Vandaag is het 14 maart – algemeen bekend als de Internationale Dag van Pi (π). Pi is een verbazingwekkende wiskundige constante omdat het de unieke verhouding weergeeft tussen de omtrek van een cirkel en zijn diameter. Supercomputers hebben het berekend tot meer dan 60 biljoen cijfers achter de komma, maar de meesten van ons komen niet verder dan 3,14. Leuk weetje: wereldrecordhouder Akira Haraguchi reciteerde in 2006 Pi tot 100.000 cijfers uit zijn hoofd. Deze gekozen datum is logischer als je het verbijsterende (voor een Brit) Amerikaanse datumnotatiesysteem toepast waarbij de maand voor de dag wordt gezet, dus 3-14.
Je vraagt je misschien af wat pi te maken heeft met het analyseren van klantgegevens. Nou, volg me en je zult snel verlangen naar je eigen stukje pi(e).
De kracht van Pi
Pi is een oneindig lang getal! Toch gebruiken we Pi de hele tijd om ons te helpen bij het berekenen van veel dingen, zoals de omtrek van een cirkel (2πr) of het volume van een bol (4/3 π r3). Beide vergelijkingen staan in mijn brein gegrift sinds mijn wiskundelessen van 4 decennia geleden. NASA gebruikt het om de baan van ruimtevaartuigen te berekenen, ingenieurs om gebouwen te ontwerpen, biochemici om DNA te begrijpen en klokkenontwerpers om slingers nauwkeurig af te stellen.
Het hypocriete dilemma
In de dagelijkse praktijk gebruiken we echter een afgeknotte benadering van Pi om deze berekeningen uit te voeren. Systemen zoals Excel berekenen slechts tot een miezerige 14 cijfers achter de komma: 3.14159265358979. En toch worden de resultaten die we afleiden als perfect adequaat beschouwd. We trekken de integriteit van onze analyse of de resultaten van onze vergelijking niet in twijfel. Dus waarom denken we niet op dezelfde manier als het gaat om klantgegevens en het analyseren van klantgegevens?
Er is bijvoorbeeld een voortdurende paranoia rond de nauwkeurigheid van transcripties en het bijbehorende wantrouwen van afgeleide inzichten als een transcriptie niet 100% accuraat is. We lijken graag de oppervlakte van een cirkel te berekenen met een ruwe “3,14”, maar vertrouwen niet graag op een transcript dat voor 90% accuraat is. Wat relevanter is, is of de mate van nauwkeurigheid voldoende is om vertrouwen te geven in de resultaten en naar mijn mening zijn engines voor spraakanalyse nu op dat punt. Ja, het transcript is misschien niet 100% accuraat, maar als je het leest, kun je begrijpen wat er in het gesprek gebeurde en kun je vertrouwen op de inzichten die eruit voortkomen.
Gezien het potentieel om klantanalyses te gebruiken om onbekende zaken in contactcentra aan te pakken en de productiviteit van agenten, klantbetrokkenheid en klantloyaliteit te verbeteren, is het tijd om ons minder zorgen te maken over de uiteindelijke nauwkeurigheid en een hap te nemen uit de aanvankelijk intimiderende pi die contactcentrumanalyse is.
Hier zijn 6 manieren om tools voor klantanalyse te implementeren om contactcentra te helpen in het onbekende te duiken:
1. Menselijke vooringenomenheid elimineren
Richt je eerst op het potentiële probleem van menselijke vooringenomenheid. De meest voorkomende toepassing van klantanalyses op transcripts is de mogelijkheid om te zoeken naar trefwoorden en zinnen die gekoppeld zijn aan specifieke, vooraf bepaalde categorisaties, zoals churnrisico, compliance of upsell. Dit zijn belangrijke activiteiten, maar ze zijn sterk afhankelijk van menselijke input om de zinnenbibliotheek die betrekking heeft op elk onderwerp te creëren en te verfijnen. Om een analogie te gebruiken, het is alsof je zegt: “hier zijn de naalden die we zoeken in de hooiberg”.
Het probleem is dat sommige van deze naalden misschien niet top of mind zijn bij de menselijke analist en daarom over het hoofd worden gezien. Basis trefwoordtrends kunnen een beetje helpen. Bijvoorbeeld ‘welke woorden werden deze week meer gesproken dan vorige week’, maar het is niet ideaal. Het is veel beter om automatisch de belangrijkste onderwerpen en de bibliotheek met bijbehorende fasen te kunnen vinden met behulp van Machine Learning (ML), waardoor mogelijke menselijke vooringenomenheid of menselijke fouten worden weggenomen. Om terug te komen op mijn vorige analogie: zie dit als “al het stro wegblazen en kijken welke naalden je overhoudt”. Dat is precies waar klantanalyse om de hoek komt kijken.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
2. Creëer heldere gesprekken
De gemiddelde organisatie analyseert slechts 2% van alle klantinteracties en zelfs dat kleine percentage bestaat voornamelijk uit willekeurige kwaliteitscontroles (QA). Dus, wat er gebeurt is dat het QA team een paar interacties per maand selecteert om te evalueren en dan proberen ze zakelijke beslissingen te nemen op basis van alleen die kleine hoeveelheid informatie. Dit betekent dat de andere 98% van de interacties met die waardevolle ongefilterde en onbevooroordeelde klantgegevens gewoon onaangeroerd op de plank blijven liggen. Het mooie van klantanalyses is dat ze 100% van de klantinteracties analyseren. Hierdoor wordt het onbekende bekend, wat betere, beter geïnformeerde zakelijke beslissingen mogelijk maakt.
