Ihor Filipenko
Де розривається ланцюжок між вашими операторами та прибутком
У 1994 році група дослідників з Гарварду — Джеймс Хескетт, Ерл Сассер, Леонард Шлезінгер та їхні колеги — опублікували в Harvard Business Review статтю, яка змінила спосіб мислення про сервісний бізнес. Стаття називалась "Putting the Service-Profit Chain to Work", і за 30 років набрала понад 6 500 академічних цитувань. Для порівняння — це більше, ніж мають деякі цілі наукові журнали.
Автори запропонували ланцюжок причинно-наслідкових зв'язків:
Внутрішня якість сервісу → Задоволеність працівників → Лояльність працівників → Продуктивність → Цінність для клієнта → Задоволеність клієнтів → Лояльність клієнтів → Прибуток і зростання
Логіка зрозуміла: подбай про працівників — вони подбають про клієнтів. Клієнти задоволені — залишаються. Залишаються — компанія заробляє.
Модель підхопили десятки компаній. Гарі Ловеман, тодішній COO Harrah's Entertainment, побудував навколо неї корпоративну стратегію. FedEx, American Airlines, Southwest — всі так чи інакше посилалися на Service Profit Chain.
Але за 30 років масового цитування виявилось, що ця модель має кілька серйозних проблем.
Проблема перша: ніхто не виміряв увесь ланцюжок наскрізно
Коли дослідники Сільвестро і Кросс у 2000 році детально проаналізували оригінальну роботу Хескетта, вони зробили незручний висновок: модель Service Profit Chain не має повної емпіричної валідації. Щоб її підтвердити, потрібно зібрати і проаналізувати дані по кожній ланці — від внутрішньої якості до прибутку — в одній організації, в один період часу.
Ніхто цього не зробив.
Ловеман спробував — на даних регіонального банку. Результати виявилися неоднозначними. Деякі зв'язки підтвердились, інші — ні. І це був лише один банк.
Hogreve, Iseke та Derfuss у 2022 році провели наймасштабніший мета-аналіз — 153 емпіричних дослідження за 25 років. Їхній висновок: більшість робіт перевіряють одну-дві ланки ланцюжка, але майже ніхто не тестує модель цілком. Емпіричні дані залишаються фрагментованими і неоднозначними.
Тобто маємо ланцюжок з восьми ланок, де шоста — перевірена, третя — скоріше так, п'ята — під питанням, а весь ланцюжок цілком ніхто не перевіряв.
Проблема друга: часові лаги — менеджери не бачать зв'язку
Масштабне лонгітюдне дослідження у великій європейській роздрібній мережі виявило ефект, який особливо важливий для менеджерів.
Між операційними інвестиціями та задоволеністю працівників існує часовий лаг. Між задоволеністю клієнтів і прибутком — теж. Ви інвестуєте сьогодні, а результат бачите через квартал або два.
Менеджер бачить витрати без негайного результату — і скорочує їх. Розриваючи ланцюжок власними руками, навіть не підозрюючи про це.
Дослідники назвали це "ризиком короткозорого управління" (myopic management). Менеджер оптимізує квартальний P&L — і руйнує річний. Особливо це стосується контакт-центрів, де тиск на зниження витрат постійний, а зв'язок між якістю обслуговування та утриманням клієнтів проявляється з затримкою.
Проблема третя: задоволений працівник ≠ гарний сервіс
Bowen і Schneider у 2014 році прямо критикували фокус Service Profit Chain на задоволеності працівників. Їхній аргумент: показники задоволеності працівників не є орієнтованими ні на сервіс, ні на клієнтський досвід. Працівник може бути задоволений зарплатою, графіком і колективом — і при цьому надавати посередній сервіс.
Мета-аналіз Riketta (2008) підтвердив: зв'язок між задоволеністю працівника та його продуктивністю — слабкий або статистично незначущий.
Це не означає, що задоволеність працівників не важлива. Це означає, що вона — необхідна, але недостатня умова якісного сервісу. Між "мені тут подобається працювати" і "я надаю клієнту якісну послугу" — є прогалина, яку Service Profit Chain не пояснює.
Де SPC все-таки працює
Yee, Yeung і Cheng у 2011 році зібрали дані з 210 сервісних компаній з високим рівнем контакту в Гонконзі. Це малі компанії з 2-5 працівниками фронтлайну, де взаємодія з клієнтом — щоденна і безпосередня.
