Наша команда customer success работает со всеми клиентами с ARR выше $20 тыс., но из-за этого тысячи клиентов остаются без персонального менеджера.
Помощь всем этим клиентам входила в обязанности команды онбординга, но по мере того, как мы углублялись в процесс, мы поняли, что наши усилия больше похожи на масштабируемый customer success, поэтому теперь наша команда называется именно так.
Работа команды Scaled Customer Success в значительной степени опирается на автоматизацию работы с клиентскими данными, маршрутизацию аккаунтов, приоритизацию, цепочки писем, повторные обращения, оповещения, передачу клиентов в отдел продаж и многое другое. Раньше для этого мы использовали внешнюю платформу customer success (CSP).
Теперь PostHog служит нашей платформой customer success благодаря Customer Analytics и Workflows. Вот почему и как это устроено.
Когда вы думаете об «онбординге», вы, вероятно, представляете себе вводный звонок после закрытия сделки, план внедрения и серию обучающих сессий. У нас все выглядело иначе.
PostHog работает по принципу самообслуживания: клиент регистрируется, начинает отправлять данные и изучает продукты без нашего участия. К моменту нашего обращения они уже могут внедрить несколько продуктов и приблизиться к своему первому реальному счету. Очень часто они не просят о помощи. Они могут даже не знать о существовании нашей команды.
Сигналы об использовании продукта, выставлении счетов и активности клиентов помогают нам выявлять моменты, когда клиенты могут испытывать трудности, не до конца использовать возможности продукта или находиться в зоне риска оттока. Затем мы оптимизируем настройку и выставление счетов клиента, изучаем его данные и выявляем пробелы, находим лучшие способы ответа на бизнес-вопросы, помогаем открыть для себя другие полезные функции PostHog и делаем так, чтобы они оставались с нами дольше.
Кроме того, мы — первая команда PostHog, работающая с клиентами на масштабном уровне: четыре человека поддерживают около 700 клиентов в рамках одной общей программы. У нас нет закрепленных за каждым отдельных портфелей клиентов; вместо этого мы полагаемся на довольно сложную систему автоматизации, чтобы никто не остался без внимания и чтобы мы не мешали друг другу, оставаясь при этом отзывчивыми и доступными.
Наши процессы должны успевать за клиентской «очередью», которая никогда не стоит на месте (прогнозируемые расходы меняются в зависимости от использования, аккаунты становятся подходящими под критерии или выбывают из них, некоторые передаются в отдел продаж и т. д.). Нам нужно определить, кто требует нашего внимания, понять контекст клиента и скоординировать нашу работу, чтобы помочь как можно бóльшему количеству клиентов, не превращая нашу «помощь» в безличную рассылку писем и не тратя полдня на управление CSP.
Именно поэтому успешный переезд на PostHog был так важен для нашей команды.
Раньше мы управляли всеми процессами во внешней CSP. Наш набор автоматизаций и интеграций постоянно рос и в целом работал, но требовал творческих обходных путей и долгого устранения неполадок. По мере роста наших потребностей поддерживать их становилось все сложнее.
Мы хотели получить гибкость для принятия решений на основе биллинга, использования продуктов, вовлеченности и предыдущих разговоров, не собирая информацию из разных инструментов и не затаив дыхание, чтобы система не сломалась.
Когда в PostHog начали создавать Customer Analytics, мы увидели возможность упростить процессы. Зачем отправлять собственные клиентские данные во внешнюю CSP, если можно запускать наши процессы прямо там, где эти данные уже живут?
Весь слой данных был создан Дэниэлом Даниловым (Daniel Danilov) — это SQL-модель в хранилище данных PostHog, которая рассчитывает соответствие критериям аккаунта, оценку приоритета на основе прогнозов биллинга, предстоящих счетов, недавней активности и других сигналов. Преимущество заключается в том, что когда нам нужно скорректировать условия приоритизации или соответствия критериям, мы можем изменить их в одном централизованном месте, а не обновлять несколько интеграций по очереди.
Customer Analytics берет данные оттуда и предлагает единое общее представление, отсортированное по этому баллу приоритета. Это помогает нам определить, каким клиентам нужно уделить внимание в первую очередь, и одновременно дает доступ к их использованию продукта, расходам, беседам, встречам и прогрессу в прохождении нашей программы.
