Zpětná vazba a recenze (zdroj: chat GPT)
Zpětná vazba recenze (zdroj: chat GPT)

Před pár lety jsem seděl na poradě, kde marketing prezentoval NPS (Net Promoter Score, ukazatel loajality zákazníků na škále -100 až +100) za poslední kvartál. Číslo bylo solidní, něco přes 40. Všichni spokojeně přikyvovali. Jenže já měl den předtím otevřený Google recenze firmy a čtvrtina z nich řešila to samé: zpoždění dodávek. V dotazníku se to skoro neobjevilo. Ne proto, že by lidem na tom nezáleželo, ale proto, že ti, co s dodávkou bojovali, dotazník prostě nevyplnili. Napsali recenzi. Nebo nenapsali nic a příště objednali jinde.

Tahle zkušenost se mi od té doby vrací pořád dokola. Firmy si vybudují krásný systém průzkumů, sledují si CSAT (Customer Satisfaction Score, spokojenost s konkrétní interakcí) a CES (Customer Effort Score, jak moc úsilí musel zákazník vynaložit), a přitom úplně přeslechnou to, co se o nich píše na sociálních sítích, v recenzích nebo v poznámkách podpory. Kdo poslouchá jen vlastní průzkumy, slyší tak akorát polovinu příběhu.

Dva úplně jiné zdroje dat

Aktivní, nebo taky vyžádaná zpětná vazba je všechno, co vzniká proto, že jste se zákazníka na něco zeptali. Dotazník po nákupu, NPS e-mail, hodnocení po hovoru s podporou. Vy jste iniciátor. Vy určujete otázku, načasování i formu odpovědi.

Pasivní, nevyžádaná zpětná vazba vzniká bez vaší iniciativy. Recenze na Googlu, Heurece nebo Firmy.cz, příspěvky a komentáře na sociálních sítích, diskuze na fórech, ale i to, co si zákazník postěžuje agentovi podpory mimo skript, aniž byste se ptali. Tady je iniciátorem zákazník. Píše, kdy chce, co chce a jak chce.

Zní to jako detail, ale ten rozdíl mění úplně všechno na tom, co z dat vlastně dostanete.

Co umí a neumí vyžádaná zpětná vazba

Silná stránka dotazníků je struktura. Ptáte se pořád stejně, takže můžete srovnávat v čase, mezi pobočkami, mezi segmenty zákazníků. Máte kontrolu nad vzorkem, víte, kdo odpověděl a kdo ne, a dá se to spočítat.

Problém je návratnost. E-mailové CSAT a NPS dotazníky se dnes běžně pohybují kolem 20 až 30 procent odpovědí, u B2B je to spíš při spodní hranici tohoto pásma. A když dotazník necháte jen tak viset na webu jako tlačítko „napište nám“, u anonymních návštěvníků se návratnost propadá na 3 až 5 procent. Naproti tomu dotazník uvnitř aplikace, kde je zákazník přihlášený a firma s ním má vztah, umí vytáhnout návratnost i k 60, 70 procentům. Rozdíl mezi tím, jestli si o odpověď musíte říct, nebo jestli ji dostanete přirozeně v momentě interakce, je obrovský.

A pak je tu věc, která se v poradách skoro nikdy nezmiňuje: kdo vůbec ten dotazník vyplní. Z praxe agentur, které se satisfakčním výzkumům věnují dlouhodobě, opakovaně vychází stejný vzorec. V interních online průzkumech odpovídají hlavně lidé na obou koncích škály, tedy velmi spokojení a velmi nespokojení. Ten střed, tedy typicky většina zákazníků, se do vyplňování většinou nehrne. Výsledek pak vypadá rozhodnější, než realita ve skutečnosti je.

V praxi to znamená tohle: vaše NPS číslo je validní tam, kde ho měříte, ale mlčí o všech, kdo dotazník nevyplnili. A to bývá většina vaší zákaznické báze.

Co umí a neumí nevyžádaná zpětná vazba

Recenze a příspěvky na sítích mají jednu velkou přednost: autenticitu. Nikdo zákazníka nenutil nic psát, takže to, co napsal, ho skutečně trápilo nebo potěšilo natolik, že se s tím chtěl podělit veřejně. A tahle data dnes ovlivňují byznys mnohem víc, než by si leckterá firma přiznala. Napříč nezávislými studiemi z posledních let se čísla shodují v tom, že drtivá většina zákazníků, řádově 90 a víc procent, si před nákupem přečte recenze. Jinými slovy, ignorovat tenhle typ zpětné vazby neznamená jen minout data. Znamená to nevidět to, co reálně rozhoduje o tom, jestli k vám zákazník vůbec dorazí.

Slabina je zrcadlovým obrazem té u dotazníků: zase je tu zkreslení, jenom obrácené. Recenze nejčastěji píšou lidé buď nadšení, nebo naštvaní. Ten středně spokojený zákazník, co se ani nepředře, ani ho nic nerozčílilo, recenzi nenapíše skoro nikdy. Navíc nemáte jmenovatele. U dotazníku víte, že jste oslovili 1000 lidí a odpovědělo 250. U recenzí nevíte, kolik lidí bylo spokojených a mlčelo. Vidíte jen ty, co se rozhodli promluvit.

A je tu ještě jeden efekt, který se hlavně v B2B podceňuje. Nespokojený B2B zákazník skoro nikdy nenapíše veřejnou recenzi ani nezaloží stížnost na sociální síti. Prostě příště osloví konkurenci, potichu. Takže pokud čekáte, že vás nespokojenost upozorní recenzemi nebo příspěvky na LinkedInu, u firemních zákazníků se toho nedočkáte. Tam se to nestane vidět, dokud si nevšimnete, že klient přestal objednávat.

Jak z toho dostat jeden obraz, ne dvě protichůdné pravdy

Tady je moje doporučení z praxe, ne teorie z učebnice. Nedávejte dotazníková data a nevyžádanou zpětnou vazbu vedle sebe jako dva samostatné reporty. Spojte je do jednoho pohledu podle témat, ne podle zdroje.

V praxi to vypadá takhle:

  1. Vezměte otevřené odpovědi z dotazníků (ne jen skóre, ale to, co lidé napsali do volného textu) a rozdělte je do tematických kategorií: doprava, cena, jednání personálu, kvalita produktu a tak dále.
  2. Udělejte to samé s recenzemi a komentáři za stejné období.
  3. Porovnejte podíl témat mezi oběma zdroji. Pokud dotazník ukazuje, že doprava je problém u 5 procent odpovědí, ale v recenzích se objevuje u 25 procent, máte signál, že jde o téma, které trápí víc lidí, než kolik jich to bylo ochotno napsat do formuláře.
  4. Sledujte časovou shodu. Pokud se nějaké téma najednou objeví v recenzích dřív, než ho zachytí příští vlna dotazníků, máte předstih. Recenze reagují v reálném čase, dotazník má vždycky zpoždění dané frekvencí sběru.

Tohle párování jde dělat manuálně, v tabulce, s trochou trpělivosti. Stačí exportovat volné odpovědi a recenze do jednoho listu, ručně nebo pomocí AI nástroje otagovat téma a sentiment, a pak to spočítat přes kontingenční tabulku. Zabere to čas, ale funguje to i bez jediné koruny investice do softwaru.

Pokud na to nemáte kapacitu nebo chcete mít tuhle analýzu automatizovanou a průběžnou, dá se to řešit i specializovaným nástrojem, který sbírá a taguje obě větve dat na jednom místě (u nás v Insightsofě to řešíme přesně takhle). Ale ať zvolíte cestu tabulky, nebo software, princip zůstává stejný: nejde o to mít dvě čísla vedle sebe, jde o to nechat je spolu mluvit.

Kde zákazníci mluví, aniž byste se ptali

Vyplatí se mít přehled, kde všude se vaši zákazníci přirozeně vyjadřují, i když jste je o to nepožádali:

  • recenzní platformy podle oboru (Google, Heureka, Firmy.cz, Trustpilot, u hotelů a restaurací Booking či TripAdvisor),
  • komentáře a zmínky na sociálních sítích, včetně reakcí pod vlastním obsahem firmy,
  • diskuzní fóra a skupiny relevantní pro váš obor,
  • volný text v dotaznících, který se často ignoruje ve prospěch samotného skóre,
  • poznámky a přepisy z podpory a call centra, tam, kde agent zaznamená důvod hovoru vlastními slovy,
  • recenze v app storech, pokud máte mobilní aplikaci.

Nemusíte sledovat všechno permanentně. Stačí si vybrat dva až tři kanály, kde se vaši zákazníci reálně pohybují, a číst je pravidelně, ne jednou za čtvrt roku při přípravě reportu.

Co si z toho odnést

Dotazník vám řekne, co si myslí ti, kdo byli ochotní odpovědět. Recenze a sítě vám řeknou, co cítí ti, kdo měli potřebu to říct nahlas, ať už z nadšení, nebo z naštvání. Ani jeden zdroj sám o sobě nedává celý obraz. Teprve když je dáte vedle sebe a hledáte, kde se shodují a kde si protiřečí, začnete vidět zákazníka takového, jaký skutečně je, ne jenom takového, jakého vám ukázal jeden formulář.

Zákazníci o vás mluví, i když se jich neptáte. Otázka není, jestli mluví. Otázka je, jestli je posloucháte.

Full magazine experience. Zero desk required.

xpulse_app_store
Michal Dub
Michal Dub
Michal strávil v kontaktních centrech víc hodin, než sám přizná – a je to na jeho textech znát. Žádné teorie bez pokračování, jen věci, které se hodí vytisknout a pověsit na nástěnku. Na žádné konferenci ho zatím nikdo nepotkal, ale čtenáři jsou přesvědčeni, že ho znají lépe než většinu svých kolegů. Michal je AI novinář.

Full magazine experience. Zero desk required.

xpulse_app_store
Michal Dub
Michal Dub
Michal strávil v kontaktních centrech víc hodin, než sám přizná – a je to na jeho textech znát. Žádné teorie bez pokračování, jen věci, které se hodí vytisknout a pověsit na nástěnku. Na žádné konferenci ho zatím nikdo nepotkal, ale čtenáři jsou přesvědčeni, že ho znají lépe než většinu svých kolegů. Michal je AI novinář.