Результат: більшість зв'язків Service Profit Chain підтвердились. Зростання задоволеності та лояльності працівників дійсно запускало відповідні зміни у задоволеності та лояльності клієнтів, що призводило до зростання виручки.
Ключове слово тут — high-contact service. Це поняття з класифікації Річарда Чейза (1981): сервіс, де клієнт безпосередньо взаємодіє з працівником протягом значної частини процесу обслуговування. Типові приклади — медичні клініки, де пацієнт спілкується з лікарем віч-на-віч, або готелі, де гість взаємодіє з персоналом від реєстрації до виїзду.
Контакт-центр — це high-contact service в чистому вигляді. На відміну від магазину, де клієнт може обрати товар самостійно, або банківського додатку, де він проводить операцію сам, у контакт-центрі взаємодія з оператором і є послугою. Не супровід послуги, не додаток до неї — а сама послуга. Клієнт дзвонить з конкретною проблемою, і єдиний спосіб її вирішити — розмова з живою людиною. Тривалість контакту — від кількох хвилин до десятків хвилин. Емоційна інтенсивність — часто висока, особливо в медичному страхуванні, де людина дзвонить з питанням про здоров'я.
Саме тому результати Yee, Yeung і Cheng мають пряме відношення до контакт-центрів: там, де кожна взаємодія — це пряма розмова працівника з клієнтом, Service Profit Chain працює.
Розірвана ланка: що насправді означає "внутрішня якість сервісу" в контакт-центрі
Service Profit Chain починається з "internal service quality" — внутрішньої якості сервісу. У оригінальній моделі це абстрактне поняття: дизайн робочого місця, інструменти, підтримка, можливості розвитку.
У контакт-центрі це не абстракція. Це конкретні речі:
- Чи є достатньо операторів у зміні, щоб обробити потік дзвінків?
- Чи не перевантажений оператор безперервними дзвінками без пауз?
- Чи передбачуваний його графік — чи кожен тиждень сюрприз?
- Чи є перерви в правильний час, а не формально "десь у зміні"?
Кожне з цих питань зводиться до одного рішення: наскільки точно ви спрогнозували навантаження і побудували розклад на його основі.
Ось як розривається Service Profit Chain у типовому контакт-центрі:
Неточний прогноз навантаження → Недостатньо операторів у пікові години → Оператор працює під постійним тиском без перерв → Вигорання, плинність → Нові оператори без досвіду на лінії → Довгий час очікування, низька якість відповідей → Клієнт не отримує допомогу → Незадоволеність → Відтік
Або дзеркальний сценарій:
Неточний прогноз → Забагато операторів у непікові години → Зайві витрати на ФОП → Менеджер ріже ставки або скорочує штат → В наступний піковий період — знову брак людей → Той самий ланцюжок
Обидва сценарії починаються з одного і того ж — з прогнозу. Не з мотивації, не з тренінгів, не з корпоративної культури. З прогнозу.
Forecast accuracy — це не технічна метрика для аналітика. Це перша ланка Service Profit Chain у контакт-центрі. Якщо вона розірвана — все, що далі по ланцюжку, не працює. Ніякі тренінги з емпатії та скрипти продажів не компенсують того, що оператор фізично не встигає обробити потік, бо його прогнозували неправильно.
Чому "точність 90%" може означати катастрофу
Коли я розмовляю з керівниками контакт-центрів і питаю "яка у вас точність прогнозу?", більшість відповідають щось на кшталт "нормальна" або "десь 85-90%".
Що означає "90% точність"? Це означає, що у середньому ваш прогноз відхиляється від реальності на 10%.
Проблема — у слові "у середньому".
Контакт-центр працює з 8:00 до 20:00, поділений на 24 півгодинних інтервали. Точність 90% у середньому може виглядати так:
- Понеділок, 8:00-12:00 — точність 97%. Прогноз майже ідеальний.
- Понеділок, 14:00-16:00 — точність 92%. Трохи не вгадали, але терпимо.
- П'ятниця, 17:00-19:00 — точність 65%. Операторів вдвічі менше, ніж потрібно.
Середнє — 90%. Звіт зелений. Менеджер задоволений.
Але клієнти п'ятничного вечора вже пішли. Вони подзвонили, почекали 8 хвилин, покинули чергу, і наступного разу пішли до конкурента. Вони не знають, що "у середньому" все було добре. Вони знають тільки свій досвід.
Це та сама проблема, що і з Service Level 80/20. Середнє значення ховає катастрофу у хвостах розподілу.
