Overslaan naar belangrijkste inhoud

3 min read

Besluitvorming veranderen met realtime analyses

Betere beslissingen nemen met realtime analyses

Laatst gewijzigd 3 september 2020

Als je manager bij een klantenservice bent, weet je vast hoeveel problematische klantgesprekken per week op niets uitlopen omdat je agenten geen goed inzicht hebben in het sentiment van de klant of het traject dat de klant al heeft afgelegd. Geen van je klanten wil het gevoel krijgen dat ze slechts een bron van inkomsten zijn, een van velen. In het tijdperk van hyperpersonalisatie verwachten ze een vorm van betrokkenheid die is afgestemd op hun achtergrond, voorkeuren, context en intentie.

Je bent niet alleen: in de huidige snel veranderende situatie moeten bedrijven wendbaar en flexibeler zijn dan ooit om de gepersonaliseerde CRM-ervaringen te kunnen blijven leveren die klanten verwachten. Het bijhouden van snel veranderende verwachtingen van klanten was al een uitdaging in een omgeving waarin ongeveer de helft van de klanten in het Verenigd Koninkrijk zei dat ze na slechts één slechte ervaring naar een concurrent zouden overstappen. In het geval van meer dan één slechte ervaring, zou dat aantal sterk stijgen: tot maar liefst 80%. De onzekerheid die door de pandemie is ontstaan, maakt het alleen nog maar erger.

Patronen en trends ontdekken en gedrag begrijpen

Het is geen wonder dat CRM-managers zich baseren op actuele en historische gegevens als objectieve basis om het succes van hun inspanningen te meten, en om patronen, trends en gedrag te identificeren, met als doel om te begrijpen waar verbeteringen kunnen worden doorgevoerd. Integratie van analyses in CRM-systemen maakt dat deze systemen klanten simpelweg beter begrijpen. Managers kunnen zo datagestuurde beslissingen nemen, ongeacht de omvang van het bedrijf of de sector. Analyses en vergelijkingen per kanaal kunnen een eenduidig beeld van de klant geven, waardoor klantenserviceteams inzicht krijgen in het traject van de klant, zijn kanaalvoorkeuren en relevante accountgegevens. Met al deze inzichten kunnen de teams vervolgens de klantervaring personaliseren.

"CRM-analyses zijn het proces van het vastleggen en verwerken van klantgegevens die zich in je CRM-database bevinden, om nuttige inzichten in klanten te ontdekken en te visualiseren zodat je daarop gericht actie kunt ondernemen en je activiteiten kunt optimaliseren."

Voor klantenservicedoeleinden wordt meestal gebruikgemaakt van CSAT (klanttevredenheid) en NPS™ (Net Promoter Score™). Mogelijke andere factoren zijn: de tijd tot de eerste reactie (hoe lang het duurde tot een agent op de eindgebruiker reageerde), de tijd tot de volledige oplossing (hoe lang het duurde tot het ticket als opgelost werd gesloten) en de snelheid van one-touch oplossingen (het percentage tickets dat met een enkele handeling werd opgelost).

Realtime inzichten omzetten in acties

Het nadeel van analyseren van metrics na een klantinteractie is dat het te laat is om in te grijpen in problematische gesprekken. Daarom zijn voorspellende en real-time analyses zo handig. Dankzij de nieuwste ontwikkelingen op het gebied van kunstmatige intelligentie en moderne CRM-systemen kun je je data nu inzetten om klanttevredenheid naar een nieuw niveau te tillen en langdurige relaties te stimuleren.

Voorspellende analyses maken gebruik van patronen in je historische en transactionele gegevens om te anticiperen op wat er in de toekomst zal gebeuren. Het doel hiervan is om acties voor te stellen zodat een zo optimaal mogelijk resultaat wordt behaald, waardoor je team je klanten kan helpen terwijl ze nog met elkaar in gesprek zijn. In de praktijk ziet dit er vaak uit als een live feed van alle noodzakelijke en belangrijke informatie op je dashboard, of is het een algemeen bericht dat naar alle supportagenten wordt verzonden zodat ze kunnen zien waar ze hun tijd het beste aan kunnen besteden.

