В последние годы в России наблюдается стойкий рост индекса женской предпринимательской активности, который отражает улучшение условий для женщин в бизнесе и их возрастающую интеграцию в предпринимательскую деятельность. Этот индекс является важным показателем того, насколько благоприятной является среда для развития женского предпринимательства в стране. Современный бизнес-климат характеризуется уменьшением гендерных барьеров, при этом в процессе отбора кандидатов на руководящие позиции основное внимание уделяется не гендерной принадлежности, а профессионализму, глубоким знаниям рынка и обоснованности принимаемых решений.

Мы пообщались с Натальей Петровой, выдающимся экспертом по маркетингу и клиентскому сервису, основателем и владельцем исследовательского агентства focus-cx.ru, которая поделилась своим опытом управления бизнес-процессами в нескольких направлениях. Наталья рассказала о том, каково это — быть женщиной-руководителем в динамично развивающейся индустрии, о развитии клиентского сервиса и о неочевидном прогрессе машинного обучения в маркетинге.

Наталья, ваш путь в индустрии маркетинга и клиентского сервиса был спланированным или, как у многих в этой сфере, стал результатом сложившихся обстоятельств? Расскажите подробнее.

Мой карьерный путь оказался многогранным, иногда очень стрессовым, каждый этап которого способствовал личному и профессиональному росту. Начав свою карьеру с позиции менеджера абонентского отдела, я сталкивалась с непростыми испытаниями ежедневно. Недовольные клиенты порой кидали в меня заявления о расторжении договоров. Эти ситуации закалили мой дух и научили меня искать подход к самым требовательным клиентам. Я воочию убедилась в том, что клиенты бывают очень и очень разные и подход нужно искать к каждому.

Перейдя на должность менеджера по развитию регионов, моя задача усложнилась: мне нужно было открывать офисы и точки продаж по всей стране, а главное, заниматься подбором персонала и последующим полным циклом руководства. Этот опыт значительно усилил мои управленческие навыки и способность быстро формировать эффективные команды, способные действовать в сжатые сроки и под давлением.

Интерес к иностранным культурам и желание найти новые возможности вывели меня в Таиланд, где я поучаствовала в запуске интернет-магазина тайской косметики. Время, проведённое в Азии, научило меня глубокому пониманию международного бизнеса и тонкостей межкультурного общения, что, безусловно, стало моим конкурентным преимуществом.

Далее мой путь привёл меня в один из филиалов Эр-Телеком Холдинга, где я заняла позицию руководителя отдела качества. Я стала углубляться в проекты и KPI, связанные с оттоком и клиентской лояльностью во всех точках контакта с клиентом. Этот опыт показал, как важно каждому сотруднику понимать своё влияние на общий результат и как объективные цифры и данные могут помочь в управлении качеством на всех уровнях.

Затем я возглавила клиентский сервис на шесть регионов России в одной из ведущих федеральных телеком-компаний - в Ростелекоме. Здесь я столкнулась с бюрократией, которая, однако, не стала помехой для достижения поставленных целей и получения премий за их выполнение. Масштабы проектов и критических ситуаций поражали - нужно было научиться действовать слаженно и продуктивно, погрузиться в анализ.

В настоящий момент я веду собственный бизнес и занимаюсь развитием сервиса для компаний малого и среднего бизнеса, выходящих на новые регионы. Этот опыт не только позволил мне применять накопленные знания на практике, но и постоянно обучаться, сталкиваясь с новыми вызовами и находя нестандартные решения.

Каждый из этих этапов обогатил меня как профессионала, расширил мои горизонты и позволил глубже понять, что именно я хочу достичь в своей карьере. Сейчас я не только применяю всё полученное знание для развития своих проектов, но и с энтузиазмом делюсь опытом с коллегами и партнёрами, помогая им расти и развиваться вместе со мной.

Наталья, расскажите о том, как вы поняли, что именно это направление “ваше”?

Я часто оказывалась в ситуациях, где сервис оставлял желать лучшего. Меня раздражает, когда люди плохо делают свое дело и берут за это деньги, потому что я считаю, что каждый человек заслуживает уважения и внимательного отношения по умолчанию, а если еще и деньги платит за услугу, то нужно ради него постараться.

Это пробудило во мне желание изменить ситуацию и поднять стандарты обслуживания. Я поняла, что могу внести свой вклад в клиентский сервис и сделать его более человечным и эффективным.

Для меня работа в клиентском сервисе — это не просто профессия, это миссия. Я стремлюсь к тому, чтобы каждый клиент чувствовал себя услышанным и ценным. Я верю, что качественный сервис может изменить жизнь людей, создать позитивные впечатления и даже вдохновить на новые достижения вне зависимости от сферы. Моя цель — быть тем человеком, который делает этот мир лучше, предоставляя высочайший уровень обслуживания и показывая пример для других.

Более того, в клиентском сервисе довольно обширные бизнес-процессы и я развивалась планомерно в прямых контактах с клиентами, в настройке цепочек коммуникаций, создании контента, аналитике. Последнее время делаю упор на глубокое выделение сегментов. Эта тема пока что не очень глубоко изучена и описана и это мой приоритет.

Какие тенденции вы видите в использовании машинного обучения для работы с оттоком клиентов?
Современные компании всё больше переходят от общих моделей к персонализированным подходам. Используя алгоритмы машинного обучения, они могут создавать модели, которые учитывают уникальные характеристики каждого клиента, такие как их поведение, предпочтения и историю взаимодействий. Это позволяет делать более точные прогнозы относительно риска оттока и разрабатывать индивидуальные меры по удержанию.

