[onderzoek] Feedback zonder te vragen om feedback

‘How do you rate your recent experience?’
Het leveren van een intuïtieve, unieke en gepersonaliseerde customer experience is voor veel bedrijven een belangrijke strategische pijler. En terecht, want onderzoek na onderzoek toont aan dat een goede ervaring leidt tot meer conversie, omzet, share of wallet, loyaliteit en positieve word of mouth. Jong, oud, B2C, B2B: klanten haken steeds vaker af als een proces niet soepel verloopt. Belangrijk dus om continu te weten waar de experience te wensen over laat, zodat dit snel verbeterd kan worden. De reden dat we tegenwoordig ongeveer na elke interactie met een willekeurig bedrijf gevraagd worden naar onze mening over onze recente ervaringen.

Traditionele klantfeedback vertoont meer en meer scheuren
Uit deze vragen komen absoluut relevante inzichten voor bedrijven, maar er zitten serieuze haken en ogen aan. Allereerst, met enquêtes heb je altijd te maken met een sampling en response bias. Deelnemers aan enquêtes zijn meestal niet representatief voor de gemiddelde klant, maar zijn vaak de positieve of negatieve uitschieters. Bovendien blijken mensen in enquêtes extremer te antwoorden dan wat ze daadwerkelijk vinden. Ten tweede, onderzoek wijst uit dat wat mensen zeggen in enquêtes vaak niet overeenkomt met hun daadwerkelijke gedrag. Dit kan resulteren in hele tevreden klanten die nooit meer terugkomen en ontevreden klanten die juist de meest loyale klanten zijn. Maar uiteindelijk is de grootste beperking van dit soort enquêtes de schaalbaarheid. Idealiter zou je van elke klant in elke stap van elke journey in elk kanaal willen weten hoe hij of zij dat moment ervaart. Maar vooral voor bedrijven met veel klanten en veel klantinteracties is daar geen beginnen aan; de kosten zouden de pan uit rijzen en klanten raken gefrustreerd door de vele feedbackvragen.

Vind de antwoorden zelf in je bestaande data
Waarom zou je klanten alles willen vragen, wanneer je als bedrijf over genoeg data beschikt waarmee je zelf antwoord kunt geven op een groot deel van deze vragen. Niet alleen geeft data je inzicht in waar je klanten een soepele ervaring hebben, maar het kan ook duiden waarom. Een paar voorbeelden: zien we dat klanten die langer dan 20 minuten in de wacht stonden significant minder vaak een herhaalaankoop doen dan andere klanten? Zien we dat een groot aantal klanten met een zoekopdracht voor een bepaalde productcategorie de klantenservice belt? Zien we dat klanten die de app gebruiken vaker een positieve review achter laten dan klanten op de website?
Het voordeel van gedrags- en procesdata is dat deze data automatisch - en dus goedkoop - worden verzameld over de gehele journey en door alle kanalen heen. Daarnaast zijn deze data objectief en van enorme grootte. Ten slotte, kun je de data relateren aan daadwerkelijk gedrag, wat je de mogelijkheid geeft om customer experience aan business-KPI’s te koppelen; sales, conversie, loyaliteit of share of wallet in plaats van NPS of CSAT.

Machine learning om impact te meten
Om hier te komen is het allereerst belangrijk om alle sporen die klanten achterlaten in hun interactie vast te leggen; onder meer kanaal, browser, device, duur, aantal clicks. Deze data worden opgehaald en vastgelegd in diverse systemen en moeten vervolgens geüniformeerd samenkomen in een dataplatform, door op alle data consistente tagging toe te passen, bijvoorbeeld op journey en touchpoint.
Vervolgens kunnen we uit deze data, met machine learning-modellen, slimme inzichten trekken. De modellen laten zien welke touchpoints een positieve of negatieve impact hebben op de customer experience van klanten en hoe groot die impact is. De modellen zullen zelfs een aantal oorzaken tonen, zoals bijvoorbeeld een lange wachttijd, heen en weer clicks - wat kan duiden op een onduidelijk proces - of trage website.
Dit geeft waardevolle informatie aan de organisatie om (a) te bepalen waar verbeteringen de grootste impact hebben en dus de hoogste prioriteit hebben en (b) welke richting de verbeteringen op zouden moeten gaan.

Maar wat is een goede experience?
Gedurende dit proces lopen we tegen een filosofisch probleem aan: wat is eigenlijk een ‘goede’ klantervaring? Als we de klantervaring willen kwantificeren, zullen we deze op de een of andere manier moeten meten en tot een getal moeten komen. Deze waarde zal de uitkomst vormen van de impactmodellen en is dus essentieel om goed over na te denken.
Hierbij zijn er twee soorten ‘goed’: goed voor de klant en goed voor de business. Goed voor de klant betekent dat onze customer experience zorgt voor een psychologisch prettige ervaring voor de klant. In het extreme zou dat kunnen betekenen dat we ons product gratis weggeven, omdat de klanten dat zeker prettig zullen vinden. Goed voor een bedrijf is een ervaring die leidt tot betere business-KPI’s zoals een hogere omzet. Deze twee sluiten elkaar niet uit, maar zijn ook niet identiek. Een belangrijke discussie dus die vooraf binnen de organisatie moet plaatsvinden.

En dus…
Wanneer je echt wilt excelleren in customer experience zul je het continu en objectief moeten meten en monitoren, zodat je weet waar investeringen in geld en tijd ook daadwerkelijk impact hebben op de perceptie en het gedrag van klanten en je uiteindelijke business-KPI’s!

Dit artikel is geschreven door Sacha Ghurahoo, senior manager | strategy, digital innovation & customer experience bij EY VODW, Anne van den Broek d’Obrenan, manager data science bij EY VODW, en Kees Mulder, data scientist bij EY VODW, en verscheen eerder in MarketingTribune 06, 2021.