Zonka Feedback: сигналы опыта — что AI извлекает за пределами оценок

Большинство CX-команд считают, что измеряют качество опыта, когда отслеживают NPS и CSAT. Они видят оценки, смотрят дашборды и идут дальше. Логика проста: высокая оценка — хороший опыт, низкая — что-то пошло не так.

Эта логика упускает большую часть картины. Клиент может поставить 4 из 5 и при этом описывать взаимодействие с высоким усилием, эмоциональным раздражением и скрытыми сигналами оттока. Другой клиент ставит 5 из 5 и пишет «я порекомендовал вас всей своей команде» — явный сигнал адвокации, который маркетинг никогда не увидит, потому что он похоронен в отчёте об удовлетворённости.

Компания Zonka Feedback публикует руководство, основанное на анализе более одного миллиона ответов на обратную связь на восьми языках. Его предмет — experience signals: второй из трёх столпов Feedback Intelligence Framework, разработанного компанией. Первый столп — тематический анализ (О ЧЁМ говорит клиент), второй — experience signals (КАК ощущался опыт и ПОЧЕМУ клиент пишет), третий — распознавание сущностей (КТО и ЧТО конкретно упоминается).

Что такое experience signals

Experience signals — это два слоя аналитики, которые AI извлекает из каждого сообщения обратной связи: качество опыта и намерение клиента. Качество опыта отвечает на вопрос «как ощущалось взаимодействие», намерение клиента — «что клиент ожидает от этого сообщения».

Соника Мехта, сооснователь и директор по продукту Zonka Feedback, сформулировала разницу на вебинаре в марте 2026 года: «HOW обнаруживается как на уровне всего ответа, так и на уровне каждой темы. А WHY — то, чего клиенты на самом деле хотят — это то, что очень часто упускается при анализе обратной связи». Оба слоя требуют обнаружения и действия, но маршрутизируются к разным командам и требуют разной реакции.

По данным Gartner, 93% данных обратной связи от клиентов остаются неанализированными. В каждом из этих неанализированных ответов содержатся experience signals — измерения качества и типы намерений, которые прямо сейчас могли бы направляться к нужным командам.

Почему одних оценок недостаточно

На практике это выглядит так: клиент оценивает взаимодействие на 4 из 5 и пишет «наверное, нормально, но я всё ещё не понимаю, почему это сломалось». На CSAT-дашборде — положительная оценка. В тексте — нерешённая неясность, остаточное раздражение и тип намерения «вопрос», который никто не направил в команду поддержки знаний.

Анализ более миллиона ответов на нескольких языках показал: 29% ответов содержат смешанную тональность — положительную по одной теме и отрицательную по другой в рамках одного комментария. Единая итоговая оценка сворачивает этот нюанс в число, которое никому не говорит, что именно нужно исправить.

Вот что видит анализ по оценкам и что открывает анализ по experience signals для одного и того же набора данных. Анализ по оценкам: средний CSAT равен 4,1. NPS составляет +32. Всё выглядит стабильно. Руководство смотрит на дашборд, видит зелёный цвет и идёт дальше. Анализ по сигналам: средний CSAT равен 4,1, однако за последний квартал сигналы усилия выросли на 18%. Язык оттока присутствует в 12% ответов корпоративного сегмента. Сигналы замешательства резко возрастают каждый раз, когда упоминается процесс выставления счетов. А 23% ответов содержат сигналы намерения (запросы функций, эскалации, адвокация), которые не доходят до команд, обязанных на них реагировать. NPS равен +32, но его тянут малые аккаунты: топ-20 аккаунтов по выручке опустились до +11.

Те же данные — принципиально другое понимание. Один из руководителей CX в финансовых услугах описал этот разрыв в ходе исследовательских бесед: «Мы ежедневно анализируем 150+ комментариев, но всё равно не знаем, что делать. Много путаницы, и ничего не происходит».