Технологии глубокого обучения, включая рекуррентные и сверточные нейронные сети, позволяют обрабатывать большие объемы данных и выявлять сложные зависимости между различными факторами, влияющими на отток. Можно сравнить эти методы с тем, как если бы вам к обычной числовой таблице добавили формулы в экселе. Аналитика меняется от года к году, за этим увлекательно наблюдать и развиваться.

Какой аспект изменений в аналитике за последнее время вас впечатлил?

Компании стали чаще находить ресурсы для реализации real-time аналитики для мгновенного реагирования на изменения в поведении клиентов. Используя поточные данные и алгоритмы машинного обучения, компании могут быстро идентифицировать клиентов, находящихся под риском оттока, и предпринимать незамедлительные действия для их удержания.

Представьте, что вам кто-то “нашептал”, что Вася задумывается о том, чтобы перестать с вами дружить. Компании могут постараться вернуть лояльность и удержать Васю, например, начнут отправлять персонализированные предложения или подключать исходящий канал коммуникации retention.

Машинное обучение классно использовать с двух сторон - вы вытягиваете критические точки в реальном времени и параллельно отдаете на автоматизацию рутинные процессы, освобождая таким образом часть маркетинговой команды.

Что, например, можно отдать на автоматизацию не-digital компаниям?

Кажется, что многие развивающиеся компании понимают необходимость автоматизации (помимо бухгалтерии и экселя). Например, можно поговорить про интернет вещей, который стал активно внедряться в неочевидные сферы.

Вроде как было много новостей про использование умных счетчиков в ЖКХ - умные счетчики воды, газа и электроэнергии позволяют более точно учитывать потребление ресурсов, а также выявлять утечки и аварии в реальном времени. Но это только первый шаг. Системы умного управления отоплением и освещением помогают экономить энергию и улучшать комфорт для жильцов. Машинное обучение на основе данных IoT может предсказывать пиковые нагрузки и оптимизировать использование ресурсов, снижая затраты и повышая устойчивость системы.

В сельском хозяйстве IoT и машинное обучение помогают оптимизировать процессы выращивания и сбора урожая. Умные датчики отслеживают состояние почвы, уровень влажности и температуру, что позволяет фермерам вовремя вносить удобрения и поливать растения. Системы машинного обучения анализируют эти данные и предоставляют рекомендации для улучшения урожайности и снижения затрат на ресурсы. Также, дроны и беспилотные летательные аппараты с IoT-устройствами могут проводить мониторинг больших площадей, обнаруживая проблемы и контролируя состояние посевов.

Конечно, впечатляет горизонт развития IoT в здравоохранении и медицине. Это какая-то сказка нашего будущего.

Вы имеете в виду умные устройства, которые на себе носит человек?

Это опять же только первый шаг, который можно вписать в прогресс. Представьте, как эти же простейшие датчики могли бы пригодиться в сельских и удаленных районах, где доступ к медицинским учреждениям ограничен. Например, пациент с гипертонией может ежедневно измерять артериальное давление с помощью умного тонометра, данные с которого автоматически отправляются врачу. Врач может следить за состоянием пациента и давать рекомендации, не требуя физического посещения клиники. Мы не говорим про отслеживание скачков.

Если говорить про хирургию и отходить от банальной роботизации, то, например, умные скальпели могут измерять силу, которую прикладывает хирург, и температуру тканей, предотвращая случайное повреждение. Такие инструменты помогают хирургам выполнять более точные и безопасные операции, что особенно важно при сложных и деликатных вмешательствах, таких как нейрохирургия. Что, конечно, тоже хорошо ложится на идею телехирургии, когда высококомпетентный врач находится далеко.

Или, например, можно избежать человеческой ошибки при дезинфекции помещения или стерилизации оборудования с помощью IoT. Умные системы вентиляции и освещения могут автоматически регулировать параметры в зависимости от требований операции и состояния пациента.

Не совсем понятно, для чего вам в клиентском сервисе и маркетинге так глубоко погружаться в машинное обучение?

Представьте себе клиента, который получает именно те предложения, которые ему нужны, потому что система на основе машинного обучения проанализировала его предпочтения и поведение. Это создает ощущение заботы и внимания, что в конечном итоге укрепляет его лояльность к компании. Кроме того, мы можем быстро и эффективно решать проблемы клиентов. Вспомните, как неприятно ждать на линии или получать шаблонные ответы. Алгоритмы могут мгновенно анализировать запросы и предлагать точные и релевантные решения, что значительно улучшает качество обслуживания без “зависания” на линии.

Также, машинное обучение позволяет нам предсказывать будущие потребности клиентов, опираясь на анализ данных. Это дает возможность быть на шаг впереди, предлагая клиентам то, что им нужно еще до того, как они сами осознали эту потребность. Таким образом, мы можем создавать действительно ценные и полезные предложения, которые находят отклик у клиентов. Не следовать прогрессу, а вершить его звучит куда продуктивнее.

В конечном итоге, использование машинного обучения делает наш сервис не только более эффективным, но и более человечным. Это позволяет нам строить долгосрочные отношения с клиентами, основанные на понимании, доверии и заботе. И именно это делает нашу работу в клиентском сервисе и маркетинге по-настоящему значимой и вдохновляющей.

Спасибо за ваши ответы!

Автор статьи: Аркадьева Анна Алексеевна