Burgersignalen in beeld tijdens COVID-19

by Maartje Luinenburg

Burgersignalen in beeld tijdens COVID-19

by Maartje Luinenburg

by Maartje Luinenburg

Hoe krijgen gemeenten grip op de nieuwe werkelijkheid en de veranderende digitale feedback?

COVID-19 heeft de werkwijze van veel dienstverleners flink opgeschud, met name de communicatie met de klant. Dat is binnen de overheid niet anders. Sterker nog: de dienstverlening van bijvoorbeeld een gemeente verloopt in één keer volledig via het internet en de telefoon, waar eerder nog veel baliebezoeken plaatsvonden. Het contact met de burger voelt daarmee in een keer als verloren, de baliemedewerker was toch een van de belangrijke voelsprieten met de burgers en wat bij hen leeft.

blank

Het type vragen als gevolg van de corona-epidemie is ook veranderd de afgelopen tijd: natuurlijk worden er (nieuwe) vragen, omtrent COVID-19 zelf, veelvuldig gesteld maar ook vragen over onderwerpen zoals vergunningen, uitkeringen en de diverse ondersteunende maatregelen vanuit de overheid. En hierbij komt de feedback ook op verschillende wijzen tot stand door middel van terugbelnotities, publieksreacties, klachtenformulieren, vraagsuggesties, (e-mail)meldingen en klantfeedback in de vorm van NPS.

Burgerbeleving

Om grip te krijgen op deze verandering is er een sterke behoefte ontstaan om burgersignalen vanuit diverse contactkanalen te kunnen bundelen, eenvoudig inzichtelijk te hebben waar deze (nieuwe) burgersignalen over gaan en te leren waar de gemeente het beter kan doen in haar (digitale) dienstverlening. Dit geldt voor alle onderdelen van de gemeente, waarbij prioritering op basis van deze geuite wensen een volgende stap is in het verbeteren van de burgerbeleving vanuit de gemeente. Voorbeelden hiervan zijn het verbeteren van de informatievoorzieningsbehoefte rondom bepaalde onderwerpen of inzicht in type acties om het sentiment van klanten over de serviceverlening te verbeteren. Met andere woorden, men wil als gemeente graag inzicht krijgen in de belangrijkste onderwerpen die bij burgers spelen en de daarbij behorende acties op specifieke gebieden. Deze zijn vaak gegroepeerd rondom onderstaande gemeentelijke onderwerpen.

Gemeentelijke onderwerpen

  • Bouwen en Verbouwen: alles wat te maken heeft met bouwen, vergunningen, verbouwen
  • Zorg en Ondersteuning: alles wat te maken heeft met WMO (Wet Maatschappelijke Ondersteuning)
  • Parkeren: parkeren blijkt vaak een opzichzelfstaand thema binnen de verschillende bronnen. Hoe staat het met de beschikbaarheid en bereikbaarheid van een parkeerplek? En ervaart men overlast met parkeren/van parkeerders?
  • Veiligheid: veiligheid als overkoepelend speerpunt binnen de gemeente. Hier ligt de focus op veiligheid binnen verschillende gebieden: op straat, in het verkeer, in huis (inbraak). Daarnaast speelt het ‘gevoel’ van de bewoners een rol, in hoeverre voelen zij zich veilig?
  • Vervoer: kunnen burgers zich gemakkelijk verplaatsen binnen de gemeente?
  • Opruimen en Afval: hoe ervaren de bewoners van de gemeente het onderhoud van de omgeving en eventueel bijbehorende overlast omtrent afval?
  • Serviceverlening van de gemeente: hoe is de service van de gemeente ingericht? En hoe ervaren de burgers deze service vervolgens?
  • Wonen/leven: zaken die betrekking hebben op het dagelijks leven van de inwoners van de gemeente. Denk aan leefbaarheid binnen de buurt/gemeente, (financiële) oplossingen voor persoonlijke situaties.

Kansen

De Underlined text mining oplossing voor gemeenten brengt feedback data vanuit verschillende bronnen samen. Alle (ongestructureerde) teksten worden omgezet naar duidelijke categorieën die vaak zijn gelieerd aan de eerdergenoemde onderwerpen. Hiermee worden dus sleuteltermen automatisch geëxtraheerd uit alle feedback teksten zodat de hoofdpunten snel worden geïdentificeerd.
Databronnen kunnen daarbij heel divers zijn, denk bijvoorbeeld aan telefoonnotities, publieksreacties, klachten, vraagsuggesties, meldingen, aanvragen maar ook feedback- en tevredenheidsdata.

blank

Om met de oplossing aan de slag te gaan, kun je de resultaten in een dashboard visualiseren waarmee je zelf KPI’s, inzichten en trends kunt inzien (zoals bovenstaande visualisatie). Je hebt op één hoofdscherm alle signalen direct inzichtelijk, inclusief de (text mining) resultaten. Daarnaast kun je met één druk op de knop verdiepen op een bepaalde databron of text mining categorie. Op deze manier is direct inzichtelijk waar de grootste kansen liggen en waarop actie kan worden ondernomen.

Analytisch model

Op basis van de open teksten worden topics en subtopics toegekend. Op deze manier ontstaat de mogelijkheid om inzicht te verkrijgen uit al deze open teksten. Open teksten die meestal heel waardevol zijn, omdat de klant hier vaak aangeeft waar de gemeente echt op kan verbeteren of juist waar het goed gaat (dit op een ongestuurde manier).

Het analytische model levert de volgende informatie op:

Taxonomie specifiek getraind op alle databronnen binnen de gemeente met een:

  • Hoofdcategorie, eventueel meerdere per regel.
    Bijvoorbeeld: ‘houding en gedrag medewerker’
  • Subcategorie binnen de hoofdcategorie, eventueel meerdere per regel.
    Bijvoorbeeld: ‘empathisch vermogen’
  • Sentimentanalyse per regel

Meer weten?

Interesse om eens vrijblijvend te sparren over wat dit voor uw gemeente kan betekenen? Neem dan contact op met
Marcel van der Marck, Sales & Business Development Director bij Underlined.

E marcel@underlined.nl
T 06 81820953

blank

Geef een reactie

Het e-mailadres wordt niet gepubliceerd. Vereiste velden zijn gemarkeerd met *

Top