NPS meet klanttevredenheid door respondenten te vragen of zij een bedrijf, merk of product zouden aanbevelen op basis van hun interacties met het bedrijf. Het is een nuttig instrument om het sentiment van klanten te meten, maar betreft vaak slechts een momentopname. Daarnaast schiet dit meetinstrument te kort als je de informatie op gedetailleerde manier wilt toepassen in de context van een customer journey. Op welke exacte momenten was een klant bijvoorbeeld uiterst tevreden, of wellicht teleurgesteld in de dienstverlening? En wat doe je als er geen specifiek moment is aan te wijzen, zelfs als je de klant daar persoonlijk naar zou vragen? CSI is een methode om klantgedrag gedetailleerder te analyseren en te koppelen aan een persoonsgebonden customer journey.

Integratie en analyse
Het sentiment van klanten is altijd het resultaat van een specifieke serie van interacties met een bedrijf. Om de klant van vandaag echt te kunnen begrijpen, moet er veel gedetailleerder gekeken worden naar zijn gedrag, de volgorde van de interacties en de context. In tegenstelling tot NPS werkt CSI niet op basis van enquêtes, maar op basis van geavanceerde analytics. CSI is gebouwd op Aster Analytics, de analytics-oplossing van Teradata. In theorie kan CSI ook met andere analysetools worden bepaald, maar dan met aanzienlijk meer inspanning. CSI is een samenspel van de tools en datascientists van Teradata, die een zelflerende, dynamische index oplevert. In Aster kunnen data uit meerdere kanalen in één systeem bij elkaar gebracht en geanalyseerd worden door middel van connectors voor diverse systemen. Je kunt hierbij denken aan:
- websites;
- on- en offline retailsystemen;
- klanttransacties;
- netwerkdata van smartphonegebruik;
- diverse andere niet-traditionele databronnen.

Normaliter is het erg complex en arbeidsintensief als je deze gegevens wilt combineren op basis van verschillende tools. Met CSI kunnen deze gegevens zonder grote menselijke of technologische ingrepen bij elkaar gebracht worden. Als iets wat oplevert, zijn er doorgaans ook kosten aan verbonden. De investeringen in een analytische oplossing die gestructureerde en ongestructureerde data kan gebruiken, zullen hoger zijn dan in de klassieke situatie. Aster Analytics is echter ook in de cloud beschikbaar ‘as a service’. De software en zelfs de datascientist kunnen daardoor in een abonnementsvorm afgenomen worden, wat de financiële drempel verlaagt.

Hoe werkt het?
De Customer Satisfaction Index (CSI)-score wordt bepaald door eerst klantevents uit verschillende systemen te integreren en te koppelen aan individuele klanten. Dit identificeert triggers en momenten die bij een negatieve, positieve of neutrale klantervaring horen. Vervolgens gebruikt CSI een combinatie van multigenre analytics en diverse analysemethodes, zoals pad-, patroon-, sentiment- en gedragsclustering. In Aster zijn meer dan 100 standaard analytische functies beschikbaar die een geavanceerd inzicht geven in de klant, inclusief een unieke individuele Customer Satisfaction Index (CSI). Zo ontstaat nauwkeurig zicht op het dagelijks leven van een klant. Door klantgedrag en -tevredenheid op deze manier te analyseren, kunnen de motivaties van promotors en criticasters binnen een klantgroep blootgelegd worden. Bovendien geeft het een realtime en datagedreven inzicht in de belangrijkste elementen waarmee de klanttevredenheid verbeterd kan worden. Een groot voordeel hiervan is dat een organisatie bijvoorbeeld kan ontdekken dat een klant ontevreden is voordat hij op een enquête reageert, wat het traditionele meetinstrument is van de Net Promoter Score (NPS).

Klantrelatie meten
In deze dynamische wereld wil je de klantrelatie continu meten. Een negatieve klantervaring moet tijdig zichtbaar zijn, zodat de relatie daarna weer in goede banen geleid kan worden. Een ontevreden klant kan dan weer tevreden, en wellicht zelfs een promotor, worden. CSI kan het gedrag van klanten en de volgorde van contactmomenten in realtime analyseren op basis van traditionele transactionele data van een Integrated Data Warehouse (denk: rijen en kolommen), maar ook niet-traditionele en opkomende datastructuren (data die niet in rijen en kolommen passen). Deze worden vervolgens getransformeerd naar events en interacties, waarmee de dagelijkse gang van een klant wordt beschreven. Dit is een zelflerend en continu proces, en het fundament van klantsentimentanalyse. Zo ontstaat een dynamisch event- en sentimentgedreven datamodel, dat de basis is van een CSI-score. Met deze informatie kunnen vervolgens de klantprocessen en operationele zaken verbeterd worden, zodat de klant de best mogelijke klantervaring heeft.

User interface en visualisaties
Na een implementatie van CSI en de toepassing van Customer Journey Analytics, kan er met de AppCenter-technologie in het platform ‘scoring’ gebruikt worden, om nieuwe zakelijke doelstellingen te behalen. Dit geldt niet alleen door datawetenschappers maar ook voor business-analisten. Gebruikers kunnen parameters voor specifieke klantevents aanpassen met een gebruiksvriendelijke webgebaseerde user interface. Ze kunnen analyses draaien of inplannen via AppCenter en de resultaten bekijken via verschillende standaard visualisaties. Ook kan er met BI-tools van derden geïntegreerd worden, zoals marketingapplicaties of CRM-systemen, voor nog gedetailleerdere analyse. Zo kunnen er bijvoorbeeld marketingcampagnes of customer support-regels gebouwd worden, gebaseerd op de resultaten  van de analyse.

Analytische methodiek
Het CSI-systeem is multichannel, wat inhoudt dat het ook contactcenternotities, informatie over storingen, en interacties via mobiele apps of sociale netwerken meeneemt. Sociale netwerkanalyse bepaalt bijvoorbeeld ook de influencers van tevreden en ontevreden klanten. Dit schetst een zeer volledig en realtime beeld van de interacties met het bedrijf. Dit kan binnen dagen en soms uren resultaat opleveren en stelt een organisatie in staat direct actie te ondernemen. Sentiment-analyse is ook mogelijk met een suite van analyse-tools voor tekst en voice-to-text data. Deze directe feedback kan helpen om incidenten of ontevredenheid en klantverlies te verlagen. Bedrijven moeten wel op basis van hun eigen doelstellingen bepalen welke data ze relevant vinden voor hun klantprofielen en waar ze op willen sturen. Dit leidt uiteindelijk tot een op maat gemaakte realtime barometer van de klantervaring en tevredenheid: de Customer Satisfaction Index.

Noot: Tobias Temmink, Benelux Technology Officer van Teradata.

* NPS gebaseerd op bedrog