используются для расчета метрик, позволяющих получать репрезентативную оценку результатов удовлетворенности клиентов в организации.

Удовлетворенность потребителей бизнес-процессами, осуществляемыми в компании, определяется метрикой CSI (Customer Satisfaction Index). Она является инструментом для измерения опыта взаимодействия клиентов с компанией или брендом. CSI позволяет оценить продукты, услуги компании или работу клиентской поддержки. Он является индикатором правильности принятия управленческих решений относительно взаимодействия потребителей с компанией, однако учитывает общую удовлетворенность клиентов [3]. Подход использования CSI позволяет компаниям своевременно внедрять продукты и сервисы, улучшать качество обслуживания, учитывая клиентский опыт во взаимодействии с организацией. В основе расчета индекса CSI лежит идея о том, что удовлетворенность потребителя зависит не только от характеристик про- дукта, но и от того, насколько важны для потребителя эти характеристики [4].

Еще на момент августа 2016 г. «Сбербанк» в рамках реализации клиентоцентричной модели ежедневно производил замеры CSI в различных каналах обслуживания клиентов. В офисах «Сбербанка» была размещена информация о том, что банк проводит CMC-опросы о качестве обслуживания с номера «9000». Сообщения с просьбой оценить работу банка рассылались через день-два после взаимодействия клиента с банком, и удовлетворенность клиентов измерялась в баллах от 1 до 10, где 1 говорил о том, что клиент совсем недоволен, а 10 – очень доволен. За 6 месяцев 2016 г. из 19 млн клиентов примерно 1,6 млн оставили отзывы, которые использовались для усовершенствования процессов в банке [5].

На практике работа технической поддержки компании, а также удовлетворенность ее продуктами и услугами, в том числе и в банковском секторе, определяется метрикой CSAT (Customer Satisfaction Score). Она фокусируется на измерении опыта клиента после определенного взаимодействия с компанией [6].

На CSAT могут влиять различные факторы, которые можно поделить на несколько категорий: сроки решения клиентского вопроса, эффективность работы сотрудников, влияние массовых сбоев, индивидуальное мнение потребителя относительно продукта или услуги, особенности настройки процессов в компании, предыдущий негативный опыт. Также на удовлетворенность клиентов оказывает влияние изначальное отношение к этому банку [7].

Важно учитывать также и особенности сбора данных, используемых для расчета CSAT. Эта метрика может не являться достаточно полной, так как плохо учитывает ошибки в настройке учета клиентских отзывов. CSAT рассчитывается на основе оценок от потребителя, поэтому сильно зависит от алгоритма сбора обратной связи от клиентов.

Пример одной из форм, используемой при сборе CSAT в организации «Т-Банк», представлен на рисунке 2.

Рис. 2. Форма сбора обратной связи при открытии накопительного счета физическим лицом в мобильном приложении банковской организации «Т-Банк»

Сбор и анализ данных – основополагающие этапы в понимании удовлетворенности клиентов. Так, анализ информации с помощью метрики CSAT, подразумевает выполнение следующих шагов:

• 1.    Определение целей опроса. Ими может быть понимание удовлетворенности потребителем конкретного продукта, услуги, либо их части.

• 2.    Выбор аудитории опроса. В нем могут участвовать все потребители либо специфическая группа (например, те клиенты, которые обращались в чат с технической поддержкой в октябре 2024 г. и вопрос которых был решен только на первой линии поддержки за сроки, превысившие сутки).

• 3.    Выявление оптимального времени проведения опроса. Например, отправка опроса может осуществляться сразу после завершения взаимодействия с клиентом и по истечении суток.

• 4.    Формулирование опросов с целью снижения предвзятости в ответах, включающее определение шкалы оценивания. Самым распространенным форматом является шкала от 1 до 5, где 1 обозначает «крайне неудовлетворен», а 5 – «крайне удовлетворен». При необходимости могут использоваться открытые вопросы для сбора детальной обратной связи.

• 5.    Определение методов сбора данных. Наиболее часто организациями, осуществляющие деятельность в банковской сфере, используются электронные опросы в мобильных приложениях либо десктопных версиях сайта.

• 6.    Сбор и анализ данных для выявления общих тенденций с учетом конверсии запросов обратной связи от клиентов в получение

  валидных для использования оценок (так, если было отправлено 1000 форм, заполнено 118, из которых 16 являются невалидными, конверсия составит 0,102).

• 7.    Интерпретация результатов анализа данных. Одним из важных видов интерпретации является сравнение результатов с предыдущими показателями, помогающее выявить изменения во времени и определить аспекты, требующие внимания.

Так, проведение исследования предполагает формирование репрезентативной выборки, многоуровневую оценку параметров с учетом полноты работы алгоритма и идентификацию факторов влияния на удовлетворенность клиентов.

Процесс оценки уровня удовлетворенности клиентов на основе уже полученных данных, согласно одной из методологий, может проводиться в три этапа:

• 1.    Сегментирование клиентской базы на группы (классификация О. Уилсона):

• -    постоянные клиенты;

• -    случайные клиенты;

• -    разовые клиенты;

• -    утерянные клиенты;

• -    потенциальные клиенты.

• 2.    Исследование удовлетворенности клиентов, отдельно по каждой группе, так как интересы и потребности каждой группы могут отличаться. Для выявления удовлетворенности клиентов необходимо собрать данные по направлениям:

• -    мнение работников передней линии;

• -    мнение собственных клиентов;

• -    мнение клиентов конкурентов;

• -    мнение «утерянных клиентов», выявление причин отказа от услуг компании;

• -    выяснение репутации компании из общедоступных источников.

• 3.    Анализ полученных данных, определение удовлетворенности клиентов и соответствие качества услуг (товара) ожиданиям клиентов [8].

Несмотря на ориентированность указанного процесса на сбор информации, ориентированный на уровень удовлетворенности продукта, его также можно применять для анализа работы клиентской поддержки.

Если проводить более частное рассмотрение особенностей анализа данных, можно отметить, что он представляет собой комплекс статистических методов, математического моделирования и технологий машинного обучения.

Методы первичной обработки данных включают в себя нормализацию, идентификацию аномалий и их исключение из расчетов. Как правило, алгоритмы предусматривают кластерный анализ клиентских групп, который потом используется для прогностическо- го моделирования и корреляционного анализа взаимосвязей.

Существенную роль в развитии банковской аналитики играют технологии машинного обучения, распознающие паттерны поведения клиентов. Они используют технологии, позволяющие обеспечивать обработку больших массивов неструктурированной информации, идентифицировать закономерности в клиентском поведении и осуществлять кластеризацию клиентских групп с высокой точностью.

Результаты анализа данных создают возможности для идентификации ключевых факторов удовлетворенности клиентов, разработки стратегий управления работой клиентской поддержки, оптимизации бизнес-процессов, касающихся обслуживания клиентов, и определения векторов развития банковских продуктов и услуг, предоставляемых компанией в рамках отрасли.

Ограничения исследований, проводимых для получения метрик CSI и CSAT, являющихся основной при оценке удовлетворенности клиентов в банковской сфере, связаны с субъективностью оценки клиентов, погрешностями при сборе данных, несовершенством алгоритмов анализа данных.

Таким образом, ключевой особенностью современной аналитике в российском банковском секторе является комплексный подход к изучению удовлетворенности клиентов, реализуемый через использование метрик CSI и CSAT, демонстрирующих высокую эффективность в понимании потребительского поведения.