Waarom? Omdat ik teveel professionals tegenkom bij wie deze basiskennis ontbreekt met als gevolg dat hun impact binnen de organisatie veel lager is dan hij zou kunnen zijn met deze basiskennis. Waarom? Omdat ieder bedrijf behoefte heeft aan stuurinformatie en de juiste statistiek zorgt dat we het wollige experience fenomeen ook aantrekkelijk maken voor de meer blauwe, cijfer gedreven medemens. Waarom? Omdat iedereen vol zit met 100.000 to do’s en dus moet kunnen prioriteren. Maar hoe prioriteer je CX als je niet hard kunt maken wat de impact is? Genoeg redenen zou ik zeggen, dus let’s go.

Les 1: De één-vraag met open antwoord-trend is riskant
Er is een groot verschil tussen wat klanten denken dat ze belangrijk vinden (rationeel) en wat ze voelen dat belangrijk is (emotioneel). Met de één vraag + open antwoord techniek, krijg je alleen rationele antwoorden. De klant gaat namelijk nadenken waarom ze een 8 NPS score geven. Dus ook al laat je er slimme AI-technieken op los die veel surveytools aangeven te hebben, je bent nog steeds de rationele antwoorden aan het analyseren. Hoe transactioneler en speficieker je vraag, hoe beter je de één vraag + open antwoord techniek kunt gebruiken. Denk aan de customer effort score op een specifieke plek in de app (‘De app maakte het mij makkelijk om mijn factuur in te zien’). Open vraag: kunt u één ding noemen dat het makkelijker had gemaakt? En die kun je prima met AI analyseren.

Hoe emotioneler en breder je vraag, hoe minder je de één vraag + open antwoord techniek kunt gebruiken. Denk aan het meten van de beleving over mijn journey. Daar kom je niet weg met deze techniek, daar moet je echt andere vragenlijsten en slimme statistiek voor gebruiken, zodat je de emotionele, onbewuste drivers boven tafel krijgt.

Les 2: Correlatie is geen causaal verband
Ik verbaas me er dagelijks over hoe weinig er überhaupt van statistiek wordt gebruik gemaakt. Meestal kom ik zogenaamde rechte tellingen tegen (hoe vaak wordt ‘onduidelijke factuur’ gekozen of genoemd als reden). Met dan de aanname: hoe vaker genoemd, hoe meer impact het zal hebben als we dit verbeteren. Om te onthouden dat dit vrijwel nooit het geval is: hoeveel mensen noemen bij een exit gesprek het salaris (veel) en hoe vaak denk je dat het een driver is (nooit)? Salaris wordt pas een issue als andere zaken niet meer voldoen.

Als er dan toch incidenteel enige statistiek wordt toegepast, dan zijn het vaak prioritieten matrices op basis van correlatie. Je kent ze wel: 4 vlakken, score en ‘impact’ (lees: correlatie) en rechtsboven zijn dan de ‘kroonjuwelen’ (hoge score en hoge impact) waarvan het advies is die te behouden en/of daarover te communiceren. Maar… correlatie is geen causaal verband! Het feit dat iets samenhangt wil niet zeggen dat het ook de oorzaak is van een hogere NPS of tevredenheid. Daar heb je andere technieken voor nodig, zoals regressie analyse bijvoorbeeld.

Bovendien deel ik niet de conclusie dat je hoge score en hoge impact moet koesteren. Mijn advies is juist dat je de hoge impact thema’s nog beter moet doen, want dan gaat je NPS of tevredenheid het snelste omhoog! Tenzij je al op een 4.6 of hoger zit op een schaal van 5. Maar zolang je niet op een 4.6 zit op de belangrijkste onderwerpen, is daar de meeste winst te halen.

