კლინიკა

პაციენტი — რეცენზიას არ დაწერს

ვიზიტის შემდეგ SMS: ‘როგორი იყო ექიმთან შეხვედრა?’. პაციენტი პასუხობს, რადგან ეპისკოპალი არ არის. 4 კითხვა, 45 წამი. სენსიტიური მონაცემი EU-ში (PDPL + GDPR).

გამოწვევები

Negative review = რეპუტაცია

Google review ექიმის შესახებ — სავანდალო. ერთი ცუდი გამოხმაურება დრო-დრო უჩვენდება, ახალი პაციენტების გადავრდომა.

Patient loyalty არ ვიცი რას ზრდის

ცოტა ლოდინი? ექიმის explanation? რეცეპტის ფასი? რომელი driver-ი ყველაზე ძლიერი — მონაცემი არ არის.

Staff feedback არის მხოლოდ whisper-ად

უფროსი ექიმი ცუდად ემცყაროს პაციენტებს? ვიცი მხოლოდ რამდენიმე შეტყობინებიდან. სისტემური მონაცემი არ არის.

Multi-location quality control

2-3 ფილიალი — რომელი ფილიალი უფრო კარგი? სად პრობლემა? აუცილებელი ფოკუსის სფერო.

როგორ გეხმარებათ Medalia

Post-visit SMS automation

ვიზიტიდან 2 საათში SMS → 4 კითხვა 45 წამში. Response rate: 30-45% (healthcare average).

Detractor → მფლობელი

NPS ≤ 6 + კონტაქტი → Telegram alert მფლობელს. ცუდი გამოცდილება — რეაქცია 1 საათში, არა Google review-ი 1 კვირის შემდეგ.

Per-ექიმი CSAT

რომელი ექიმი ყველაზე კარგი, რომელი გასაუმჯობესებელი. Data-driven training შერჩევა.

EU-in-region data

Frankfurt Supabase. PDPL + GDPR. Patient email/phone encrypted at rest. Export + delete ერთი კლიკით (right to be forgotten).

მზა შაბლონი: სტუმრობის შემდეგ — კლინიკა

5-კითხვიანი medical-flavor CSAT. ლოდინი, ექიმი, ზრუნვა, ოფისი, კომენტარი.

ნიმუშის კითხვები:
  1. 1რამდენად ალბათობით ურჩევდით ჩვენს კლინიკას მეგობარს? (NPS)
  2. 2ლოდინის დრო? (1-5)
  3. 3ექიმის ექსპლანაცია? (1-5)
  4. 4სტაფის ყურადღებიანობა? (1-5)
  5. 5კომენტარი (ღია ტექსტი)

2 წუთში აწარმოებთ

უფასო ტარიფი, ბარათი არ გვჭირდება.

რეგისტრაცია →