Met data-analyse naar een betere klantenservice en toch kosten besparen

“Op dit moment zijn al onze medewerkers in gesprek. Blijft u aan de lijn, u wordt zo spoedig mogelijk geholpen.” Iedereen die wel eens belt met een klantenserviceafdeling kent deze tekst en het ontevreden gevoel dat dit oproept. Ontevreden klanten in een markt waarin een goede klantenservice cruciaal is om klanten vast te houden is geen goede zaak. Bovendien duiden lange wachttijden op (kosten)inefficiëntie. Een belangrijke oplossing voor dit probleem zit in een drietrapsaanpak waarmee organisaties data-analyse kunnen toepassen om de operationele kosten van klantenservice te laten dalen en tegelijkertijd klanttevredenheid te laten stijgen.

Traditionele callcenters veranderen steeds meer in contactcenters waar telefonisch klantcontact naast e-mail, social media en chat bestaat. Hierbij komt dat b2c-interactie steeds meer digitaal wordt geregistreerd en opgeslagen als data. In feite kan ieder klantcontact zo bijdragen aan een beter inzicht in de werking van het contactcenter.

Vooral professionele klantenserviceomgevingen met hoge volumes, grootschalige operationele uitgaven die voor een groot deel uit personeelskosten bestaan en complexe businessprocessen kunnen hun voordeel doen met het verlagen van kosten en het verbeteren van de klantervaring.

Ongebruikt potentieel

Organisaties kunnen hun klantervaring verbeteren en hun kosten verlagen door hun operationele planning effectiever en intelligenter te maken. Maar er is nog aanzienlijk veel meer ongebruikt potentieel in wat ik evidence-based verbetering van klantenserviceoperaties noem. Het gaat hier onder meer om data-analyses om vraag (aantal ontvangen klantvragen) en aanbod (aantal contactcentermedewerkers, vaardigheden, capaciteit van systemen) van customer serviceorganisaties op elkaar af te stemmen. Hiermee kunnen grote voordelen worden behaald, want klanten staan dan minder in de wacht, krijgen sneller de juiste klantenservicemedewerker met het juiste kennisniveau aan de lijn en operationele kosten zullen aanzienlijk dalen.

Er zijn drie verschillende niveaus te onderscheiden bij het toepassen van data-analyse in het verbeteren van de klantenserviceorganisatie.

1. Optimale organisatorische basis

Het eerste niveau zorgt ervoor dat de organisatie beschikt over een aantal basiseigenschappen die noodzakelijk zijn voor het juist en tijdig afhandelen van klantvragen. Hier gaat het bijvoorbeeld om het waarborgen van heldere communicatie tussen afdelingen. Het investeren in het optimaliseren van de routering van telefoonverkeer heeft bijvoorbeeld geen zin als afdelingen niet samenwerken en geen informatie delen.

Verder is een flexibel personeelsbestand nodig om op veranderende situaties te kunnen reageren en wordt de klantervaring grotendeels bepaald door de kwaliteit van medewerkers. Met data-analyse is het mogelijk om de optimale verhouding en aantallen van klantenservicemedewerkers met bepaalde specifieke skills te bepalen. Een contactcenter is een rijke bron van data, maar om hier je voordeel mee te doen moet je weten hoe je data verzamelt, organiseert en gebruikt.

2. De operationele planningscyclus in balans brengen

Het tweede niveau van de drietraps-aanpak draait om het gebruiken van operationele data binnen een klantenserviceorganisatie om de prestaties van die organisatie te begrijpen en te verbeteren. De operationele planning van resources in omgevingen met een onzekere vraag kan worden gedaan in vijf stappen. De eerste stap is het juist voorspellen van het aantal klantcontacten per contacttype binnen een bepaald tijdvak. Op het gebied van voorspellende modellen en het automatiseren van processen is vaak nog veel verbeterpotentieel.

Na een juiste voorspelling is de tweede stap het bepalen en reserveren van de benodigde personeelscapaciteit per tijdvlak. Om hierin verbeteringen te kunnen doorvoeren moet gekeken worden naar het toewijzen van personeel aan de verschillende taken, de invloed van het capaciteitsreserveringsproces op de flexibiliteit van de organisatie en de afspraken met outsourcing partners.

