In klantinteractie management is kennis en begrip van de klant essentieel. Inzicht in het ‘waarom’, is daarbij belangrijker dan kennis over het ‘wat’. Predictive analytics geeft dit inzicht en kan op allerlei manieren bijdragen aan het succes van organisaties. Een overzicht van ‘wat’, ‘hoe’ en ‘hoeveel’.

Resultaten
De succesverhalen zijn talrijk. Telecommaatschappijen slagen erin churnpercentages van ca. 20% te reduceren tot 2%, vliegtuigmaatschappijen krijgen inzicht in de relaties tussen vluchtpatronen en segmenten en weten de klantwaarde aanzienlijk te verhogen, verzekeraars leren retentie te bevorderen en klantwaarde te verhogen etc.

Predictive analytics
In het algemeen worden klantgegevens verzameld en geanalyseerd om een beeld te krijgen van ontwikkelingen die geweest zijn, die zich de afgelopen maanden of jaren hebben voorgedaan. Analyses van churn percentages, klanttevredenheid, cross sell en upsell resultaten, conversies e.d. beperken zich te vaak tot het geven van inzicht in de status quo. De inzichten worden hooguit verdiept door koppelingen aan klantprofielen, segmenten e.d. Dit geeft dan inzicht in de ernst van de situatie of de omvang van een succes. En dat is het dan. Het is de vraag of men op deze wijze inzicht heeft in het ‘waarom’, of men het echt begrijpt.

De volgende stappen ontbreken te vaak: begrijpen waarom ontwikkelingen zich hebben voorgedaan. Acties definiëren om op de ontwikkelingen in te spelen. Meten of de acties succesvol zijn of niet. Begrijpen waarom acties al dan niet succesvol zijn. Bijsturen, meten, begrijpen etc. Een continue leercurve of loop.

Kwantitatieve en kwalitatieve gegevens
Naast de in grote aantallen aanwezige ‘harde’ klantgegevens, vergt het begrijpen van klanten ook de analyse van ‘zachte’, meer kwalitatieve gegevens. Gegevens over attitude, voorkeuren voor kanalen, meningen over customer service, feedback op acties e.d. worden in predictive analytics gecombineerd met gegevens uit de customer base.

Waarom zijn de meest waardevolle klanten meer online gaan afnemen? Komt dit doordat er geen verzendkosten in rekening zijn gebracht? Zijn deze klanten op het laatste moment tijdens actieperiodes gaan kopen of aan het begin van een actie? Welke producten kunnen aan hen voor cross of upsell worden aangeboden. Welk kanaal leent zich daar het beste voor? Wat is de beste tijd voor een dergelijk aanbod? Het zijn dit soort vragen waarop met predictive analytics een antwoord wordt gevonden.

Business goals en lange termijn
Maak doelstellingen concreet. Definieer de vijf belangrijkste customer based business goals en druk deze uit in waarde, in euros, zoals ‘een toename in cross sell van 15%’, ‘een toename in omzet in het topsegment van 20%’, ‘reduceren van klantdefectie overall met 10%’, ‘10% meer nieuwe klanten’ etc.

Voor succesvol toepassen van predictive analytics is sponsorship binnen de organisatie essentieel. Daarbij moet tevens naar de langere termijn worden gekeken. Marketing, sales, services zullen nauw moeten samenwerken en gezamenlijk de leercurve realiseren.


Bron:
‘Turning Customer Interactions Into Money’, White Paper, Peppers & Rogers Group, SPSS, 2008