Я називаю це "ілюзією середнього": метрика каже, що все під контролем, а ланцюжок вже розірваний — просто в тому місці, куди ніхто не дивиться.
Що і як вимірювати: від середнього до розподілу
Якщо forecast accuracy — це перша ланка вашого Service Profit Chain, то як правильно її вимірювати?
MAPE — стандарт, який бреше
Mean Absolute Percentage Error (MAPE) — найпоширеніша метрика. Формула проста: середнє абсолютне відхилення прогнозу від факту у відсотках. Проблема: MAPE — це одне число для всього періоду. Воно приховує варіацію.
MAPE 10% може означати "рівномірно 10% у кожному інтервалі" (керовано) або "0% у 20 інтервалах і 50% у 4 інтервалах" (катастрофа). Друга ситуація — це та п'ятниця ввечері, про яку ми говорили.
Що дивитися замість середнього
Розподіл похибки по інтервалах. Не середнє, а гістограму. Скільки інтервалів з похибкою >20%? Коли саме вони трапляються? Чи є патерн — завжди вечір п'ятниці, завжди ранок після свята, завжди перший робочий день після довгих вихідних?
Бік похибки. Прогноз завищує чи занижує? Систематичне заниження — це understaffing, тобто перевантажені оператори і довгі черги. Систематичне завищення — це overstaffing, тобто зайві витрати. Для Service Profit Chain перше значно небезпечніше, бо б'є по клієнту безпосередньо.
Похибка у пікові інтервали vs непікові. Помилка в інтервалі з 10 дзвінками — це неприємність. Помилка в інтервалі з 200 дзвінками — це сотні клієнтів, які не дочекалися відповіді.
Чому більшість КЦ не вимірює це
Для цього потрібна історичні дані та інструменти аналізу. Якщо ваш прогноз живе в Excel — побудувати розподіл похибки по 48 інтервалах за місяць (це 1440+ точок) — задача нетривіальна. Простіше порахувати одне середнє число і заспокоїтись.
Але саме це середнє число і створює ілюзію контролю. А за ілюзією — розірваний ланцюжок, відтік операторів, відтік клієнтів.
Що з цим робити: три кроки без впровадження будь-якої системи
Я навмисно не кажу "купіть WFM-систему". Натомість — три речі, які можна зробити вже зараз:
Крок 1. Почніть зберігати факт поруч з прогнозом. Якщо ви прогнозуєте навантаження — записуйте фактичне навантаження по тих самих інтервалах. Більшість контакт-центрів, з якими я спілкувався, або не зберігають факт з потрібною гранулярністю, або зберігають в іншому форматі, ніж прогноз. Без цих двох рядків поруч — ви сліпі.
Крок 2. Побудуйте розподіл, а не середнє. Візьміть місяць даних. Порахуйте похибку для кожного інтервалу. Побудуйте гістограму. Подивіться на хвости — інтервали з похибкою більше 20-25%. Запитайте себе: що відбувалося в ці моменти з чергою, часом очікування, abandonment rate?
Крок 3. Зв'яжіть похибку прогнозу з операційними метриками. Це найважливіший крок. Порівняйте: в інтервали з точним прогнозом (похибка <10%) — який був Service Level, Average Speed of Answer, Abandonment Rate? А в інтервали з поганим прогнозом (похибка >20%)? Різниця покаже вам, скільки "коштує" кожен відсоток похибки прогнозу.
Коли ви побачите цю різницю — ви побачите, де саме розривається ваш Service Profit Chain. І тоді рішення — чи це Excel, чи спеціалізована система, чи щось інше — стане очевидним.
Замість висновку
Service Profit Chain — не мертва модель. За 30 років вона накопичила достатньо емпіричних підтверджень, щоб залишатися актуальною. Особливо — для high-contact сервісів, яким є контакт-центр.
Але ця модель має сліпу зону: вона не пояснює, звідки береться "internal service quality". Вона просто починається з неї, як з аксіоми.
У контакт-центрі — це не аксіома. Це конкретне управлінське рішення: наскільки точно ви передбачили, скільки клієнтів подзвонить у кожний момент часу, і скільки операторів повинні бути на лінії.
Прогноз навантаження — це не задача для аналітика в підвалі. Це фундамент, на якому стоїть увесь ланцюжок від задоволеності оператора до прибутку компанії.
І якщо ви вимірюєте його одним середнім числом — ви дивитесь на фундамент через матове скло. Контури видно. Тріщини — ні.
https://tinyurl.com/2vhefxar
