Любовь Лашкевич - Записки маркетолога. Чертеж вашего бизнеса

Что делать управляющему торговой точки 4 с таким взысканием? Да, уровень клиентского обслуживания – самый низкий по сети, но что конкретно делать – непонятно. Пойти и застрелиться всем коллективом? Ведь результат исследования не дает никакого конкретного инструмента для исправления ситуации.

Теперь посмотрим на рис. 5. Здесь в разрезе тех же торговых точек измерены конкретные показатели, которые непосредственно влияют на уровень клиентского обслуживания. Мы видим, что показатель работы консультантов по торговой точке 4 занимает второе место и отстает от лидера всего на 5%. Что же получается? Основываясь на средних величинах уровня клиентского обслуживания, руководство компании объявило взыскание персоналу, который хорошо работает?! Неудивительно, если после подобных действий этот хорошо работающий персонал уйдет из компании.

В то же время, показатель работы консультантов по торговой точке 2 выдает самый низкий результат. И это та торговая точка, персонал которой руководство поощряло на основании средних показателей уровня клиентского обслуживания. Несомненно, персонал, который не очень старался, но при этом получил поощрение, продолжит дальше работать, не особенно усердствуя. И самое опасное, что другие сотрудники сети, наблюдая, как поощряют тех, кто не старается, будут копировать модель «ненапряжного» отношения к работе.

Осталось выяснить, за счет чего так сильно исказились средние величины. Ответ мы найдем на рис. 6. Торговая точка 2 была оборудована лучше всех по сети, там лучший ремонт и новая мебель.

А в торговой точке 4 давно не делали ремонт, там мебель и оборудование старые. Вот и весь секрет успеха и высоких показателей торговой точки 2. Торговая точка 4, не обладая ресурсами торговой точки 2, показывала высокий уровень работы персонала, который действительно заслуживает поощрения. Но опасные средние принижали показатели тех, кто хорошо работал, возвышая тех, кто более халатно относился к своим обязанностям.

Для того, чтобы не попасть в ловушку средних показателей, не стоит «клеить мягкое с круглым». Что происходило в нашем примере: исследователь, собирая данные клиентского обслуживания, вычислял средний показатель, складывая уровень профессионализма персонала с уровнем оборудования торговой точки, и делил эти данные на количество переменных в числителе. С точки зрения математики, вычисления были верны, но по сути они оказались ошибочны и опасны для бизнеса.

Что нужно учитывать в логике анализа данных, чтобы избежать описанной ситуации? Данные, с которыми вы проводите математические операции, должны быть однородными. Это тот самый принцип однородности, который мы разобрали в первой главе. Если вы анализируете уровень клиентского обслуживания, то можете складывать, вычислять средние и делать прочие математические операции только между данными одной группы. Причем вы можете вычислять средний показатель по всей сети, в одной торговой точке, или сравнивать индивидуальные показатели по каждому консультанту.

Но данные из разных групп вы можете только сравнивать. Например, показатели из группы «Уровень проведения консультаций» сравнить с показателями группы «Оформление информационного стенда». При сравнении может оказаться, что в торговой точке высокий уровень проведения консультаций, но менеджеры плохо работают с оформлением информационных стендов, поэтому их общий балл клиентского обслуживания снижен. В этом случае руководитель и персонал торговой точки точно знают, почему они не получили ожидаемых выплат, и что нужно исправить.

Одна из задач, которые часто ставит руководство компании перед исследователями – замер известности участников рынка. Замерить известность легко. Достаточно составить небольшую анкету с набором вопросов и провести количественный опрос в соответствии с правильно рассчитанной выборкой.

Так как проводить опрос с двумя вопросами в анкете – непозволительная расточительность, то в анкету, кроме вопроса «Какие компании вам известны?» добавляют еще несколько вопросов, например, «Услугами какой компании вы пользовались?», чтобы в итоге измерить не только известность, но и доли участников рынка.

На примере исследования рынка застройщиков многоэтажных жилых зданий мы разберем ловушки, которые могут встретиться исследователю.

На рис. 7 показаны некоторые результаты замера известности строительных компаний. На вопрос «Какие строительные компании вы знаете?» были названы 72 компании, которые, по мнению респондентов, являются застройщиками многоэтажных жилых зданий.

Из 72 компаний только 4 перешагнули планку известности в 7%. Остальные 66 компаний известны единицам респондентов. Наличие такого большого количества компаний на рынке создает большой информационный шум в голове у клиентов.

Мы видим на рис. 7, что компания №39 обладает наибольшей известностью.

А компания №68 и компания №40 не просто неизвестны, но еще и не проходят по известности порог в 7%. По всем законам статистики и маркетинга, данные компании не могут претендовать на звание «реальный участник рынка». Компании №68 и №40, доля которых не является значимой для массового рынка, показаны на рисунке не случайно. Именно на примере показателей этих компаний мы и разберем ловушку, которая может встретиться исследователю.

Картина становится более интересной, когда мы начинаем сравнивать доли рынка компаний на уровне известности и продаж. Обратите внимание на рис. 8.

Интересная ситуация складывается с компаниями №40 и №68. Известность у них невысокая, а продажи – на уровне реального участника рынка.

Если мы оставим цифры в таком виде, то рискуем получить вопросы, на которые у нас нет ответов. И скорее всего, несоответствие известности и продаж у компаний №40 и №68 поставит под сомнение все расчеты. Так как существует воронка продаж, которая явно показывает, что известность не может быть меньше продаж.

Итак, что происходит? Ошибка? Да, несомненно, ошибка. Но ошибка была допущена не в расчетах. Она появилась еще на моменте составления инструментария к исследованию.