Uw klant is niet boos, uw klant is teleurgesteld!

by Inger

Uw klant is niet boos, uw klant is teleurgesteld!

by Inger

by Inger

Wanneer je als bedrijf via social media 24/7 en 365 dagen per jaar grote hoeveelheden klantfeedback op je afgevuurd krijgt, is het van cruciaal belang om de input te prioriteren en juist te interpreteren. Hierbij speelt sentimentsanalyse ten onrechte een grote rol, waardoor de werkelijke emotionele lading van berichten vaak onderbelicht blijft. Terwijl juist de emotie de intentie achter het bericht blootlegt en om een specifieke reactie vraagt: een ongeduldige klant vraagt om een andere respons dan een ongeruste klant. Op het moment dat u de emotie van een bericht kunt herkennen, bent u beter in staat om de dialoog met klanten aan te gaan. Dit is de key succesfactor tijdens cruciale momenten zoals een grote storing.

Emotie herkennen als verdieping op sentiment

Uw klant is niet boos, uw klant is teleurgesteldAnalyse van socialmediaberichten bestaat uit drie lagen: gedrag, sentiment en emotie. Vaak wordt naar de bovenste laag gekeken: het online gedrag van klant. Dit wordt via engagement gemeten: het aantal reacties, likes of retweets. De verdieping hierop wordt vaak via sentiment gemeten, waarbij een onderscheid gemaakt wordt tussen positieve, negatieve en neutrale berichten. Deze driedeling negeert de verschillende emoties die hieraan ten grondslag liggen. Onder negatief sentiment vallen bijvoorbeeld zowel ongeruste en ongeduldige berichten. Terwijl dit twee totaal verschillende emoties zijn die om een heel andere reactie vragen. Door emoties te onderkennen kan de verdieping op sentiment gemaakt worden. De onderliggende emotie is echter een stuk lastiger inzichtelijk te maken. Terwijl dit heel belangrijk is, want we weten dat 95% van ons gedrag onbewust wordt bepaald door emoties. Dus op het moment dat u de emoties van uw klant begrijpt, bent u in staat om met meer impact te communiceren met deze klant.

Met een merkbelevingsmonitor real time de klantemotie meten en verbeteren

De afgelopen maanden heeft Underlined – in samenwerking met Tilburg University – een geautomatiseerde methode ontwikkeld waarmee emoties in socialmediaberichten herkend worden. De methode detecteert basisemoties (blijheid, verdriet, verrassing, angst, boosheid en afkeer) die geuit worden in de socialmediaberichten. Hierbij wordt rekening gehouden met de manier waarop socialmediaberichten zijn opgebouwd, zoals het gebruik van smiley’s en kanaalspecifieke aspecten zoals de functie van hashtags op Twitter.

Ongeruste en ongeduldige berichten vallen beide onder het negatieve sentiment, maar het zijn twee heel verschillende emoties die om een andere reactie vragen.

Deze methode is verwerkt in de Underlined merkbelevingsmonitor. Met de merkbelevingsmonitor kunt u real time klantemotie analyseren en monitoren. Op het moment dat je de juiste inzichten weet te destilleren uit de stroom aan informatie kun je direct reageren en ben je in staat om een persoonlijk dialoog te starten met je klanten. Er zijn momenten waarop adequate communicatie met grote groepen klanten extra belangrijk is. Tijdens een grote technische storing is het bijvoorbeeld van belang om op de juiste manier te reageren op negatieve reacties. Immers, zoals eerder gezegd, op een klant die ongeduld uit reageer je anders dan op een klant die ongerust is. Een incident is vaak niet te voorkomen, maar de schade is door middel van effectieve communicatie (en compensatie) wel te beperken.

Eind vorig jaar had een groot bedrijf in de telecomsector te kampen met een storing. Vanaf het moment dat klanten last kregen van de storing, kwamen er veel emotioneel geladen berichten binnen op social media. In de beginfase zag je vooral angst terug op social media door het onverwachte aspect van de situatie waar klanten mee werden geconfronteerd. Klanten wilden weten wat er aan de hand was en wat de prognose was van de duur van de storing. In de eerste uren was er ook blijdschap te vinden bij trouwe klanten die met humor reageerden. Zij zagen het positieve in van de storing en verheugden zich op een bordspelletje. Naarmate de storing langer duurde, kwamen er boze berichten binnen: klanten vonden dat ze onvoldoende op de hoogte werden gehouden van de status. Na de storing werd klanten een vergoeding aangeboden en wat bleek: veel klanten waren ontevreden omdat ze de vergoeding niet in verhouding vonden met de geleden schade en reageerden daardoor negatief. [1]