Знать, кому из клиентов нужна помощь — это лишь полдела, нам также нужно действовать на основе этой информации, и здесь на помощь приходят Workflows.
На первый взгляд может показаться, что Workflows созданы для маркетинговых автоматизаций, но мы быстро доказали, что они могут гораздо больше, чем просто отправлять письма, и способны помочь нам запустить операции в масштабе.
Нам нужна была система, которая могла бы работать с клиентскими данными, координировать работу нашей команды, автоматизировать процессы и адаптироваться при изменении обстоятельств. Вместо того чтобы воссоздавать каждую старую автоматизацию CSP по отдельности, мы объединили большую часть нашей логики в несколько основных workflows, а также вспомогательные, нацеленные на конкретные задачи.
Многое из этого происходило в ходе бесед с ИИ-агентами, например PostHog AI, MCP и приложением для Slack. Обычно мы описывали простым языком то, что хотим автоматизировать, просматривали то, что создает агент, тестировали логику и включали ее, когда нас устраивало, как она работает.
Вот несколько конкретных примеров:
1. Путь онбординга, который адаптируется под клиента
Каждый день workflow «Войти в очередь» добавляет вновь соответствующие критериям аккаунты в нашу программу онбординга. Customer Analytics инициирует событие при изменении свойства аккаунта, позволяя последующим workflows продолжить работу с того места, где они остановились.
Наша основная цепочка писем находится в одном workflow, но не каждый клиент идет по одному и тому же пути. Для подходящих клиентов с прогнозируемыми расходами менее $600 в месяц мы отправляем первое автоматическое письмо с предложением помощи в настройке и биллинге. Для клиентов, которые платят больше, мы используем более личный подход: мы изучаем их аккаунт и пишем индивидуальные рекомендации на основе их настроек и использования.
Затем обе группы продолжают проходить цепочку онбординга, включая сообщение «последний шанс получить нашу помощь», приуроченное к их предстоящему счету.
Затем workflows берут на себя остальную часть пути: отмечают проверки для команды, добавляют задачи в Customer Analytics, отправляют повторные письма там, где это уместно, и, наконец, завершают онбординг, устанавливая свойство человека. Наша основная цепочка писем в настоящее время имеет версию 70, что отлично иллюстрирует количество краевых случаев, которые мы проработали.
Важно отметить, что ни один workflow не отправляет письма просто потому, что они запланированы. Перед каждой отправкой он проверяет текущую ситуацию клиента. Связывался ли кто-нибудь с клиентом в последнее время? Взяла ли на себя ответственность другая команда? Если ситуация изменилась, сообщение пропускается.
2. Оптимизация биллинга и проактивная помощь
Иногда лучшее, что мы можем сделать для клиентов — это помочь им тратить меньше, и нам нравится это делать.
С помощью workflows мы обращаемся к клиентам, когда они сталкиваются с неудачными платежами, предлагая помощь без необходимости для кого-либо следить за каждым аккаунтом.
Мы также разработали систему проактивных вмешательств на основе определенных сигналов о тратах и использовании, которая позволяет нам выявлять клиентов, которым может быть полезно пообщаться с нами, и поддерживать их использование PostHog на стабильном уровне до того, как потенциальная проблема станет поводом уйти.
Сочетание клиентских данных со Scouts и автоматизацией позволяет нам предлагать такой вид проактивной помощи гораздо бóльшему количеству людей, чем мы могли бы охватить вручную.
3. Автоматизация работы за кулисами
Некоторые из наших любимых рабочих процессов вообще не отправляют электронные письма — они экономят время и снижают объем ручного труда.
Например, Workflows создает задачи по последующему взаимодействию после вводных встреч, добавляет резюме звонков из Gong в заметки о клиентах с помощью задач ИИ и генерирует задачи на основе отчетов об исследованиях клиентов.
Наш «Stage Reactor» отслеживает изменения на этапах каждого аккаунта, фиксируя временные метки и управляя назначением специалистов.
Возможно, это не звучит как грандиозное изменение правил игры, но для сотен аккаунтов это складывается в значительный объем координации, с которой нам больше не нужно справляться. Что еще важнее, это поддерживает неизменность наших процессов независимо от того, кто работает в этот день, и высвобождает время для работы, которая действительно требует нашей экспертизы.