Met realtime analyses krijg je beter inzicht in hoe een gesprek verloopt, terwijl je nog contact hebt met de klant. Door gesprekken met meer contextinformatie te voeren, houd je beter de vinger aan de pols van de relatie en beschikt de supportmedewerker direct over feedback op de acties die ze uitvoeren omdat prognoses in realtime worden bijgewerkt. Zo kun je zelf bepalen welke actie het beste ondernomen kan worden om een positief resultaat te bereiken en de kans op een verkeerd resultaat te verkleinen. Prognoses stimuleren klantbehoud, de levensduurwaarde van klanten en kan ook een kans bieden om salesconversies te verbeteren en upsell-kansen te identificeren.

Intern kun je met analyses processen en het klanttraject optimaliseren. Door pieken in het aantal gesprekken te visualiseren, kunnen managers van supportcenters de distributie van tickets beïnvloeden op basis van een score voor voorspelling van de tevredenheid en kunnen ze interacties met een hoog risico naar meer ervaren agenten of agenten met specialistische kennis routeren. Ze kunnen ingrijpen om een betere klantervaring te leveren en hun klantenservice efficiënter maken. Met een vollediger, realtime begrip van het gedrag van de klant kunnen agenten problemen sneller en met grotere tevredenheid oplossen. Ze kunnen problemen een halt toeroepen nog voordat deze zich aandienen, bijvoorbeeld door voorrang te geven aan tickets met een lager score voor de voorspelling van de tevredenheid.

Dit loont zeker ook voor de klant, die een bevredigende, gepersonaliseerde oplossing krijgt waarbij sprake is van een holistische kijk op hun relatie met het merk.

De meest succesvolle bedrijven laten het daar niet bij. Ze hebben van een datagestuurde benadering een tweede natuur gemaakt en maken systematisch gebruik van waardevolle inzichten, ook buiten het supportcentrum. Ze gebruiken de feedback van klanten om specifieke, door gegevens onderbouwde verbeteringen door te voeren in productfuncties of het ontwerp van een dienst. Door je data intern toegankelijk te maken voor iedereen die ze binnen je organisatie nodig heeft, versterk je de samenwerking binnen de gehele organisatie. Met een beter begrip van de soorten klanten profiteer je waarschijnlijk optimaal van elke investering die je doet. Je kunt ook de betrouwbaarheid van je winstanalyse verhogen of betere beslissingen nemen omtrent welke projecten en innovaties de moeite waard zijn. Zo kunnen bedrijven hun marketing- en salesinspanningen beter toewijzen aan de meest waardevolle segmenten, waardoor hun ROI in de loop van de tijd wordt geoptimaliseerd. De overgang naar realtime analyses is tegenwoordig onmisbaar voor een moderne supportstrategie om maximale bedrijfswaarde uit een CRM-systeem te halen. Maar verwacht niet dat het tempo afneemt. Zaken zoals realtime spraakanalyse zijn op dit moment misschien nog een nieuwe discipline, maar deze technologie ontwikkelt zich snel en wordt gaandeweg breed in omnichannel-strategieën van flexibele bedrijven geïntegreerd.

Verwante verhalen

Artikel
1 min read

Service Level Agreement: bekijk de SLA-oplossingen

In klantenservice is SLA, oftewel Service Level Agreement, een veelgebruikte term. Maar wat houdt deze term…

Artikel
1 min read

Zendesk-onderzoek: klantenanalyse

Diepgravende analyses van klantenservicegegevens betalen zich terug: bedrijven die meer vertrouwen op analyserapporten presteren beter dan bedrijven die dat niet doen

Artikel
1 min read

Vier aanbevolen werkwijzen voor de implementatie van optimale selfservice voor klanten

Klanten worden steeds autonomer en willen hun zaken zelf afhandelen.

Artikel
8 min read

Top 18 klantenservicestatistieken om te meten

Van klanttevredenheid tot oplossingsduur, dit zijn de belangrijkste klantenservicestatistieken die prestaties meten en omzet verhogen.