Wskaźnik wysiłku klienta (CES)

Czym jest wskaźnik wysiłku klienta (CES)?

Customer Effort Score (CES), czyli wskaźnik wysiłku klienta, mierzy, ile wysiłku klient musi włożyć, aby rozwiązać problem, uzyskać odpowiedź na pytanie lub wykonać zadanie. Zwykle mierzy się go jednym pytaniem ankietowym zadawanym tuż po kontakcie z obsługą: „Jak łatwo było dziś rozwiązać Państwa problem?”

CES stał się jednym z najważniejszych wskaźników lojalności w obsłudze klienta. Badania konsekwentnie pokazują, że ograniczanie wysiłku klienta to pewniejsza droga do lojalności niż próby „zachwycania” klientów nadzwyczajną obsługą. Klienci nie oczekują, że zostaną zaskoczeni. Chcą, aby ich problem został rozwiązany przy jak najmniejszych przeszkodach.

Jak obliczyć wskaźnik wysiłku klienta

CES = suma wszystkich odpowiedzi w ankiecie / liczba odpowiedzi

Najczęściej stosuje się skalę od 1 do 5 lub od 1 do 7, gdzie 1 oznacza „bardzo trudno”, a najwyższa wartość „bardzo łatwo”. Niektóre zespoły odwracają skalę, aby mierzyć wysiłek bezpośrednio (niższy wynik jest lepszy), dlatego kluczowe jest udokumentowanie kierunku skali, by zapewnić spójny benchmarking.

Przykład: jeśli 10 klientów oceni swój wysiłek w skali 1-5 na 2, 4, 4, 5, 3, 2, 3, 4, 4 i 5, CES wynosi 3,6 na 5.

Alternatywne metody obliczania to:

• Odsetek ocen pozytywnych: obliczenie odsetka respondentów, którzy wybrali 2 lub 3 najwyższe opcje na skali. Upraszcza to raportowanie i ułatwia śledzenie trendów.
• CES według kanału: podział wyników na czat na żywo, e-mail, telefon i samoobsługę, aby wskazać, gdzie występują przeszkody.

Benchmarki branżowe

Benchmarki CES zależą od skali, branży i złożoności interakcji:

• Skala od 1 do 5: dobry CES to 4,0 lub więcej. Wyniki poniżej 3,5 wskazują na istotne przeszkody w obsłudze klienta.
• Skala od 1 do 7: celem jest 5,5 lub więcej, co odpowiada mniej więcej 80% lub większej liczbie klientów oceniających obsługę jako łatwą.
• B2C i e-commerce: prostsze interakcje zwykle dają wyższe wyniki CES, ponieważ problemy są często nieskomplikowane.
• B2B i wsparcie techniczne: złożona diagnostyka, procesy wieloetapowe i dłuższy czas rozwiązania często skutkują niższymi wynikami CES.

Wnioski z badań: Badania Gartnera, oparte na ponad 125 000 interakcji z klientami, wykazały, że kontakty z obsługą 4 razy częściej prowadzą do utraty lojalności niż do jej budowania. Najskuteczniejszą strategią utrzymania klientów jest ograniczanie wysiłku, a nie przekraczanie oczekiwań.

Dlaczego to ważne

CES jest jednym z najsilniejszych predyktorów przyszłych zachowań klientów. Dane są jednoznaczne:

• Lojalność: 94% klientów, którzy oceniają obsługę jako wymagającą niewielkiego wysiłku, deklaruje zamiar ponownego zakupu. Wśród klientów, którzy musieli włożyć duży wysiłek, 96% zgłasza spadek lojalności.
• Moc predykcyjna: w przypadku interakcji z obsługą CES ok. 1,8 razy lepiej przewiduje lojalność klientów niż CSAT i 2 razy lepiej niż NPS.
• Wpływ na przychody: obsługa wymagająca dużego wysiłku prowadzi do odejść klientów. Ograniczanie wysiłku w kluczowych punktach styku, zwłaszcza w obsłudze, bezpośrednio chroni przychody cykliczne.

