Hoewel veel leden van de C-suite de klantervaring als topprioriteit blijven stellen, ligt de uitdaging van het creëren van een klantgericht model in het gebrek aan tools – of toegang tot de juiste tools – en in het gebrek aan silogegevens. Zelfs nu contactcentra meer technologieën gebruiken om klantinteracties te beheren, vinden veel contactcentra het een uitdaging om de VoC-inzichten (Voice of Customer) die in hun eigen gegevens verborgen zitten, eruit te halen.
WAAROM HEBBEN BEDRIJVEN MOEITE OM CALLCENTERGEGEVENS TE GEBRUIKEN OM DE BETROKKENHEID VAN KLANTEN TE VERBETEREN?
In ons rapport, Bedrijfstransformatie en Analytics: Verandering stimuleren in een klantgerichte wereldontdekten we dat 85 procent van de leidinggevenden het ermee eens is dat gegevens en analyses belangrijk zijn om veranderingen in verkoop en marketing te onderbouwen. Maar 68 procent gaf ook toe dat ze een groot veranderingsinitiatief in hun bedrijf uit de weg gingen vanwege een “als het niet kapot is, repareer het dan niet”-houding.
Uit hetzelfde rapport blijkt ook dat 39 procent van de leidinggevenden toegeeft te vertrouwen op een beperkte reeks cijfers die het gemakkelijkst af te leiden zijn, zoals:
- inkomstencijfers;
- gegevens van sociale media;
- verkoopcijfers; en
- feedback van het team.
Hoewel deze datapunten belangrijk zijn, missen ze de diepe inzichten die te vinden zijn in de echte klantgesprekken die in het contactcenter plaatsvinden. Hierdoor lopen bedrijven het risico klanten te verliezen aan een concurrent die een interessantere ervaring biedt.
Toch wordt in de meeste contactcentra slechts ongeveer 2 procent van de gesprekken ooit nog eens bekeken en blijft de overige 98 procent van de inzichten verborgen. Deze informatie uit de eerste hand wordt verspild, terwijl ze in feite gebruikt zou kunnen worden om organisatorische veranderingen te stimuleren, de winst te verhogen en de klantervaring te verbeteren.
Hoe bedrijven kunnen profiteren van de klantgegevens die in het contactcenter worden verzameld
Dus hoe kan analytics helpen? Datagedreven organisaties die gebruik maken van de inzichten uit hun contactcenterdata krijgen toegang tot de ongefilterde VoC, zodat u precies weet wat klanten willen – en nog belangrijker, wat ze niet willen – en hoe ze dat geleverd willen krijgen.
Toch zijn er zoveel manieren om analytics te gebruiken dat leiders van contactcentra vaak niet weten waar ze moeten beginnen als ze het voor de eerste keer willen gebruiken – of wat ze moeten doen als hun eerste analytics-project eenmaal loopt.
Calabrio CMO Rebecca Martin deelde onlangs met klantenservice expert Shep Hyken dat “om voorop te blijven lopen, bedrijven moeten uitzoeken hoe ze gegevens kunnen omzetten in actie”.
Bij Calabrio zien we voortdurend hoe call center analytics een zeer hoge waarde leveren als het gaat om klantbetrokkenheid in het contact center – ongeacht de unieke doelen en pijnpunten van elke organisatie.
Hier zijn negen manieren, gegroepeerd volgens drie gemeenschappelijke organisatiedoelstellingen, waarop bedrijven analytics en klantgegevens kunnen gebruiken om hun relaties met klanten te verbeteren.
DOEL: VASTSTELLEN WAAR DE KLANTTEVREDENHEID KAN WORDEN VERBETERD
Hoe tevredener klanten zijn, hoe groter de kans dat ze loyaal blijven aan een organisatie – daarom is klantenbinding voor veel organisaties een topprioriteit.
Het eerste gebied waarop we bedrijven analytics zien gebruiken – inclusief analytics die gebruikmaakt van artificial intelligence (AI)-gedreven machine learning – is om manieren te ontdekken om het klanttraject soepeler te laten verlopen door pijnpunten in het contactcenter te verlichten en te anticiperen op toekomstige behoeften van de klant.
