NPS voorspel model

by Max Werkhoven

NPS voorspel model

by Max Werkhoven

by Max Werkhoven

Veel marketing strategieën van bedrijven zijn gericht op het tevreden maken van klanten. Door deze ontwikkelingen kreeg ik bijna een jaar geleden de vraag van Underlined om voor mijn masterthesis een model te maken dat de klanttevredenheidsscore (NPS) kan voorspellen.

Waarom

In de literatuur zijn onderzoeken naar  de NPS erg geliefd. In de onderzoeken naar de NPS kan er worden gezocht naar factoren (drivers) die een effect hebben op de NPS. Als de drivers van de NPS kunnen worden. Als de drivers van de NPS kunnen worden geïdentificeerd, wordt er veel informatie over de klanten gewonnen. Zo kan worden ingezien welke factoren verklaren dat een klant zich negatief over een bedrijf uitlaat. Met deze informatie kan een bedrijf inzien waar een klant in de klantreis allemaal tegen aan loopt zodat er hier oplossingen voor gevonden kunnen worden.  Om de drivers te identificeren, kan een voorspelmodel gebruikt worden. Daarnaast kun je met een voorspelmodel  van de NPS voorspellen welke klanten daadwerkelijk negatief en positief over het bedrijf zijn. Dit zou ook uit een tevredenheidsonderzoek kunnen blijken, maar daar is de respons vaak gering.customer attention

Onderzoek

Met de dataset van een grote financiële dienstverlener  kon mijn onderzoek gestart worden. Na het prepareren van de dataset, kon de data gebruikt worden voor mijn onderzoek. Het voornaamste doel is nu om te achterhalen welke factoren een effect hebben op de tevredenheid van de klanten. Uit de geleverde data, waren er een hoop mogelijke drivers waarvan nu een selectie gemaakt moest worden, zodat de belangrijkste drivers van de NPS kunnen worden achterhaald. Met behulp van enkele simpele regressie technieken werd bepaald welke van de beschikbare variabelen uit de data een effect hadden op de tevredenheid van de klant. Uit deze geschikte variabelen, werd er een tweede selectie toegepast door de belangrijkste drivers te ranken. Deze methode is toegepast om duidelijk te maken welke factoren een belangrijke rol spelen in de tevredenheid van de klanten. Hierin zag je dat enkele klantkenmerken interessant waren, bijvoorbeeld leeftijd en de woonplaats van de klant. Andere interessante contact kenmerken met invloed op de NPS waren bijvoorbeeld de hoeveelheid contacten die er plaats vonden, of het onderwerp van het contact.

Naast de interessante bevindingen van het eerste gedeelte, was er ook nog een vraag over de voorspelbaarheid van de NPS. Met hetzelfde model dat gemaakt is om de drivers te achterhalen, kon nu de NPS ook worden voorspeld. Hierin werd het beste model geselecteerd met daarin de belangrijkste drivers die al ontdekt waren. Aangezien de tevredenheidsscores op een schaal van 0 tot 10 worden gegeven, was het lastig om de exacte score van een klant te bepalen. Uit het voorspel model bleek wel dat er aangetoond kan worden welke klanten negatief en welke klanten positief zijn over het bedrijf.

Resultaten

Door een indicatie te geven welke klanten een grote kans hebben om negatief of positief over het bedrijf te zijn, kan een keuze worden gemaakt hoe deze klanten benaderd worden. Met het gevonden model kan nu worden aangetoond welke klanten negatiever of positiever zijn dan een gemiddelde klantDaarnaast zijn er ook drivers gevonden die effect hebben op de tevredenheid van een klant. Met deze informatie kan een bedrijf beslissen welke acties het wil ondernemen om ervoor te zorgen dat klanten zo tevreden mogelijk zijn.

Wellicht ook interessant

Geef een reactie

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

Top