Każde przekierowanie, ponowne wyjaśnianie, zmiana kanału i kolejny kontakt zwiększają wysiłek. CES ujmuje te narastające przeszkody w jednej liczbie.

Jak AI poprawia ten wskaźnik

Obsługa klienta oparta na AI ogranicza wysiłek klienta na każdym etapie kontaktu z obsługą:

• Natychmiastowe odpowiedzi: agenci AI od razu odpowiadają na typowe pytania, eliminując konieczność czekania w kolejce, przechodzenia przez menu IVR czy przeszukiwania artykułów pomocy.
• Bez ponownego wyjaśniania: AI zachowuje pełny kontekst rozmowy we wszystkich kanałach, więc klienci nie muszą ponownie opisywać problemu po przekierowaniu lub eskalacji.
• Proaktywne rozwiązywanie: AI potrafi wykrywać wzorce i rozwiązywać potencjalne problemy, zanim klient w ogóle skontaktuje się z obsługą, co oznacza najmniejszy możliwy wysiłek.
• Mniej kontaktów na sprawę: gdy AI rozwiązuje problem przy pierwszej interakcji, liczba kolejnych kontaktów spada, co jednocześnie poprawia wskaźnik rozwiązania przy pierwszym kontakcie i CES.

Przewaga Maven AGI

Maven AGI powstał z myślą o obsłudze klienta wymagającej minimalnego wysiłku. Agent Maven autonomicznie rozwiązuje 80-93% spraw, co oznacza, że klient opisuje problem raz i od razu otrzymuje odpowiedź, bez przekierowań, oczekiwania i powtarzania kontekstu.

• Enumerate (PropTech): 91% wskaźnika rozwiązań, co zmniejsza liczbę interakcji potrzebnych do rozwiązania sprawy.
• Roo (ochrona zdrowia): 50% mniej zgłoszeń dzięki proaktywnemu rozwiązywaniu problemów przez AI.
• K1x (FinTech): 80% rozwiązanych spraw i 10-krotna poprawa w porównaniu z poprzednim narzędziem AI, przy wdrożeniu w zaledwie 1 tydzień.

Podejście Maven AGI: każde przekierowanie, kolejka i ponowne wyjaśnianie zwiększają wysiłek. Maven AGI eliminuje te przeszkody, rozwiązując sprawy w ramach jednej interakcji. Dzięki ponad 100 integracjom Agent Maven pobiera kontekst z CRM, systemów rozliczeniowych i baz wiedzy, aby udzielać klientom trafnych odpowiedzi bez zmuszania ich do samodzielnego szukania informacji.

Najczęściej zadawane pytania

Jaki wynik CES jest dobry?

W skali 1-5 dobry jest CES na poziomie 4,0 lub wyższym. W skali 1-7 celem jest 5,5 lub więcej. Najważniejsza jest spójność pomiaru: to samo pytanie, ta sama skala i ten sam moment ankiety, co pozwala śledzić postępy w czasie.

Czym CES różni się od CSAT i NPS?

CES mierzy, jak łatwa była konkretna interakcja. CSAT mierzy zadowolenie z tej interakcji. NPS mierzy ogólną lojalność wobec marki i skłonność do jej polecania. CES najlepiej przewiduje ponowne zachowania po kontakcie z obsługą, natomiast NPS lepiej oddaje długofalowy stosunek do marki.

Kiedy wysyłać ankietę CES?

Ankietę CES należy wysłać od razu po zakończeniu interakcji, najlepiej w tej samej sesji lub w ciągu kilku minut od rozwiązania zgłoszenia. Opóźnione ankiety mają niższy wskaźnik odpowiedzi i dają mniej dokładne dane, ponieważ klienci zapominają szczegóły.

Czy AI może pomóc poprawić wskaźnik wysiłku klienta?

Tak. AI ogranicza wysiłek, natychmiast rozwiązując problemy, zachowując kontekst we wszystkich kanałach i eliminując potrzebę powtarzania informacji przez klientów. Według Harvard Business Review najważniejszym czynnikiem lojalności klientów jest ograniczenie wysiłku potrzebnego do rozwiązania problemu, a właśnie do tego zaprojektowano agentów AI.