Dark data, de missing link in Customer Experience

Dark data, de missing link in Customer Experience

Volgens IBM bestaat ongeveer 90 procent van alle aanwezige data bij organisaties uit Dark Data. Deze dark data bevat een schat aan informatie die gebruikt kan worden om de customer experience te verbeteren. Door de grote vooruitgang die tekstanalyse-software de laatste jaren heeft geboekt, is het moment aangebroken om dark data in het licht te brengen en de geheimen die het bevat te ontsluieren.

Dark data doet een beetje denken aan het mysterieuze dark matter uit de natuurkunde. Misschien niet helemaal toevallig, want waar het grootste gedeelte van het universum uit dark matter bestaat, bestaat het grootste gedeelte van alle data van een organisatie uit dark data. Het is net als dark matter uit het zicht onttrokken en kan dan ook niet worden gebruikt voor meer inzicht of voor het onderbouwen van beslissingen. 

Wat is dark data?

Gartner definieert Dark Data als de informatie die door organisaties wordt verzameld, verwerkt en opgeslagen gedurende de werkzaamheden, maar die in het algemeen niet voor andere doelstellingen wordt gebruikt, zoals voor het verbeteren van de bedrijfsprestaties. Veel data wordt bewaard als een soort van borgstelling: voortkomend uit de behoefte een soort van zekerheid te creëren waarop we terug kunnen vallen, in het geval er bewezen moet worden dat iets in het verleden is gebeurd.

Specifieke gevallen die als dark data aangemerkt kunnen worden variëren per bedrijf, maar elk van onderstaande kan onder deze brede term vallen:

  • Klantinformatie
  • Account-informatie
  • Video/audio-files
  • Informatie over (oud-)werknemers
  • Financiële verslagen
  • Ruwe onderzoeksdata
  • E-mail-correspondentie
  • Oude versies van relevante documenten

Een oorzaak dat dark data niet wordt gebruikt, is dat het ongestructureerde data betreft die door computers voorheen moeilijk te analyseren was. Tekst is een voorbeeld van ongestructureerde data en beslaat het grootste deel van dark data. Door de vooruitgang die de afgelopen jaren is geboekt in het verwerken van data, Natural Language Processing (NLP) en Machine Learning, is het analyseren van tekst binnen het bereik van iedere organisatie gekomen,

Customer experience: het strijdtoneel van de komende jaren

Volgens Gartner is customer experience (CX) het nieuwe marketing strijdtoneel. In de '2017 Gartner Customer Experience in Marketing Survey' geeft meer dan tweederde van de verantwoordelijke marketeers aan dat hun bedrijven voornamelijk op customer experience concurreren. Over twee jaar verwacht 81 procent voornamelijk of in zijn geheel op CX te concurreren. Dit betekent bijvoorbeeld dat bedrijven die voor groei hebben gericht op het ontwikkelen van nieuwe functies of specificaties en productinnovatie, nu toekomst zien om zich te gaan onderscheiden op CX.

"Het goud om de customer experience te verbeteren, ligt verborgen in grote hoeveelheden tekst"

Onderzoek van IBM laat zien dat slechts 1 procent van de aanwezige data wordt geanalyseerd. Wat zou het voor de kwaliteit van de customer experience betekenen wanneer beslissingen om de CX te verbeteren niet op analyse van 1 procent van de beschikbare data zijn gebaseerd, maar op 70 a 80 procent?

Tekstanalyse biedt markteers de mogelijkheid om een groot gedeelte van hun data uit de dark te halen en in het licht te brengen. Om de informatie over hoe klanten zich voelen, hoe ze de dienstverlening hebben beleefd, wat ze belangrijk vinden, waar ze blij over zijn en wat ze verdrietig maakt, te gebruiken om daadwerkelijk de customer experience te verbeteren.

Tekstanalyse

Tekstanalyse is het geautomatiseerd analyseren van tekst. Tekstanalyse zet ongestructureerde tekst om in gestructureerde management informatie. Tekstanalyse is weer een verzamelnaam van een aantal verschillende analyses of onderdelen. Niet alle onderdelen van tekstanalyse zijn voor de marketeer even relevant. Hieronder geef ik een toelichting op die onderdelen van tekstanalyse die marketeers kunnen gebruiken bij het verbeteren van de klantbeleving.

