Finversia-TV
×

CRM в период кризиса A A= A+

Александр ЛЮБИМОВ
Начальник отдела управления клиентскими отношениями, аналитики и стратегий развития клиентов АО «Райффайзенбанк»

Евгений КЛИМОВ
Руководитель группы аналитики розничного бизнеса и стратегий развития клиентов АО «Райффайзенбанк»

Каждый поставщик услуг рано или поздно приходит к этапу развития, когда приток новых клиентов перестаёт быть существенным. При этом количество не имеет значения: охват может исчисляться и десятками, и миллионами, но когда сегмент рынка исчерпан, получать прибыли за счёт поиска новых контактов становится крайне сложно. В кризис эти рамки сжимаются особенно сильно: в ситуации, когда каждый потенциальный клиент действует по принципу «семь раз отмерь — один раз купи», количественный фактор перестаёт работать ещё быстрее. Выход — действовать вглубь, а не вширь: основные силы должны быть сосредоточены на работе с уже имеющимися клиентами с целью повышения их лояльности и достижения кросс-продаж. 

Несмотря на то что аналитические CRM-решения были доступны на российском рынке финансовых услуг ещё в начале нулевых, пристальное внимание они начали привлекать в кризис 2008 года. Тогда начался заметный отток старых клиентов из банков при полном отсутствии новых — поскольку люди стали переводить накопления в валюту и снижать уровень потребления. При этом серьёзных ресурсов для укрепления связей с уже имеющимися клиентами тоже не оставалось — из-за сокращений персонала и экономии на всём. В итоге на гребне волны оказались те банки, которые уже внедрили у себя аналитические CRM-системы: их наличие значительно снижало стоимость привлечения и обслуживания клиентов и позволяло добиваться повторных продаж за счёт более точного прогноза поведения и потребностей каждого из них.

Вторая волна внедрений пришлась на годы восстановления после предыдущего кризиса, в особенности на 2011-й и 2012-й. Портфели банков стремительно увеличивались, рынок розничного кредитования рос в среднем на 30% в год, и участники рынка активно вкладывали средства в автоматизацию целевого маркетинга.

К нынешнему кризису многие банки подошли во всеоружии, но распространение аналитических CRM-систем в нашей стране всё равно ниже, чем это продиктовано временем и рынком. Отчасти — из-за столкновения двух требований, которые, на первый взгляд, противоречат друг другу. С одной стороны, CRM-система должна быть легко внедряемой, особенно если рассматривать её как антикризисное решение, когда время становится особенно дорогим. Схематизируя ситуацию, идеал можно представить так: считанные недели на внедрение, считанные месяцы — до окупаемости. С другой стороны, качественный CRM — это не софт, который можно просто взять и установить, а скорее —  стратегия, в основе которой лежит целый комплекс IT-решений. При этом для каждого банка решение прорабатывается индивидуально в зависимости от запросов, приоритетов и возможностей.

Факты же показывают, что противоречие только кажущееся: действительно, каждый банк индивидуален, и чтобы построить эффективный аналитический CRM, требуется серьёзная подготовительная работа. Но это не значит, что с нуля придётся создавать абсолютно всё: существуют готовые технические решения, которые интегрируются в систему каждого конкретного банка и настраиваются под требуемые параметры, становясь на выходе тем самым уникальным CRM-решением.

Чтобы примирить эти два противоречия, по опыту успешного внедрения аналитического CRM в Райффайзенбанке можно порекомендовать следующее. Во-первых, переносите процессы по частям. Переключить всё и сразу будет очень сложно и очень дорого. Во-вторых, не стоит недооценивать сложность проекта — даже при очень точном планировании, полном понимании задач и решений времени может уйти больше, чем предполагалось на начальном этапе. И наконец, необходимо очень чётко представлять, что вы хотите получить на выходе: то есть вы должны изучить и хорошо понимать то техническое решение, которое собираетесь приобрести. В случае Райффайзенбанка после такого глубокого изучения оптимальным выбором стали решения от компании SAS. Чёткое понимание задач и детальное ознакомление с возможностями продуктов позволило сэкономить в том числе и время, поскольку большинство бизнес-требований покрывалось стандартным функционалом платформы Customer Decision Hub.

