Databronnen en kanalen als input van journey mining

by Theo

Databronnen en kanalen als input van journey mining

by Theo

by Theo

De komende maanden zal er een serie artikelen verschijnen met als onderwerp ‘customer journey mining’, kort gezegd ‘journey mining’. De onderwerpen die de komende tijd behandeld zullen worden zijn:

    1. Inleiding in journey mining
    2. Databronnen en kanalen als input van journey mining
    3. Verschillende benaderingen: bottom-up of top-down
    4. De rol van tekst mining
    5. Visualiseren van journey mining uitkomsten
    6. Gerelateerde KPI’s en measures
    7. Implementatie van journey mining (uitkomsten) in de organisatie

Dit artikel gaat over onderwerp 2: Databronnen en kanalen als input van journey mining

Elke databron vertelt zijn eigen verhaal en gezamenlijk schetsen zij het complete beeld van de klant. Om de journey van de klant succesvol inzichtelijk te maken, is het belangrijk om alle bronnen op de juiste manier samen te voegen. Het ‘gatheren’ van data vormt het startpunt bij het in kaart brengen van de customer journeys: het verzamelen en samenvoegen van databronnen als voorbereiding op mining technieken en analyses. Underlined heeft hiervoor de ‘gathering module’ ontwikkeld die geautomatiseerd de verschillende bronnen harmoniseert tot één overzicht. Hieronder gaan we in op de aspecten van databronnen en geven we aan waar je rekening mee moet houden bij de ‘gathering’.

1.1 De rol van de auteur

Data wordt op verschillende wijzen in de systemen ingevoerd. Medewerkers van bijvoorbeeld callcenters zullen heel divers loggen, vaak doorspekt van jargon. Zeker bij getrainde medewerkers die een vast proces of script volgen ontstaat er toch een duidelijke structuur die zeer behulpzaam kan zijn voor het reconstrueren van de customer journey. Nog meer gestructureerd is data dat ‘gelogd’ is door systemen en interfaces. Daar ligt dan ook de uitdaging om uit de technisch brij die informatie te destilleren die de functionele waarde voor de customer journey bevat. Tevens kan deze datastroom ook leiden tot dubbeltellingen. Denk hierbij bijvoorbeeld aan een emailsysteem wat bepaalde data doorgeeft aan het CRM-systeem. Tenslotte kan de klant natuurlijk ook informatie zelf genereren; door bijvoorbeeld emails te sturen, te chatten met een medewerkers en het gebruiken van social media voor contact met bedrijven. Hier speelt taalgebruik een grote rol. Deze is vanuit de klant nog meer divers dan van eigen medewerkers en bevat logischerwijs geen termen die binnen het bedrijf gebruikt wordt. De klant heeft het bijvoorbeeld over tandarts en beugels, het bedrijfsjargon is mondzorg. Het is van belang om deze verschillen mee te nemen bij het minen van de data om alle waardevolle informatie uit de data te halen.

1.2 De rol van het kanaal

Naast de rol van de auteur heeft elke bron zijn of haar karakteristieken en een rol binnen de customer journey. De basis is veelal het CRM-systeem waar de klantcontacten in zijn vastgelegd, maar vaak ontbreken in het CRM systeem de online kanalen omdat bedrijven deze data zowel organisatorisch als technisch veelal apart hebben ondergebracht of de koppeling naar de klant ontbreekt. Dit laatste speelt helemaal bij social media kanalen. Een goede omnichannelvisie op het gebied van data is hier een essentiële beginstap. Elk contact tussen klant en bedrijf draagt bij aan de klantbeleving en wil je in daarom kaart brengen.

Aanvullend hierop (en een heel andere soort type data), maar onontbeerlijk in de customer journey, is de data uit back-officesystemen. Veelal data die ontstaat in workflows op basis van interne triggers of aanvragen vanuit de klant zelf. Deze data raakt vaak niet direct de klant (geen klantcontactdata), maar kan wel boven water halen dat een klant in een proces van het kastje naar de muur wordt gestuurd of tussen wal en schip terecht is gekomen.