Analyses van callcenters verlichten deze pijnpunten gemakkelijk en verhogen op hun beurt de klantbetrokkenheid:
- Managers van contactcentra helpen de FCR (First Call Resolution) te verhogen
FCR wordt niet voor niets consequent beschouwd als de nummer één metric van het contactcenter: studies hebben aangetoond dat de klanttevredenheid met 15% daalt elke keer dat een klant moet terugbellen om zijn probleem op te lossen. Analytics stellen managers niet alleen in staat om het aantal herhaalde oproepen bij te houden, maar ook – en dat is van cruciaal belang – om de hoofdoorzaken te achterhalen, zodat ze hun FCR snel kunnen verbeteren en hun klanten tevreden kunnen houden. - Ervoor zorgen dat contactcenter-evaluatoren echt gericht kwaliteitsbeheer uitvoeren
Machine learning kan worden gebruikt om voorspellende evaluatiescores te genereren voor 100% van de interacties, waardoor beoordelaars hun tijd kunnen richten op de juiste gesprekken en deze kwaliteitsinzichten kunnen gebruiken om impactvolle coaching te bieden aan de agenten die dit het meest nodig hebben. - Agenten identificeren die consequent hoge beoordelingen van klanten krijgen
Machine learning kan ook worden gebruikt om agenten te identificeren die consequent klantervaringen van hoge kwaliteit leveren. Dit helpt managers en trainers om tactieken te ontdekken die ze kunnen gebruiken om andere agenten te trainen en maakt het mogelijk om topagenten te erkennen voor hun prestaties. - Contact center managers helpen proactief bereik te verbeteren
Door machine learning te gebruiken om voorspellende Net Promoter Scores (NPS) te genereren voor elke klantinteractie – ongeacht of de klant een enquête heeft ingevuld – kunnen managers 100% van hun promotors, detractors en passives zien en zich op hen richten met de juiste inspanningen. - De organisatie als geheel in staat stellen om klanten die het risico lopen om uit te vallen snel te detecteren en te reagerenop
Wanneer een klant gefrustreerd is, gebruikt hij vaak woorden die door een analyseoplossing kunnen worden geclassificeerd als woorden met een negatief sentiment. Callcentergegevens kunnen worden gebruikt om die klanten te identificeren en acties te ondernemen om ze te behouden, waardoor de totale LTV (lifetime value) voor klanten toeneemt.
DOEL: SNEL REAGEREN OP PROBLEMEN DIE DE BETROKKENHEID VAN KLANTEN NEGATIEF BEÏNVLOEDEN.
Begrijpen wat een klant van uw organisatie vindt kan een uitdaging zijn, maar het is een krachtige manier om belangrijke inzichten te krijgen over uw contactcentrum, uw product en uw bedrijf. Dat komt omdat sentimentanalyse, een nieuwe technologie die deel uitmaakt van callcenteranalyse, je niet alleen kan helpen begrijpen wat bellers zeggen , maar ook hoe ze zich voelen.
Sentimentanalyse werkt door elk element van een klantgesprek te analyseren om een sentimentscore toe te kennen van positief, negatief of neutraal. Het wordt gelijktijdig uitgevoerd met een oplossing voor personeelsoptimalisatie voor callcenters om sentimentgegevens te correleren met statistieken zoals gespreksduur, wachttijd, stilte, NPS en zelfs evaluator scores. Door trends in het sentiment in near-real time te spotten, kunnen organisaties snel veranderingen doorvoeren die van invloed zijn op de klantbetrokkenheid.
Dit is hoe callcenteranalyse kan worden gebruikt om het sentiment van klanten te identificeren en uw organisatie in staat te stellen snel te reageren.