De derde stap is het juist inplannen van de werktijden van medewerkers zonder over- of ondercapaciteit en conform alle regels van de organisatie. Het vaststellen van dit schema komt in feite neer op het oplossen van een complexe wiskundige vergelijking. Hiervoor zijn verschillende systemen beschikbaar. Het is echter essentieel om voldoende kennis in huis te hebben van de achterliggende werking om de output ervan te kunnen beoordelen.

Traffic management is de vierde stap in de operationele planningscyclus. Dit zorgt ervoor dat door slimme routering de geplande en ingeroosterde personeelscapaciteit efficiënt wordt ingezet en aansluit bij het aantal contactmomenten per dag. Hier zie je veelal verbeterpotentieel op het gebied van systeemconfiguratie, een meer proactief en intelligenter traffic managementproces met behulp van data-analyse en een optimale verdeling van de traffic-stromen in geval van meerdere (externe) contactcentra.

De vijfde stap op niveau twee is het analyseren van de prestaties, het vaststellen van oorzaken van prestatieafwijkingen en het voortdurend doorvoeren van verbeteringen. Ook al heeft een organisatie een rapportagesysteem of procesverbeteringsprogramma, dan kunnen met data-analyse toch vaak diepgaandere resultaten worden bereikt.

Potentiële kostenbesparingen

Elke stap in de operationele planningscyclus heeft per definitie altijd wel een bepaalde afwijking van het optimum. Nog belangrijker dan het bereiken van een optimum van één specifieke stap is het bereiken van een gezonde balans tussen elk van de verschillende stappen. De keten is tenslotte zo sterk als de zwakste schakel. De uitdaging is om de verschillende stappen in de operationele planning te meten en in balans te krijgen, dat wil zeggen zorgen voor de beste prestaties met zo weinig mogelijk fouten in elke stap. Het effectief managen van deze cyclus leidt tot een beter gebruik van human resources in een contact center en dat leidt weer tot tevreden klanten en aanzienlijke kostenbesparingen. Potentiële kostenbesparingen van 5% tot 10% van het totale operationele budget zijn niet ongebruikelijk.

3. Optimaliseren van prestaties door het gebruik van data-analyse

De derde en laatste fase in de drietraps-aanpak focust op toepassen van meer geavanceerde data-analyse tools en technieken om de prestaties verder te optimaliseren. Dit kan lastig zijn, omdat statistieken niet beschikbaar zijn of omdat een organisatie verdere verbeteringen niet nodig vindt. Toch geeft deze laatste stap nieuwe waardevolle inzichten.

Simulaties en voorspellende modellen met gebruik van datamining zijn twee voorbeelden van statistische technieken die van grote waarde kunnen zijn in contactcenteromgevingen. Want als managers een goed begrip hebben van wat invloed heeft op het serviceniveau, zullen zij ook real-time inzicht hebben in efficiency.

Simulaties en voorspellende modellen

Datamining kan de oplossing zijn om te ontdekken welke factoren, naast contactvolume en personeelscapaciteit, de fluctuaties in serviceniveau beïnvloeden. Om statistische modellen en datamining effectief toe te passen is diepgaande statistische expertise nodig.

Als gevolg van het steeds complexer worden van contactcenters is de tijd die nodig is om analytische modellen te berekenen aanzienlijk toegenomen. In dit geval kan het gebruik van smart approximations gebaseerd op simulaties een uitkomst bieden. Om betrouwbare uitkomsten te krijgen moeten simulaties en analytische modellen gecombineerd worden. Verder kunnen deze technieken eenmalig worden toegepast voor een enkele verbetering, maar kunnen ze ook onderdeel worden van de processen van een organisatie zodat voortdurende verbetering kan worden gerealiseerd.

Verbeterpotentieel

De volwassenheid, grootte en complexiteit van een organisatie wat betreft klantenserviceactiviteiten bepaalt op welk van de drie niveaus kan worden begonnen met verbeteringen. Dit alles door gebruik te maken van informatie die al in de organisatie beschikbaar is. De ervaring leert echter dat in organisaties vaak al op het eerste niveau aanzienlijke mogelijkheden voor verbetering liggen.

Dit artikel is gebaseerd op het onderzoek Great customer service at minimum cost van PwC. Dit rapport kan je hier gratis downloaden.