Идеальная пара: как создать Tinder для EdTech

LTV, NPS и личность преподавателя

За 20 лет в образовательном бизнесе я запустил десятки курсов для детей и взрослых, от языковых до дизайна и IT. И заметил простую вещь: у хороших преподавателей группы наполняются быстрее, а учатся у них дольше. Иначе говоря, от личности преподавателя зависят LTV (Lifetime Value) и NPS (Net Promoter Score) клиента.

Ежемесячно мы в школе замеряем число продлений занятий и выручку каждого преподавателя. Эти показатели могут отличаться в 5 раз. Заметив это, я поручил менеджерам выделить преподавателей с высокими LTV и NPS и проанализировать их. Я хотел понять, на что ориентироваться при подборе кадров. С помощью анкетирования мы составили психологический портрет наших лучших преподавателей. Оценивали тип их личности, образ поведения, привычки, локус контроля и наличие антисоциальных черт.

Учитель + ученик: подобрать идеальную пару

Время шло, и я заметил еще одну тенденцию. Даже с хорошими, тщательно отобранными преподавателями не каждый ученик мог найти общий язык. Преподавание – это ведь межличностная коммуникация людей, выстроенная на взглядах, симпатии и антипатии. В глазах одного клиента преподаватель может быть хорош, а в глазах другого излишне требователен или, наоборот, лоялен. Есть в этих отношениях нечто, что нельзя объяснить словами. Простой пример: моя супруга занимается в моей же школе с носителем языка. Она в восторге, но есть клиенты, которые просили его заменить – не нравился, и все.

Если сопоставить оба моих наблюдения, выходит так – LTV и NPS зависят от стыковки интересов, характеров учеников и преподавателей. Их могут связывать не только место и время занятий, но схожие взгляды на мир. А значит, если научиться подбирать их друг для друга, клиенты будут более довольны, а бизнес более успешен. Так я понял, что, в общем-то, это похоже на мэтчинг на сайтах знакомств.

Tinder для EdTech

Идею подбирать учителей клиентам через мэтчинг мне подсказал маркетинг и…Tinder. Я вспомнил, сколько внимания приложения для знакомств уделяют подбору пар. Пришла уверенность, что это полезно для любой сферы бизнеса. Стал изучать тему и в этом убедился.

В маркетинге эту технологию называют Human Matching, или персонализация. Не уверен, в какой сфере бизнеса она реализовалась первой, но один из успешных кейсов – это колл-центры. Есть много сервисов, которые оптимизируют подбор оператора для клиента. На слуху у меня платформа Afinity.

Систему подключают к сайту компании. Частично на основе машинного обучения она создает поведенческий профиль клиента и за миллисекунды определяет нужного оператора. Причем она работает по принципу: 15 минут – алгоритмический подбор специалиста, 5 минут – случайный. Компания по статистике может посмотреть, эффективно так соединять пользователей или нет. Положительная динамика действительно есть. Провайдер спутникового ТВ в Великобритании Sky на первом этапе интеграции Afinity повысил конверсию на 4%, а международная сеть гостиниц получила дополнительных 15 тыс. бронирований за год.

В рекламе мэтчинг помогает эффективно настраивать таргетинг. Это, кстати, одно из правил О2О-коммуникаций, которые дают возможность измерить влияние цифровой рекламы на конечные продажи. Тут принято собирать и анализировать о пользователе много информации, прежде чем подобрать для него нужное сообщение.

Существуют программы-идентификаторы, они собирают цифровые следы, которые клиент оставил в интернете и анализируют, какую рекламу стоит показать. Самое банальное – номера телефона, почтовые адреса. Более полную картину создают истории запросов в браузере, наличие аккаунтов в соцсетях и проч. Эту технологию круто использовать на этапе планирования, чтобы сузить целевую аудиторию и не тратить деньги впустую.

Простые вопросы для правильных выводов

В нашем случае подключать ИИ и big data было дорого и затратно по времени, поэтому мы решили сначала пойти по пути анкет для клиентов и учителей. Преподавателям мы даем их при найме, а студентам – при записи на курс. Мы настоятельно просим клиентов пройти наш опрос, но заставить, естественно, не можем. Тем, кто отказывается заполнять анкеты, звонят наши менеджеры. Они предлагают устно ответить на вопросы и вносят в базу полученную информацию. Как правило, это работает.

Составить анкеты нам помог специалист из США с опытом в области data science, которого мы наняли. Путем дискуссий в команде и на фокус-группах мы пришли к предварительному списку из примерно 30 вопросов.

Часть 1. Базовые вопросы

• Образование.
• Место жительства.
• Отрасль работы или направление учебы.
• Уровень владения языком.