- Zoek en pak interacties in het callcenter aan die leiden tot negatieve klantervaringen
Managers van contactcentra kunnen oproepen met negatieve sentimentscores segmenteren per agent, team of groep en vervolgens interacties met negatieve scores proactief monitoren binnen een specifiek team of een specifieke groep. Ze kunnen deze sentimentsegmentatie gebruiken om optimale kansen voor coaching van agenten te identificeren, om te beslissen hoe ze opkomende problemen moeten aanpakken en om het sentiment van toekomstige gesprekken te voorspellen. - Mogelijkheden identificeren om de klantbetrokkenheid buiten het callcenter te verbeteren
De hele organisatie kan sentimentanalyse gebruiken om potentiële problemen te herkennen en te verhelpen, ruim voordat ze aanwijzingen krijgen van achterblijvende KPI’s zoals NPS of verkooponderzoeken. Ze kunnen sentimenttrends tijdens de vlucht signaleren en vervolgens snel de betrokken bedrijfsfuncties aanpassen om positief sentiment te repliceren of negatief sentiment te triageren. En ze kunnen gemakkelijk onderscheid maken tussen klanten die echt zullen afhaken en klanten die alleen maar bluffen.
DOEL: GEGEVENS EN INZICHTEN OVER KLANTEN EN MEDEWERKERS VAN AGENTEN VERZAMELEN OP MEERDERE TECHNOLOGIEPLATFORMS
Nu klanten via meer kanalen dan ooit in contact komen met organisaties, wordt het steeds moeilijker om alle factoren die van invloed zijn op de klantervaring bij te houden. Data Management kan worden gebruikt om die gegevenssilo’s te doorbreken door callcentergegevens te combineren met automatische gespreksdistributie (ACD), interactieve spraakherkenning (IVR), kwaliteitsbewaking, personeelsbeheer, CRM, personeelszaken, eigen softwaretoepassingen en zelfs gegevens van sociale media.
Door het naadloos samenvoegen van zowel de voice of the customer (VoC) als de voice of the employee (VoE) informatie uit meerdere systemen en het visueel weergeven van de geïntegreerde gegevens, kunnen contactcenters hun klantervaringen volledig begrijpen en voortdurend verbeteren zonder dat ze daarvoor voortdurend hun budget of personeelsbestand hoeven te verhogen.
Analyses kunnen helpen om de klantbetrokkenheid te verbeteren door gegevens van meerdere kanalen te verzamelen:
- Managers van contactcentra in staat stellen cross-channel kwaliteitsbewaking uit te voeren
Door gegevens van meerdere kanalen samen te voegen en te analyseren met behulp van geavanceerde, visuele tools, kunnen managers agenten vanuit veel verschillende interne en externe perspectieven evalueren, de training van agenten in bijna realtime verbeteren, kwaliteitsscores van beoordelaars combineren met feedback van klanten en de agent zelf, en de beste interacties en de best presterende agenten markeren. - Stelt de organisatie in staat om een beter inzicht te krijgen in de prestaties van agenten
Managers kunnen eenvoudig verschillende communicaties afleveren aan detractors versus promotors (of neutrale klanten) om de impact van een boodschap te maximaliseren; wiskundige benaderingen maken van zowel klant- als agentgedrag om de uitkomsten te voorspellen die de meeste resultaten zullen opleveren; en meer tijd hebben om te innoveren op het gebied van de algehele klantervaring.
De race om te innoveren is in volle gang en het is duidelijk dat organisaties, om de klantbetrokkenheid in het callcenter te vergroten, manieren moeten vinden om de gegevens die ze binnen handbereik hebben beter te benutten – en daarvoor moeten ze analytics gebruiken.
In de kern automatiseert analytics taken die anders de tijd van een agent, manager of organisatie in beslag zouden nemen, terwijl het zinvolle inzichten oplevert die kunnen worden gebruikt om de klantervaring voortdurend te verbeteren – en die anders misschien volledig onontdekt blijven.
In een tijdperk waarin het herkennen van de tekenen van klantontevredenheid nadat een klant verloren is, gewoon niet volstaat. Bedrijven moeten bepalen wanneer en waar klanten niet meer betrokken raken bij je bedrijf. En dat betekent dat analytics een “wanneer”- en geen “als”-investering is. En het “wanneer” is nu.
Ontdek hoe Radial analytics gebruikt om meer bruikbare inzichten te leveren aan interne medewerkers en klanten.lees de casestudy.