Les 3: Verklaarde variantie is je beste vriend
Een van de meest waardevolle uitkomsten van een regressie analyse is een percentage dat heet verklaarde variantie. In lekenterm vertelt je dit namelijk iets heel belangrijks. We zijn allemaal klant. Dus we denken allemaal te weten wat onze klanten belangrijk vinden. En daar gaan we lekker uitgebreid over discussiëren intern. Dat vertraagt onze transformatie. Dit percentage is de oplossing. Het vertelt ons namelijk of we – in de ogen van de klant(!) – die thema’s hebben onderzocht die er voor hen toe doen. Dus geen aannames meer, maar je weet nu zeker of je niks belangrijks vergeten bent. De wetenschap vindt 10% verklaarde variantie al top, ik streef altijd naar minimaal 40% en meestal zitten we tussen 50 en 70%. Wat betekent dat je vol aan het stuur zit van het verhogen van je tevredenheid of NPS.

Les 4: Vraag om factor- en regressie analyse
Ik noemde net al regressie analyse, maar pas op, doe niet alleen maar regressie analyse. Ik zal je niet met teveel technische details vermoeien, maar de crux is om eerst een factor analyse te laten doen (die vertelt je welke stellingen uit je vragenlijst wederom in de ogen van de klant (!) bij elkaar horen) en dan een regressie analyse met de gevonden factoren. Bewust schrijf ik ook: vraag om. Ga niet zelf lopen hobbyen (tenzij je deze technieken goed beheerst). Zoek een bureau dat dit voor je kan doen zoals Etil (partij met wie ik al 15 jaar samenwerk om dit soort statistiek te laten draaien). In principe zou ieder onderzoeksbureau dit voor je moeten kunnen doen, het zijn namelijk geen spannende technieken, maar ik ben ze nog niet tegengekomen (en trust me, ik heb heul veul onderzoeken mogen reviewen die organisaties hebben laten doen bij bureaus).

Les 5: Doe een quiz voordat je resultaten deelt
Dit is een van mijn eigen meest waardevolle lessons learnt in afgelopen jaren. Wat gebeurde er namelijk meestal bij het presenteren van de resultaten? ‘Ja, dat is logisch’ of ‘Dat is niks nieuws’. Niet echt lekker als je mensen wilt mobiliseren om te gaan verbeteren. Dus dat moest anders…

Nu doen we iedere keer voordat we de resultaten delen eerst een Kahootquiz van maximaal tien vragen om te toetsen wat ze dénken dat de meeste impact heeft. Dan heeft iedereen zeker 50% van de vragen fout en dat betekent dat ze even echt open staan om te horen wat de analyse zegt. Een ideale mix van fun en energie dus, want quiz en competitie, maar belangrijkste effect van deze interventie is dat je analyses blijvend landen.

'Ik verbaas me er dagelijks over hoe weinig er überhaupt van statistiek gebruik wordt gemaakt'

Tot zover de basics in statistiek die het verschil maken tussen iedereen mobiliseren om te gaan verbeteren met de juiste prioriteiten of hard werken om iedereen te overtuigen dat ze ‘iets’ met CX moeten doen. Even een disclaimer. Het blijf statistiek en statistiek is net als papier geduldig. Maar met deze technieken hebben we keer op keer bewezen dat je in 3 maanden tijd een sterke stijging in tevredenheid realiseert. Je hebt namelijk nu de echte knoppen gevonden die je moet verbeteren. De echte causaliteit bewijs je dus door te gaan verbeteren op de belangrijkste drivers en dan de stijging daadwerkelijk te realiseren bij een volgende meting.

Naast de hierboven beschreven uitgebreidere statistische technieken, zijn er ook een vijftal basale checks die je kunt doen voor waardevolle inzichten. Klaar voor lijstje nummer twee? Ofwel, de vijf metrics waar vrijwel niemand aan denkt.

Metric 1: Doorlooptijd end to end journey
Dit is een van mijn allereerste eureka momenten geweest (in 2007, ja ja, zo oud al) hoe waardevol het gebruiken van de customer journey is als tool om beweging te creëren. Ik werkte bij een verzekeraar en er was een issue met klachten. De operationele directeur vond het niet zo belangrijk, want wat is nou 100 klachten op 100.000 klanten (fake voorbeeld) en alle interne SLA’s stonden op groen. Toen hebben we de journey in kaart gebracht van begin tot eind en wat bleek? Als je al die interne stappen van al die afdelingen bij elkaar optelde, dan duurde deze journey maar liefst 38 werkdagen.

