[marketingscience] Klantinzicht met unstructured data

Voor het oprapen
Traditioneel gezien wordt de klanttevredenheid in lange vragenlijsten uitgevraagd. Alhoewel deze onderzoeken een goed inzicht geven in de klanttevredenheid op verschillende aspecten, is hieruit niet direct af te leiden wat de impact van de verschillende aspecten op de algemene tevredenheid is. Daarnaast beperken ze de klant in het geven van hun mening met vooropgestelde opties en zijn vaak duur en tijdrovend. Toch is er een manier om deze inzichten te verkrijgen zonder de klant hiervoor te hoeven benaderen. Op social media, review-websites en vergelijkingssites staat het vol met meningen van klanten. Deze unstructured data is zeer waardevol, maar helaas zien veel bedrijven het analyseren van deze data als een tijdrovende of onmogelijke klus, die onvoldoende extra waarde toevoegt ten opzichte van traditionele surveys. Dat is onterecht: het analyseren van online unstructured data zorgt ervoor dat je je klanten sneller en op een dieper niveau leert kennen dan bij traditionele surveys. Daarnaast is het een zeer welkome bron van verrijking op bestaande onderzoeken. Farhadloo, Patterson en Rolland ontwikkelden een model waarmee ze uit unstructured data meten wat de relatieve impact op de klanttevredenheid is van elk mogelijk aspect waar een klant mee in aanraking komt. Met behulp van 2.239 reviews op Tripadvisor over state parks in Californië is de methode succesvol getest. Een groot voordeel ten opzichte van surveys is dat de methode alle aspecten identificeert waar de klant een mening over geeft. Deze zijn dus niet voorop vastgesteld.

Draai aan de beste knoppen
Door gebruik te maken van deze waardevolle methodiek kan het management sturen op de aspecten die een hoge impact hebben, gebaseerd op kwantitatieve inzichten. Zo verhoog je gericht en efficiënt de totale klanttevredenheid. Naast het meten van de impact op tevredenheid, leent de methodiek zich ook voor het meten van het effect op andere KPI’s, zoals NPS. Ten slotte is de hoeveelheid data die op deze manier geëvalueerd kan worden vele malen groter dan via traditionele surveys en zijn de kosten significant lager door de automatisering van de analyses. Talloze softwareprogramma’s zijn tegenwoordig beschikbaar om aan de slag te gaan met unstructured data.

Benut de schat van unstructured data en zorg dat de impact van verschillende aspecten op jouw klanttevredenheid bekend is. Zo draai je aan de beste knoppen voor je bedrijf in het voordeel van jouw klanten.

Bron: M. Farhadloo, R. Patterson, E. Rolland (2016). Modeling customer satisfaction from unstructured data using a Bayesian approach. Decision Support Systems, vol. 90, p. 1-11.

Dit artikel is geschreven door Anne van den Broek, consultant data science bij VODW, en verscheen eerder in MarketingTribune 3, 14 febrruari 2017.