Inzicht door categoriseren

Bij categoriseren wordt tekst automatisch in categorieën ingedeeld. Je bepaalt zelf welke categorieën voor jouw van belang zijn. Je kunt klantenfeedback automatisch categoriseren naar bijvoorbeeld touchpoints, bedrijfsprocessen, producteigenschappen, et cetera.

Categoriseren naar touchpoints

Veel organisaties vragen tegenwoordig hun klanten middels een korte vragenlijst feedback te geven op een product of dienstverlening. Met behulp van categoriseren deel je klantenfeedback automatisch naar touchpoints in, bijvoorbeeld naar:

  1. oriënteren
  2. productaanbod
  3. informatievoorziening
  4. prijs/kwaliteit
  5. bestellen
  6. afrekenen
  7. levering
  8. retourneren

Het is sowieso makkelijk om alle feedback netjes gecategoriseerd te hebben. Hierdoor hoef je niet meer door een enorme hoeveelheid tekst te worstelen om te kijken wat er bijvoorbeeld over het touchpoint 'bestellen' wordt gezegd. Maar de grootste kracht van categoriseren ligt toch in de combinatie met sentimentanalyse. Door het sentiment voor iedere touchpoint te bepalen, kun je precies zien op welke touchpoints je goed scoort en welke verbeterd moeten worden.

"Zoals de ketting zo sterk is als de zwakste schakel, zo is de customer experience zo goed als het zwakste touchpoint"

Topic-identificatie

Met behulp van topic-identificatie stel je vast welke onderwerpen klanten belangrijk vinden. Topics zijn vaak zelfstandige naamwoorden als service, personeel, wachttijden, et cetera.

Door de frequentie van de topics in kaart te brengen kun je deze in de tabel of grafiek filteren waarbij je de topics met de hoogste frequentie bovenaan plaatst. Dit geeft al een goede indicatie welke topics klanten belangrijk vinden.

Topic-identificatie gecombineerd met sentimentanalyse geeft een gedetailleerd beeld welke topics klanten waarderen en wat verbeterd moet worden. Om de customer experience te verbeteren ligt het voor de hand om te beginnen met de topics die je klanten belangrijk vinden maar waarop het sentiment negatief is

Sentiment-analyse

Een onmisbaar onderdeel van tekstanalyse is sentiment-analyse. Deze vorm van analyse bepaalt of een tekst negatief of positief is, waarbij geavanceerde modellen niet alleen de sentimentwaarde voor de gehele tekst bepalen maar ook voor de topics of onderwerpen in de tekst.

Klantbeleving verbeteren met dark data 

De komende jaren zullen bedrijven nog meer gaan concurreren op klantbeleving. In dark data ligt een schat aan ongebruikte data die kan worden gebruikt om een beter inzicht in de wensen en eisen van klanten te krijgen. Tekstanalyse zet deze dark data om in actionable insights die je kunt gebruiken om een superieure klantbeleving te realiseren.


Delen

0
0


Er zijn 2 reacties op dit artikel

  • Arno, dank voor dit artikel en de uitleg over o.a. tekstanalyse. Mag ik vragen naar de bron van IBM (90% van alle aanwezig data bestaat uit dark data)? Voor mijn bachelorscriptie buig ik mij over dit onderwerp, vandaar mijn interesse.

    Groeten,
    Jarco
    .(JavaScript moet ingeschakeld zijn om dit e-mail adres te bekijken)

    geplaatst op
  • Hoi Jarco,
    Er staan hierover verschillende artikelen/blogs op het internet, bijvoorbeeld:
    https://www-03.ibm.com/press/us/en/pressrelease/46453.wss
    https://www.ibm.com/developerworks/library/ba-data-becomes-knowledge-3/index.html

    Succes met je scriptie!

    geplaatst op

Plaats zelf een reactie

Log in zodat je (in het vervolg) nóg sneller kunt reageren

Vul jouw naam in.
Vul jouw e-mailadres in. Vul een geldig e-mailadres in.
Vul jouw reactie in.

Herhaal de tekens die je ziet in de afbeelding hieronder


Let op: je reactie blijft voor altijd staan. We verwijderen deze dus later niet als je op zoek bent naar een nieuwe werkgever (of schoonmoeder). Reacties die beledigend zijn of zelfpromotioneel daarentegen, verwijderen we maar al te graag. Door te reageren ga je akkoord met onze voorwaarden.