Grafiek 1: Aantal boze en angstige Facebookcontent na een storing (incl. negatief sentiment)
In grafiek 1 ziet u het aantal boze en angstige berichten tot 36 uur na de storing, ten opzichte van neutrale berichten. Boosheid neemt toe naarmate de storing langer duurt, angst heeft de tegenovergestelde tendens: klanten hebben een gelaten eerste reactie en gaan zich na 12 uur de impact beseffen van de storing en schrikken. Door de emoties boosheid en angst te onderscheiden zie je dat beide emoties niet onder één noemer te vangen zijn, maar uitgesplitst moeten worden zodat op elke emotie specifieke actie kan worden ondernomen. Wanneer u naar het gemiddelde negatieve sentiment van beide emoties kijkt (grijze stippellijn) dan wegen de emoties van angst en boosheid tegen elkaar op en had u misschien zelfs gemist dat er wel degelijk emotie gedeeld wordt in de berichten. Bovendien weet u niet op welke onderliggende emotie u specifiek in moet spelen. Emotieanalyse geeft u het inzicht om direct met de boosheid aan de slag te gaan, terwijl de angst pas later beteugeld hoeft te worden.

Door een splitsing te maken tussen de verschillende socialmediakanalen ben je in staat om een kanaal-specifieke strategie te bepalen.

Een ander aspect van klantemotie is de uitsplitsing naar socialmediakanalen. In grafiek 2 ziet u het aantal boze berichten, opgesplitst tussen Facebook en Twitter. Opnieuw ziet u dat opsplitsing tussen de kanalen een uitvergroting laat zien van de gemiddelde lijn die te zien zijn wanneer we de kanalen combineren. De grafiek laat zien dat Twitter een kanaal is dat de actualiteit volgt en waar u direct boos geladen berichten terugziet. Facebook volgt wat later en hier is na 24-36 uren zelfs een tweede piek van boosheid terug te zien. Ook bij deze splitsing geldt dat emotieherkenning ervoor zorgt dat we de extremen van beide kanalen terugzien, in plaats van een afgevlakte gemiddelde.

Grafiek 2: Content met boze emotie op Facebook en Twitter
Bovenstaande voorbeelden laten zien dat (het monitoren van) emotieanalyse u in staat stelt om de klant beter te begrijpen en adequater de dialoog met klanten aan te gaan. Iets wat doorlopend van belang is voor een goede klantrelatie, maar tijdens incidenten van cruciaal belang is.

Wat te doen om de emoties van de klant in goede banen te leiden?

Uit onze ervaringen met de merkbelevingsmonitor, komt een aantal algemene tips naar voren die u kunnen helpen bij uw strategie in geval van incidenten. De top vijf:

1. Sluit aan bij de klanten die met humor reageren

In het begin van de storing is er bij sommige klanten blijdschap te vinden in berichten op social media: zij kunnen het incident relativeren en buigen het om naar een kans (“Wat leuk, een ouderwetse spelletjesavond!”). Door – op het moment dat zich een incident voordoet – de klant direct te informeren kunt u bij deze emotie aansluiten. Als een incident langer duurt dan gecommuniceerd, kan dit op ten duur boze reacties opleveren. Transparante communicatie vanaf het begin is belangrijk om de boze reacties te minimaliseren.

2. Voorkom verrassing en angst met regelmatige updates

In de beginfase zijn klanten zowel verrast als angstig, omdat er zich een onverwachte en plotse verandering voordoet. Op het moment dat er regelmatig updates verschijnen over de storing, worden er veel minder verraste emoties geuit. Pas de content aan aan de opzet en doelgroepen van de verschillende kanalen. Op Twitter zien we de angst sneller terug dan op Facebook. Twitter leent zich uitstekend voor een korte en bondige eerste update, gevolgd door een uitgebreidere update op Facebook.

3. Verminder boosheid door gesprekken tussen klanten in de gaten te houden

Twitter is het kanaal waar klanten negatieve emoties – zoals teleurstelling en boosheid uiten. Boosheid komt vanaf het begin naar voren, teleurstelling op het moment dat de storing langer duurt. Deze emoties worden niet alleen richting bedrijven, maar ook in reactie naar angstige klanten geuit. Luister naar deze klanten door u empathisch op te stellen, toon begrip voor de emotie en veer hierin mee.

4. Relativeer berichten waarin afkeer tentoongespreid wordt

Direct na een storing uiten klanten hun afkeer. Niet alleen over de storing, maar ook merkgebonden. Dit wil zeggen dat afkeer geen emotie is die plots op komt zetten, maar het resultaat is van een langer durend gevoel. Dat is in het geval van een storing lastig te controleren en het beste advies is dan ook om diep adem te halen en deze berichten naast u neer te leggen.

5. Een vergoeding kan zorgen voor een positieve afsluitende emotie

Een vergoeding kan zorgen voor een positieve emotie aan het einde van het traject (zogenaamde peak end ervaring), mits de klant het gevoel heeft dat dit in verhouding staat met de storing.

Auteur: Milou Keijzers

 

[1] De analyse is gebaseerd op 54.403 social media berichten

Wellicht ook interessant

Geef een reactie

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

Top