Целью проекта было определение степени влияния различных аспектов работы магазина на клиентов. В его ходе команды «Перекрестка» и GlowByte начали с исследования уже накопленных данных на основе результатов NPS-исследования, которое проводилось через звонки клиентам после посещения ими магазинов продовольственной сети. Вместе с самим NPS-опросом у клиентов интересовались тем, что им понравилось и не понравилось в процессе посещения. После, комментарии клиентов категоризировали на 10 основных тем: ассортимент, качество товаров, удобство визита и т. д. Требовалось определить степень влияния отдельных аспектов работы магазина на клиентов.
На первом этапе были сформулированы 58 идей-триггеров эмоций клиентов для оцифровки 10 основных категорий впечатлений клиентов – например, «Клиент заметил просроченный продукт», «Не смог найти товар после перестановок в магазине». Затем на втором этапе собрали данные из разных источников, выбрав глубину данных в 1 календарный год. В качестве исходных источников использовали таблицы хранилища данных и выгрузки из различных систем, на основании которых составили витрину атрибутов для аналитики.
После этого аналитики просчитали распределения и корреляции по получившемуся набору метрик-факторов и разбили их на 9 групп по тому, каким образом они влияют на клиентское восприятие. Например, есть факторы негативные: их рост приводит к росту доли отрицательных эмоций, и при этом не влияет на изменение доли позитивных эмоций.
В результате проекта команды получили ряд инсайтов для бизнеса. Например, заметили, что мужчины чаще ругают и реже хвалят различные аспекты работы магазинов. Это можно проинтерпретировать, как «если мужчину послали в магазин, то он априори всем недоволен», а можно тем, что «мужчины в среднем склонны замечать больше негативных аспектов». Но вне зависимости от интерпретации, это важный инсайт: если в магазин ходит большая доля покупателей-мужчин, то, возможно, его стоит немного адаптировать под эту аудиторию. Во многом это подтверждает уже давно известный принцип one-size-does-not-fit-all: подходы к клиенту должны быть различны в зависимости от сегмента (как по полу, так и по тому к какому поколению относится клиент.
Для проверки полученных инсайтов и гипотез «Перекресток» запустил A/B-тестирование в 60 супермаркетах.