Наша предыдущая CSP в первую очередь была разработана для команд продаж и их индивидуального пула клиентов. Это хорошо работает для команд, управляющих выделенными клиентскими отношениями, но наша работа требовала чего-то совершенно иного.
Когда мы начали переходить на Customer Analytics, мы были полны решимости не получить еще одну универсальную CSP, которая хорошо работает для традиционных команд продаж, но требует обходных путей из-за своих ограничений. В конце концов, Customer Analytics создавалась для нескольких клиентских команд, и мы хотели убедиться, что интересы нашей команды также представлены. Мы не хотели, чтобы другие решали, как будут выглядеть наши повседневные операции.
Из-за этого мы стали самыми первыми активными пользователями Customer Analytics, помогая формировать и развивать продукт за рамки его первоначальной концепции.
Нам требовалось:
- Общие настраиваемые представления аккаунтов и виджеты вместо индивидуальных панелей мониторинга.
- Управляемые рабочими процессами свойства, которые люди могли переопределить.
- Задачи, которые можно создавать как вручную, так и автоматически.
- Надежная история бесед и прозрачность в отношении того, кто работает над аккаунтом, чтобы мы случайно не дублировали работу.
- И многое другое…
Некоторые из этих функций не существовали, когда мы только начинали; другие требовали доработки для поддержки нашей операционной модели.
Например, мы попросили внедрить циклическую отправку электронной почты (round-robin), которая позволила нам распределять автоматизированную рассылку по нашей команде, сохраняя при этом постоянный контакт с каждым клиентом. Затем мы запросили отображение автоматических писем из рабочих процессов в той же истории бесед по аккаунту, что и сообщения, отправленные нами вручную. Это кажется мелкой деталью, но когда любой сотрудник команды может взять в работу аккаунт, наличие полной картины предыдущего общения имеет решающее значение.
Что сделало весь этот процесс особенно приятным, так это тесное сотрудничество с Arthur Moreira de DeusArthur Moreira de Deus, который является единственным разработчиком Customer Analytics (что само по себе достижение для продукта, предназначенного для обслуживания нескольких команд с совершенно разными методами работы). Он относится к нам как к равным партнерам в этом путешествии и никогда не устает от нашего бэклога (или по крайней мере он так говорит).
Будучи первыми пользователями, мы привносим свои требования, тестируем новые функции, выявляем краевые случаи, предоставляем контекст и проводим итерации вместе. Артур превращает наши отзывы в улучшения, зачастую невероятно быстро, пока мы продолжаем тестировать продукт на соответствие реалиям нашей повседневной работы.
Это невероятно весело — вносить свой вклад в продукт, которым вы пользуетесь. Наши трудности становятся реальными тестовыми примерами, помогая находить улучшения, которые могут принести пользу другим командам и клиентам.
Оглядываясь назад, можно сказать, что самым интересным в этом переходе было вовсе не замещение нашей CSP. А осознание того, насколько большая часть нашей экспертизы оказалась заложена в процессы и автоматизации, созданные нами с течением времени.
Мы потратили месяцы на то, чтобы выяснить, как расставлять приоритеты для клиентов, когда вмешиваться и как сбалансировать личное внимание с масштабируемостью. Переход на Customer Analytics и Workflows заставил нас пересмотреть эту логику, бросить вызов нашим предположениям и упростить процессы.
И мы только начинаем. Теперь мы можем экспериментировать с лучшими способами выявления рисков, реагирования на сигналы и персонализации взаимодействия, используя те же продукты, которыми пользуются наши клиенты.
Наша цель никогда не заключалась в том, чтобы полностью исключить людей из нашего процесса. Она состояла в том, чтобы автоматизировать операционную сложность в достаточной степени для того, чтобы уделить личное внимание гораздо большему количеству клиентов. Для небольшой команды, поддерживающей сотни клиентов, это имеет огромное значение.
Я хочу выразить благодарность всей команде Scaled Customer Success TeamScaled Customer Success Team за то, что они пережили этот переход, Артуру за создание Customer Analytics и превращение нашего списка пожеланий в функции неделю за неделей, а также команде Workflows TeamWorkflows Team за совместную работу с нами над воплощением наших процессов в жизнь!