Решение SAS: стандартные опции, нестандартные задачи

Цели, стоявшие перед Райффайзенбанком, были отчасти продиктованы общей макроэкономической ситуацией, отчасти — ростом самого банка: увеличением линейки банковских продуктов и клиентской базы в годы после первой волны кризиса. Система, которая была создана в банке собственными силами, к 2012 году уже не справлялась с потоком новых задач. Было необходимо внедрить промышленное аналитическое CRM-решение, которое позволило бы повысить лояльность клиентов и объём продаж за счёт эффективной работы с уже имеющейся клиентской базой. Нам требовалась сильная и, что важно, единая аналитическая платформа, которая бы позволила подбирать интересные предложения для каждого конкретного клиента на основании методов статистического анализа. Кроме того, мы искали инструмент для сценарного моделирования целевых компаний, чтобы прогнозировать финальный результат ещё до начала коммуникации с потенциальным клиентом.

Упомянутое CRM-решение, которое работало в банке на тот момент, напоминало своего рода «техническую солянку»: это была некая совокупность совершенно разнородных приложений, где были задействованы и Excel, и Enterprise Guide, и Access, и многое другое. Всё это работало с достаточно большим временны́м лагом, обновление данных не было столь оперативным, как бы нам хотелось, и в результате возникали, скажем, такие ситуации, когда клиенты получали предложение, от которого уже отказались, и не понимали, почему им прислали его снова. Разумеется, отказывались повторно, при этом страдала лояльность. Грубо говоря, нам не хватало гибкости. Чтобы решить эту проблему, в рамках проекта мы построили новую витрину данных, а для решения задач аналитики и запуска кампаний выбрали инструменты SAS.

Ключевую роль при выборе сыграл функционал системы, в первую очередь —  аналитический инструментарий. Кроме того, как уже было упомянуто выше, большинство наших задач решалось стандартными опциями системы, что экономило время. Использование стандартного функционала позволяло нам уменьшить стоимость перехода за счёт оптимизации затрат на сопровождение, поставку обновлений, миграции на новые версии, обучение сотрудников и развитие платформы. Таким образом, максимальное использование стандартных механизмов и решений в ходе внедрения и дальнейшей эксплуатации системы стало одним из главных требований к решению. Но, разумеется, мы опирались и на успешный опыт предыдущего сотрудничества с SAS.

Внедрение системы проходило в два этапа. На первом из них была построена витрина данных, позволяющая создавать прогнозные модели на уровне каждого клиента и проводить автоматизированные целевые маркетинговые кампании. Также были настроены сценарии исходящих целевых маркетинговых кампаний. На втором этапе была проведена установка модуля SAS Marketing Optimization, настроены сценарии оптимизации целевых кампаний в зависимости от целей и ограничений.

Чего мы достигли после внедрения решений? Прежде всего — максимизировали ожидаемую доходность от коммуникаций с клиентом. Сначала мы рассчитываем вероятности по всем каналам продаж, для всех продуктов. Затем рассчитываем доходность, которую планируем получить от каждого клиента при предложении каждого из продуктов, перемножаем эти два показателя — и получаем ожидаемую прибыль. Ну а дальше выбирается для данного конкретного клиента тот канал и то предложение, которые показали максимальную доходность.

Что же касается количественных результатов, то мы добились роста продаж, несмотря на макроэкономическую ситуацию. По некоторым продуктам аплифт составил более 100%, продажи таких продуктов, как депозиты и паи инвестиционных фондов, выросли вдвое. В настоящий момент система в полноценном рабочем режиме используется подразделением CRM для управления многоканальными целевыми маркетинговыми кампаниями, и проект автоматизации аналитического CRM признан успешным.

Finversia-TV

Горячая цифра