Wat beloofde men aan de telefoon? 10 werkdagen (de klacht was dat het lang duurde). Dit inzicht van de 38 dagen was compleet nieuw voor de operationele afdeling en zo hebben we toch de handen op elkaar gekregen om hiermee aan de slag te gaan. Daar waren we nooit achter gekomen als we vanuit de interne afdelingen en individuele processtappen hadden gekeken. De tip dus: check je totale doorlooptijd van je end-to-end journey naast de losse interne doorlooptijden van ieder stukje in de journey.

Metric 2: First Time Right (nee, dat is niet First Time Fix)
Ooit werkte ik bij een organisatie waar de vraag was: het contactcenter moet goedkoper. Nou ben ik geen contactcenter manager en wil ik liever geen klanten pesten door het telefoonnummer te verstoppen, dus dat wilden we realiseren met betere klantbeleving. Maar… hoeveel potentie zit er eigenlijk? Hoeveel contacten zouden we kunnen voorkomen? Geen idee, laten we het de klanten vragen. Toen hebben we de vraag aan zowel telefonie als emailsurvey toegevoegd: beste klant, hadden we wat u betreft dit contact kunnen voorkomen? Gemiddeld 30% zegt dan zelf: ja! Dat is dus én 30% potentiële reductie én blijere klanten (want die wilden niet hoeven bellen voor deze vraag). Een business case is dan heel snel gemaakt.

Metric 3: Percentage klanten per journey
Op het hoogste niveau kan een organisatie nooit meer dan 8 à 10 journeys definiëren. Denk aan onder meer aanvragen product, gebruiken product of betalen. Daaronder hangen meerdere detailjourneys en dat kunnen er uiteindelijk misschien wel honderd zijn. Waar begin je dan met journey mapping en journey management? Een heel eenvoudig hulpmiddel is om te starten met de vraag: hoeveel procent van onze klanten per jaar doorloopt deze journeys? Start dan met de meest voorkomende journeys.

Ook kun je nog toevoegen: welke journeys veroorzaken het meeste klantcontact? Een belangrijke let op: veel mensen die in de contact center hoek zitten hebben contact tunnelvisie. Ze denken dan: we kunnen prioriteren door te kijken hoeveel calls we per journey krijgen. Klopt, maar let op: dat is geen indicatie over het aantal klanten dat de journey doorloopt! Als een journey namelijk goed gaat, dan hoeven klanten niet te bellen. Dus wees voorzichtig met alleen vanuit contact data kijken, kijk ook gewoon naar operationele / IT data hoe vaak iets voorkomt.

Metric 4: Percentage klanten per kanaal
Een vergelijkbaar risico loop je als je teveel kijkt naar het aantal contacten in het contactcenter in plaats van het aantal klanten. Wil je namelijk gevoel krijgen bij de impact van je kanaal op de totale (merk-)beleving, dan heb je niet het aantal contacten nodig, maar het aantal klanten! Stel dat blijkt dat 20% van je klanten jaarlijks met je belt, dan betekent dit dat je voor 80% van mijn totale beleving of NPS andere dingen moet beïnvloeden en dat je met een fantastische klantenservice nooit meer dan 20% kan beïnvloeden.

Metric 5: De beste 80/20 checks
We kunnen dit artikel natuurlijk niet eindigen zonder die lekkere Pareto-regel (80/20). Een paar varianten die we vaak gebruiken:

• Is 20% van mijn klanten verantwoordelijk voor 80% van mijn contacten?
• Is 20% van mijn klanten verantwoordelijk voor 80% van mijn omzet?
• Raakt 20% van mijn journeys 80% van mijn klanten?

En tijdens een journey workshop is een van onze belangrijkste mantra’s om niet te verzanden in tig uitzonderingen: komt deze situatie voor bij 20% of 80% van de klanten? Werkt altijd heel goed, tot groot plezier ook van de deelnemers.

Ik hoop dat dit artikel een aantal inzichten gaf die helpen om nog meer businessimpact te maken met customer experience!

Zanna van der Aa

• Lees dit én andere artikelen in CustomerFirst nummer 04 - 2023
• Dit artikel verscheen eerder op MarketingFacts (zustertitel van CustomerFirst)