Nederland
Belgium
HomeInspiratieData voor meer rendement uit klantreis optimalisatie
Data for greater returns from customer journey optimization

CEX en Innovatie

Data voor meer rendement uit klantreis optimalisatie

Een customer journey optimaliseer je sneller en beter door slim gebruik van data. In dit artikel: Hoe laat je data voor je werken bij het verbeteren van de klantreis? En hoe begin je als je geen Google of Amazon heet?

Customer experience = the new differentiator, data = the new oil

In veel markten wordt het product steeds meer een commodity, en moeten bedrijven zich vooral onderscheiden op de beleving die ze klanten bieden. Dus starten veel bedrijven met verbeterprogramma’s met sleutelwoorden: klantreis en klantbeleving. Opvallend is dat die programma’s in de meeste gevallen grotendeels zijn gebaseerd op onderbuikgevoel in plaats van harde data over klantgedrag en -beleving. En dat is gek, want er zijn veel onderzoeken die laten zien dat sneller groeiende bedrijven hun beslissingen vaker op data baseren. Waar gaat het mis?

We zien twee uitdagingen waar veel organisaties mee worstelen bij het effectief benutten van (klant)data:

  1. Het gestructureerd vastleggen en ontsluiten van data. Lees bijvoorbeeld ons artikel over de requirements omtrent datavastlegging en -toegankelijkheid op weg naar een 360-graden klantbeeld.
  2. Het hanteren van een duidelijke aanpak om op basis van data gericht te verbeteren.

In dit artikel gaan we in op de tweede uitdaging. Met welke aanpak laat je data wél voor je werken bij het verbeteren van klantbeleving en hoe omzeil je veel voorkomende valkuilen?

‍‍Data analyse voor bepalen meest kansrijke verbeterrichtingen

Je wilt de klantreis verbeteren, dus maar direct aan de slag met ideeën of met een aantal klanten in gesprek? Klinkt logisch. Toch kun je hier flink wat tijd verspillen aan zaken die weinig zullen bijdragen aan échte verbetering. Data analyse geeft hier richting door inzicht te bieden in de belangrijkste impactfactoren voor de doelstellingen van de organisatie. Denk aan: Waar haken de meeste klanten af? Welke klantprofielen vertonen het ongewenste gedrag? Welk contactkanaal presteert slechter dan andere? Met deze data inzichten kom je in de design fase gerichter tot ideeën en winnen ook eventuele verdiepende klantinterviews sterk aan kracht. Je weet dan immers welke klanten je moet spreken over welke onderwerpen.‍

Analyseer op 3 niveaus; touchpoint, service level, context

‍De analyses die je kunt uitvoeren zijn natuurlijk afhankelijk van de data-maturiteit van de organisatie. Om analysetechnieken als process mining in te kunnen zetten, is het bijvoorbeeld noodzakelijk data uit verschillende bronsystemen te kunnen koppelen. Dankzij deze koppeling kan tot op klantniveau inzichtelijk worden gemaakt welke touchpoints klanten daadwerkelijk doorlopen, in welke volgorde en in welk tijdsbestek. Naast de bottle necks in het proces die zichtbaar worden, blijkt vrijwel altijd dat veel klanten een andere klantreis doorlopen dan de organisatie denkt.

Maar ook andere, meer pragmatische analyses kunnen tot scherpe inzichten leiden. Ongeacht de gebruikte techniek, richt de analyse zich over het algemeen op drie niveaus:

  • ‍Niveau 1 – touchpoint: wat is de impact van het (niet) ervaren van een touchpoint?

    ‍Allereerst richt de analyse zich op de vraag welke touchpoints (bijv. een mail of telefoongesprek) de meeste impact hebben op de doelen van de organisatie. Hierbij kijken we of het (niet) doorlopen van een touchpoint de beleving en het gedrag van klanten significant beïnvloedt. Wat doet het (niet) ontvangen van een after-service call voor klanttevredenheid en churn? Of het downloaden van een productinformatiebrochure voor conversie en cost to serve (doordat mogelijk minder klanten dezelfde informatie telefonisch gaan uitvragen)?

  • ‍Niveau 2 – service elementen: wat is de impact van het type service dat we binnen een touchpoint bieden?

    ‍Een touchpoint kan op verschillende manieren worden ingevuld. Neem bijvoorbeeld het touchpoint ‘klant belt met een vraag over X’. Enkele relevante service elementen hierbij: reactiesnelheid, duur van contact, first time fix, expertise medewerker (algemene helpdesk vs. specialist), etc. Analyse op dit niveau maakt per service element inzichtelijk hoe groot de impact hiervan is op de bedrijfsdoelstellingen en waar de belangrijkste verbeterkansen liggen.

  • ‍Niveau 3 – contextuele factoren: welke impact heeft de context van de klant tijdens het contact?

    ‍Vaak hebben ook factoren buiten de organisatie invloed op de beleving en het gedrag van klanten. Denk aan het weer, seizoen, tijdstip van de dag, leeftijd, gezinssituatie van de klant, etc. Dat zijn vaak factoren waar je geen of weinig invloed op hebt, maar waar je mogelijk wel op kan anticiperen. Denk aan het inzicht dat een service call vroeg in de avond beter wordt gewaardeerd dan een telefoontje tijdens kantoortijden.

Tijdens de hierboven beschreven analyses liggen verschillende valkuilen op de loer, waar we in de praktijk veel organisaties mee zien worstelen. Lees in dit artikel hoe je deze vermijdt.

Neem contact op