Tenslotte kun je activiteiten of episodes in de customer journey nog aanvullen met gerichte onderzoeksdata, indien bestaande bronnen geen informatie hierover kunnen leveren. Het voordeel hiervan is dat je gericht bepaalde informatie kan uitvragen, het nadeel is dat dit geen bedrijfseigen bron is wat het gebruik ervan in customer journey kan bemoeilijken. Dit is tevens een kostbare vorm van dataverzameling, terwijl veel waardevolle informatie al uit bedrijfseigen data kan worden gehaald, zeker om een begin te maken met customer journey mining.

1.3 De rol van het klantcontactdoel

Een derde aspect is het contactdoel. Dit speelt met name bij online databronnen (zoals web, Mijn Omgeving of app). Is de klant enkel naar zoekende naar informatie, bijvoorbeeld voor achtergrondinformatie, verdieping of oriëntatie? Is de klant bezig met een gerichte actie zoals het wijzigen van gegevens of indienen van een declaratie? Of geeft de klant feedback op een voorgaande gebeurtenis? Dit onderscheid is essentieel voor het bepalen waar de klant mee bezig is, de klant te begrijpen en gerichte verbeteracties door te voeren.

Elk van deze doelen heeft namelijk in de customer journey een eigen functie. Het aanvragen van een bankrekeningnummer initieert allerlei processen en heeft een duidelijk pad. Terwijl het bellen naar de klantenservice met de vraag ‘wat er komt kijken bij het openen van een bankrekening’ dit niet heeft, maar deze als het vervolgens wel doet bij zijn of haar customer journey behoort.

1.4 De rol van achtergrondvariabelen

In de voorgaande paragrafen lag de focus op transactionele data die is vastgelegd om zodoende de customer journey te kunnen reconstrueren, maar daarnaast is er ook een ander soort data die in de gathering verzameld wordt; achtergrondvariabelen. Hieronder vallen klantkenmerken als persoonlijke informatie, klantrelatie en productbezit. Ook demografische informatie en productinformatie zijn interessant. Deze spelen een met name een rol bij het verklaren van verschillen in routes en beleving. Ook kan deze informatie een rol spelen in modellen die gebouwd worden op de customer journey-data zoals impact- en voorspelmodellen.

Het grote verschil met transactionele data is dat de data niet een bepaald punt (event) in de tijd behelst, maar eerder een stand met een geldigheidsperiode (van moment A tot moment B woonde klant X op postcode 1234). Het is dus zaak om hier de juiste foto’s te verzamelen, wanneer de gegevens gekoppeld gaan worden aan transactionele data.

1.5 Doel gathering module

In dit blog hebben we vanuit verschillende invalshoeken laten zien waar je rekening mee moet houden bij het in kaart brengen van verschillende databronnen. Het doel van de gathering stap is het bij elkaar brengen van alle databronnen die informatie bevatten over de customer journey van de klant en deze te harmoniseren waardoor ze allemaal in hetzelfde format staan en vergelijkbare informatie bevatten. Hierbij is het van belang om rekening te houden met verschillende aspecten zoals: de auteur, het kanaal, doel van het contact. Daarnaast is het belang van toevoegen van additionele klantvariabelen voor duiding. Dit alles met als doel de customer journey zo volledig mogelijk te kunnen reconstrueren en voorzien van context. Na afronding van de gathering-stap breng je per klant in beeld wat de reis is die de klant heeft doorlopen. Dit als voorbereiding op de volgende stap: connecting. Daar ga je door middel van mining technieken (o.a. journey mining en tekst mining) de data verrijken om klantpaden vanuit verschillende invalshoeken naar boven te brengen. In het volgende blog gaan we in op een onderdeel van de connecting module: customer journey mining.

Wellicht ook interessant

Geef een reactie

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

Top