Оценки говорят «что». Experience signals говорят «почему» и «что дальше». Именно в этом разрыве большинство CX-программ теряют возможность вмешаться прежде, чем клиент уйдёт.

Пять измерений качества опыта

Качество опыта — первый суб-столп experience signals. Он отвечает на один вопрос: как на самом деле ощущалось это взаимодействие? Не что клиент думает о бренде в целом, а какие конкретные измерения качества несло именно это взаимодействие.

Согласно отчёту Zonka Feedback «AI в аналитике обратной связи 2025», основанному на беседах с более чем 100 руководителями CX, 46% фронтлайн-команд не получают сигналы вовремя для вмешательства. Данные существуют в тексте обратной связи — анализ просто не структурирован так, чтобы извлекать их достаточно быстро.

Для иллюстрации Zonka Feedback использует один отзыв из их вебинара в марте 2026 года: «Сара на ресепшн была просто замечательной, но WiFi был ужасным, а оформление выезда заняло целую вечность. Если это повторится, мы просто забронируем Marriott». Один комментарий. Три темы. Восемь отдельных сигналов.

1. Тональность: по теме, а не в целом

Стандартный анализ тональности присваивает один ярлык всему ответу. Тональность по теме разбивает ответ на темы и оценивает каждую независимо. В примере с отелем: положительная по сотруднику (Сара), отрицательная по удобствам (WiFi), отрицательная по процессу оформления выезда. Три разных сигнала, направляемых трём разным командам. Единый ярлык «смешанный» не говорит никому, что именно нужно исправить.

2. Усилие: язык высокого трения

Сигналы усилия обнаруживают язык, описывающий трение: «заняло целую вечность», «пришлось звонить трижды», «переводили между отделами». Исследование CEB, ныне входящего в Gartner, опубликованное в Harvard Business Review, показало: снижение усилий клиента точнее предсказывает лояльность, чем превышение ожиданий. Обратная связь уже содержит эти сигналы — большинство команд просто их не извлекают.

3. Срочность: ситуации с ограниченным временем

«Мне нужно решить это сегодня». «Дедлайн завтра». «Это продолжается уже три недели». Сигналы срочности помечают ответы, где время имеет такое же значение, как и содержание. Жалоба на медленный сервис имеет разный приоритет в зависимости от того, добавляет ли клиент «моё мероприятие в эту субботу» или «на будущее». Оба варианта — негативная тональность, но только один требует немедленной реакции.

4. Риск оттока: условные и явные сигналы ухода

Сигналы оттока бывают двух видов: условные («если это повторится, мы перейдём к другому поставщику») и явные («мы уже оцениваем конкурентов»). В примере с отелем «если это повторится, мы просто забронируем Marriott» — условный отток с названным конкурентом. Гость ещё не ушёл, но триггер переключения явный, конкурент назван, условие чёткое.

Обнаружение оттока по языку работает раньше, чем данные об использовании фиксируют проблему. Сигналы появляются в комментариях прежде, чем они отражаются в частоте входов или платёжных паттернах.

5. Эмоция: за пределами положительного и отрицательного

Обнаружение эмоции классифицирует конкретное чувство: фрустрация, восторг, замешательство, гнев, разочарование, облегчение. Это не то же самое, что тональность. Тональность классифицирует положительное или отрицательное. Эмоция классифицирует конкретное чувство за этим. Оценка 4/5 с комментарием «наверное, нормально, но я всё ещё не понимаю, почему это сломалось» — это не оценка 4. Клиент в замешательстве и умеренно расстроен. Но цифра говорит «удовлетворён». На замешательство реагируют иначе, чем на гнев.

Как пять измерений работают вместе

Реальная ценность — не в каком-то одном измерении, а в их сочетании. Анализ более миллиона ответов показал: в среднем каждый ответ содержит 4,2 темы. Каждая тема может нести разную комбинацию сигналов. Ответ с четырьмя темами может иметь положительную тональность по трём из них, но высокое усилие и срочность по четвёртой. Без комбинированного представления ответ выглядит преимущественно положительным. С ним видна одна проблема, которая может стоить вам клиента.