Часть 2. Вопросы о формате учебы

Они помогают создать комфортные условия для студентов. Мы уточняем время занятий, формат, размер класса, цель изучения языка. Последнее важно понять, чтобы формировать материал. Так мы решаем, делать упор на письменную или разговорную речь, тренировать профессиональные термины или же сконцентрироваться на грамматике. Группы, в которых люди учат иностранный язык для общих целей, становятся гораздо сплоченнее. Ученики быстрее повышают свой уровень, а преподавателям в разы легче работать.

Часть 3. Вопросы личного характера

Про достаток, семейное положение, наличие детей. Это помогает предложить клиенту более выгодные условия. Например, если человек имеет непостоянный доход, мы можем предложить гибкую систему оплаты или абонемент в моменты, когда он имеет наиболее прочную финансовую подушку. Некоторых учеников преподаватели могут мотивировать историями успеха других клиентов, которые смогли повысить свою зарплату за счет изучения языка. К молодым мамам, для которых курсы иностранного языка – отдушина в декретном отпуске, мы более лояльны. Клиентам с детьми мы предлагаем семейные абонементы.

Часть 4. Вопросы о характере человека

Самая важная и экспериментальная часть анкеты. Именно эти вопросы помогают подобрать преподавателя. Пока что вопросы прямые: мы просим указать, какое качество, на взгляд самого ученика, к нему относится. Вот что мы узнаем:

• Интересы и хобби. Согласитесь, что вам скорее понравится человек, который с вами на одной волне в плане увлечений и может поддержать разговор на эту тему. В изучении языка вдвойне полезно, когда учитель может рассказать, как правильно произносить виды танцев, какой набор слов понадобится для поездки в Мексику или расскажет анекдот в тему футбольного матча.
• Тип мотивации. Интересует, что мотивирует человека к качественному выполнению домашнего задания, для чего ему важны успехи в учебе, как человек относится к поощрению или критике. Таким образом, мы делаем вывод, нужно ли активно хвалить ученика, проявлять настойчивость или мягко мотивировать, интересует клиента вознаграждение или самоутверждение.
• Характер (холерик / сангвиник / меланхолик / флегматик и экстраверт/ интроверт/ амбиверт).
• Тип восприятия информации (аудиал, визуал, кинестетик, дигитал).
• Локус контроля (внутренний, внешний).

Добавим немного ИИ

Что же делать с полученным массивом данных? Сейчас у нас более 100 анкет преподавателей и несколько десятков тысяч анкет учеников. Пока что мы на этапе, когда подбором занимается менеджер и отсматривает анкету вручную. В этом случае мы ориентируемся на прямую корреляцию ответов. Нам хватает базовой информации о месте жительства, образовании, хобби.

Зачем же другие вопросы? – возможно, спросите вы. В этом и заключается наш эксперимент. Мы точно знаем, что есть некая «магия» в том, что одни люди подходят или не подходят другим. Возможно, молодая мама с высшим образованием, любовью к танцам и флегматичным характером достигнет наилучших результатов с преподавателем, которая будет ее ровесницей, сангвиником и кандидатом наук. Или состоявшийся менеджер, который в свободное время ходит в горы, лучше всего сойдется с носителем языка, который годится ему в отцы и на занятиях импровизирует.

Какие именно факторы учесть? Мы считаем, что вряд ли сможем ответить на этот вопрос без использования искусственного интеллекта, который мы начинаем разрабатывать. Только алгоритм сможет найти в собранном массиве данных сложные взаимосвязи. Использование специальных методик, таких как PCA (Principal Component Analysis) или извлечения важности предикторов из GBRT (Gradient Boosted Regression Trees) позволит определить наиболее важные факторы в анкетах учеников и преподавателей.

Усилия не напрасны

За 5 месяцев эксперимента ученики уже оценили персональный подход, им удалось подружиться и с коллегами по группам, и с преподавателями. Теперь в одних группах с удовольствием смотрят фильмы на уроках, во вторых разучивают песни, а в третьих ученики после занятий вместе с преподавателем ходят на квизы. Клиенты стали реже отказываться от учителей. Мы получаем единичные запросы сменить группу, а продлений стало больше.

Наш эксперимент продолжается. Мы планируем найти инвестора и часть средств вложить в разработку алгоритма для подбора преподавателей. Мы хотим помочь всему миру найти ответ, что же позволяет людям выбирать друг друга, и будем рады поделиться технологией с другими учебными центрами. Уверен, наши выводы будут полезны в разных сферах бизнеса и не только.

Также читайте: