Как анализ данных помогает Zapier совершенствовать техподдержку

Название стартапа Zapier может не быть на слуху, но его авторы делают интересную и нужную вещь — веб-сервис, позволяющий связывать между собой другие сервисы. Во многом это аналог более раннего IFTTT, но, во-первых, с куда большим выбором источников (и приёмников) информации и, во-вторых, с корпоративным уклоном. При помощи Zapier, например, можно автоматически сохранять вложения из Gmail в Dropbox, а можно интегрировать между собой Salesforce, Asana, Zendesk, Mailchimp и прочие популярные решения.

Всего у Zapier около 150 тысяч клиентов, которые используют более 600 тысяч интеграций между сервисами. Крупномасштабные исследования, основанные на «больших данных», — повседневное занятие специалистов Zapier, и эти исследования затрагивают все аспекты работы компании. В частности, в официальном блоге инженер Zapier Мика Беннет рассказывает о том, как «большие данные» помогают компании совершенствовать техподдержку.

Когда Беннет присоединился к команде Zapier осенью 2012 года, никто не вёл статистику по объёму работы и производительности техподдержки. В компании время от времени просматривали отчёты, которые генерировались Help Scout (программным обеспечением техподдержки), но все эти схемы и графики не приносили никакой пользы.

К концу года стало очевидно, что компании необходим системный подход в принятии решений. Так родился Support Recap — документ в Google Drive, в котором собираются шаблоны и постоянно хранится информация из отчётов Help Scout. Появление таких документов-резюме принесло большую пользу и повлияло на ход нескольких масштабных инициатив, запущенных командой Zapier.

В середине прошлого года в Zapier заметили устойчивый рост объёмов работы техподдержки. Хотя в компании подозревали нечто подобное, увидев убедительные и местами шокирующие цифры, они принялись за решение этой проблемы. Вся команда на неделю засела за написание справочного руководства на 278 страниц практически с нуля. Те же резюме позволили компании оценить, что принято верное решение, поскольку количество запросов в техподдержку после публикации руководства немедленно упало.

Следующим этапом улучшения оценки работы техподдержки стало удивительно простое решение — выяснить, насколько довольны клиенты. В конце 2012 года в Zapier внедрили Hively — сервис, помогающий опрашивать клиентов. С его помощью к подписям в конце электронных писем добавляется ссылка на форму оценки качества работы техподдержки. Форма для обратной связи есть в каждом письме, на каждом этапе взаимодействия, а не только в момент закрытия тикета. Как и в предыдущем случае, компания на основе цифр подтвердила свои догадки о том, что клиенты довольны сервисом.

В начале 2014 года в Zapier решили снова переработать Support Recap. Теперь самой переписке (то есть цепочкам электронных писем в инбоксе техподдержки) при составлении отчётов придаётся меньшее значение. Выяснилось, что количество переписки, будучи основной единицей измерения объёмов работы техподдержки, сбивало с толку и давало помехи в подсчётах. В компании всё ещё отслеживают количество электронных писем, но это больше не является важным параметром оценки.

В техподдержке Zapier стали отводить заметно более важную роль времени между запросом и ответом: этот параметр помогает эффективно измерить объём работы. Очевидно, на переписку с десятью ответами затрачивается больше трудовых ресурсов, чем с одним. Компания заинтересована в том, чтобы предоставить людям решения технических проблем и при этом уложиться в как можно меньшее количество писем. Число ответов в комбинации с параметром «закрытых запросов» в Help Scout помогает измерять и то и другое.

Команда довольна улучшениями, произведёнными за прошедший год, но, конечно, всегда есть место новым свершениям — особенно если под рукой имеются нужные данные.

Сейчас Help Scout предоставляет суммированную информацию, дающую целостную картину. В будущем в Zapier хотят реализовать детализацию по временному признаку. Это позволит не только наблюдать за графиком производительности в течение дня, но также отслеживать запросы, сделанные в нерабочие часы. Заодно появится возможность решить проблему запросов, поступающих днём в будни — когда клиентам из-за загруженности техподдержки приходится ждать ответа особенно долго.

Данные Hively тоже будут использоваться более активно. Его интегрируют с Help Scout, и оценки, данные клиентами сервису, будут привязаны к письмам в техподдержку. Это позволит более конкретно оценивать обратную связь и действовать в соответствии с этим пониманием. В целом сейчас клиенты Zapier довольны предоставляемыми услугами, а в будущем данные помогут ещё более глубоко исследовать слабые места, которым сопутствуют отрицательные отзывы клиентов.

Что будем искать? Например,ChatGPT

Мы в социальных сетях