Пять типов намерения клиента

Намерение клиента — второй суб-столп experience signals. Он отвечает на перспективный вопрос: чего клиент ожидает в результате своего сообщения?

Исследование Zonka Feedback показало, что 66% руководителей CX сообщают о медленных или отсутствующих петлях обратной связи из-за разрозненных систем. Классификация намерения — то, что это исправляет. Когда AI знает, является ли ответ адвокацией, запросом функции или эскалацией, логика маршрутизации очевидна.

Анализ более одного миллиона ответов показал, что 23% ответов содержат явные сигналы намерения. Логика маршрутизации очевидна: адвокация направляется в маркетинг для работы с отзывами, запросы функций питают продуктовый роадмап, вопросы выявляют пробелы в базе знаний, жалобы идут к команде, отвечающей за соответствующую сущность, а эскалации получают немедленное внимание руководства.

Намерение имеет короткий срок жизни. Сигнал адвокации, обнаруженный и направленный за 24 часа, становится отзывом. Тот же сигнал, найденный в квартальном отчёте, — упущенная возможность. Жалоба, обработанная в течение нескольких часов, — клиент, которого можно вернуть. Жалоба, обнаруженная в ежемесячном обзоре, — потерянный клиент.

Обнаружение на уровне ответа и на уровне темы

Это ключевое отличие, вокруг которого строился весь уровень обнаружения: каждый experience signal — и качество, и намерение — обнаруживается на двух уровнях одновременно.

Большинство инструментов для анализа обратной связи работают на уровне ответа: один комментарий получает одну оценку тональности, один флаг срочности, один набор ярлыков. Это работает, когда комментарий содержит одну тему. Это перестаёт работать, когда тем три.

Возьмём тот же отзыв об отеле. На уровне ответа: «смешанная тональность» и, возможно, флаг оттока. На уровне темы:

Теперь у каждой темы свой профиль сигналов и своё намерение. Команда операций видит сигнал усилия по оформлению выезда. Команда объектов видит жалобу на WiFi. HR видит сигнал признания для Сары. Команда по удержанию клиентов видит, что отток связан с выездом, а не с пребыванием в целом. Один ответ — три разных действия, каждое направлено нужному владельцу.

Где используются experience signals

Команды поддержки и операций комбинируют сигналы усилия и срочности для автоматической приоритизации очереди. Высокая срочность и высокое усилие — немедленная эскалация. Низкая срочность и намерение «жалоба» — стандартная очередь с отслеживанием.

Команды по продукту используют сигналы замешательства и намерения «запрос функции», привязанные к конкретным продуктовым сущностям, для формирования роадмапа. Когда замешательство кластеризуется вокруг определённого рабочего процесса — это UX-проблема. Когда запросы функций упоминают возможность конкурента — это пробел для оценки.

Руководство CX отслеживает кросс-сигнальные тренды. Сигналы усилия растут по конкретной локации — значит, операционная проблема формируется до того, как NPS упадёт. Сигналы оттока увеличиваются в клиентском сегменте — значит, риск удержания появится в данных по выручке ещё через квартал.

Маркетинг получает сигналы адвокации в автоматическом режиме. Вместо поиска кандидатов для отзывов в опросах об удовлетворённости сигналы адвокации сами находят клиентов, которые уже продвигают продукт, — с точным языком, который те использовали.

Зрелость CX и точки применения

Не каждая команда готова к полному стеку сигналов с первого дня. Авторы описывают четыре стадии зрелости. На первой — реактивное прослушивание, обратная связь разрозненна и в основном не читается. Достаточно начать с тональности по теме на данных опросов. На второй стадии — организованная отчётность, обратная связь централизована, базовые дашборды работают. Здесь добавляются сигналы усилия и срочности, чтобы выявить проблемы, которые одновременно болезненны и чувствительны ко времени.