3. De inspanning van de klant verlichten
Klanten verwachten dat hun reis naadloos en gesynchroniseerd verloopt. Als een organisatie te moeilijk is om zaken mee te doen, zullen ze waarschijnlijk elders op zoek gaan naar hun nieuwe favoriete sneaker of de nieuwste gadget. Het implementeren van klantanalyses houdt klanten aan uw kant door de hoofdoorzaken van slechte klantervaringen te identificeren. Een goed voorbeeld is het gebruik van klantanalyses om de stem van de klant (VoC) echt te begrijpen. Het analyseert elke afzonderlijke interactie met de klant, of het nu gaat om gesprekken met agenten, evaluaties na een gesprek, enquêtes en andere gegevens over het klanttraject of CRM.
Op deze manier kunnen contactcentra echt gaan doorgronden wat klanten nu willen en zelfs voorspellen wat ze in de toekomst zullen willen. In moeilijke tijden wordt de analyse van klantgegevens een enorme differentiator voor de concurrentie. Als je snel de waarschuwingssignalen kunt oppikken, zoals meerdere verontschuldigingen, escalaties of vermeldingen van toezichthouders, kun je agenten een stap voor blijven. Ze kunnen proactief ontevreden klanten bellen om potentiële problemen in de kiem te smoren.
4. Contactbelasting verminderen
Door gebruik te maken van klantanalyses worden herhaalde contacten of gevallen van klantvraag geïdentificeerd die vermijdbaar zijn en tot onnodige kosten leiden. Goede voorbeelden zijn contacten die worden veroorzaakt door andere afdelingen en die elders in de organisatie kunnen worden afgehandeld of die perfecte kandidaten zijn voor self-service, eenvoudig voor klanten, eenvoudig voor agenten. Met de mogelijkheid om tijdrovende en dure contacten automatisch te herkennen, zijn analyses van klantgegevens een verzachtende remedie voor enkele van de meest voorkomende hoofdpijnpijnen die worden veroorzaakt door lange afhandeltijden, lange wachttijden, onnodige doorschakelingen en stille tijd.
Waarom niet dezelfde tools gebruiken om gebroken en kostbare processen op te lossen en tegelijkertijd altijd volledig compliant te blijven? Worden je nalevingsverklaringen gelezen en kun je contacten met een hoog risico (en met een laag risico) in een oogwenk isoleren? Mijn ervaring met het werken met bestaande klanten is dat het navigeren naar het exacte punt in een interactie de efficiëntie van kwaliteitsborging (QA) en naleving met 30-40% verbetert.
5. Medewerkers in de juiste richting coachen
Wanneer agenten zinvolle kansen krijgen om iets nieuws te leren en een duidelijk gedefinieerd carrièrepad hebben, neemt hun betrokkenheid exponentieel toe. De geavanceerde analyses van vandaag zijn ontworpen om de onbekenden weg te nemen die het moreel, de prestaties en de ontwikkeling van agenten belemmeren. Ze zullen uw contactcentersteam gegarandeerd een superboost geven door een gepersonaliseerd en betekenisvol beeld te geven van hun prestaties, waar ze zich ook bevinden. Bijvoorbeeld, dashboards met analyses geven agenten alle inzicht die ze nodig hebben om hun eigen zelfevaluaties en persoonlijke ontwikkelingsplannen te maken.
Vervang willekeurige controles door gerichte prestatiecoaching door klantanalyses te gebruiken om contacten te selecteren die relevant zijn voor elke medewerker. Je kunt automatisch contactpersonen taggen en deze naar agenten en supervisors pushen voor extra coaching. Onthoud dat wat er achter de schermen gebeurt net zo belangrijk is als wat er in de frontlinie gebeurt. Gebruik desktop- en spraak/tekstanalyses om systemen te identificeren en te verbeteren die traag of slecht ontworpen zijn.
6. Merkintelligentie opbouwen
Laat uw gegevens waarde creëren in het hele bedrijf met realtime inzichten. Terwijl het gebruik van in-the-moment gegevensinzichten de besluitvorming in het contactcentrum bevordert, helpt het ook bij het opbouwen van een solide en samenhangend kader voor zekerheid, trendspotting en actieplanning in de bredere organisatie.
Duik in je gegevens en deel inzichten om iedereen de kans te geven uit te blinken. Krachtige CX-inzichten vanuit het contactcenter kunnen het marketingteam helpen inzicht te krijgen in de merkbekendheid, de invloed van concurrenten en de algehele effectiviteit van hun marketingcampagnes. Financiën zou kunnen profiteren van interactief inzicht in factureringskwesties, terugbetalingen en kredieten. Verkoop kan snel nieuwe kansen identificeren voor verlengingen, doorverwijzingen en cross-sells. Het delen van een deel van de taart die je hebt verkregen uit de analyse van klantgegevens over interacties tussen klant en agent, helpt het hele merk om af te stappen van onwetendheid en giswerk, om meer merkintelligentie en klantloyaliteit op te bouwen.
Een hapje nemen uit Customer Data Analytics
Klanten hebben een lang geheugen en hun verwachtingen stijgen voortdurend. Wat is een beter moment om te ontdekken wat ze echt denken en welke service je echt levert? Hoewel het idee om analyses van klantgegevens te gebruiken net zo ontmoedigend kan lijken als het berekenen van Pi, hoeft dat niet zo te zijn. Analytics kan de stapels klantgegevens die uw contactcentrum verzamelt, doorzeven om het onbekende bekend te maken. Kijk maar eens wat deze drie klanten hebben bereikt met de voordelen van data analytics!
Laten we ons dus geen zorgen maken over de kleinste details van nauwkeurigheid. Laten we ons richten op het verkrijgen van het meest waardevolle inzicht uit onze gegevens. Ik neem een stukje van die taart.
Blijf op de hoogte van alles wat met CX te maken heeft door The CX Lab te bezoeken.
