Story mining geeft fascinerende kleuren aan customer journeys

  4 minuten

Zoals de TomTom routes, spitsuur en vertraging weergeeft, zo toont process mining welke routes er bij klantreizen populair zijn. Waar loopt het klantverkeer vast en welke sluiproutes worden er gebruikt. Omdat process mining bovendien gebaseerd is op 100% van de data, is een customer journey map een uitstekend hulpmiddel om het gesprek aan te gaan over optimalisatie van de klantreis.

Net als bij TomTom wil je weten waarom die een opstopping er is. Met story mining kun je dieper kijken door er extra informatie aan toe te voegen. Hoe werkt dat? Laat text mining los op digitale communicatie (e-mails, chats en telefoongesprekken). Zo ontstaat een customer journey met een innovatieve, rijke context: sentiment, emoties, gespreksonderwerpen en motivaties. Deze data kan worden gebruikt om klanttevredenheid vast te stellen zonder er expliciet naar te vragen.

Text en process mining kleuren de routes van de customer story

Eerst bouwen we met process mining een plattegrond van het proces. Vervolgens voegen we die samen met de output van text mining. Dat biedt allerlei nieuwe mogelijkheden. In deze blog een voorbeeld waarbij de visualisatie van het proces verrijkt wordt met sentiment, topic en motivatie.  We gebruiken kleuren voor allerlei onderdelen van de customer journey map, zodat het ‘waarom’ zichtbaar wordt.

sentiment

Figuur 1: De klanten kleuren we afhankelijk van het sentiment

Figuur (1) laat zien hoe zinvol het is om de visualisatie in te kleuren met sentiment. Een positief sentiment kleurt het balletje groen, een negatief sentiment kleurt het balletje geel. Het balletje kan verkleuren na het passeren van een bepaald klantcontact: zo wordt in één oogopslag zichtbaar waar in de klantreis ergernis en blijdschap ontstaat. Sentiment analyse is een indicator voor de “overall” klantbeleving.

In dit voorbeeld is meteen te zien hoe belangrijk klantenservice is voor deze customer journey: zij buigen negatief sentiment (geel) om naar positief (groen).

 

verbeterde processtappen

Figuur 2: Klantcontacten tonen welke processtappen verbetert kunnen worden

We kunnen processtappen ook een kleur geven. Kleuren die afhangen van de kenmerkende topics voor dat moment in de klantreis (zie figuur 2). Misschien veranderen die in de loop van de dag of het seizoen? Komen ze bij geplande of juist bij onverwachte klantcontacten tevoorschijn? Is er sprake van variatie tussen de teams? Geldt dit voor een specifieke doelgroep? Ook die informatie is met text mining te identificeren. En het verband tussen topics, sentiment en proces wordt inzichtelijk wanneer cases en klantcontacten elkaar raken.

Gekleurde routes tonen de beste wegen

motivation mining

Figuur 3: De klanten kleuren we afhankelijk van de motivatie

Routes worden ingevuld met motivatie mapping. Motivatie is de bereidheid tot handelen om datgene te bereiken dat je belangrijk vindt. Hoewel motivaties enigszins verborgen zijn, worden ze goed in kaart gebracht via gedrag en taalgebruik. Ze gelden als sterke gedragsvoorspellers.

Een voorbeeld: uit tekstanalyse blijkt dat de klant het contact met de klantenservice als nogal hiërarchisch beoordeeld. Dan kleurt de route blauw. In het voorbeeld van figuur 3 is dat de juiste aanpak, want de cases kleuren groen. Hier hebben klanten behoefte aan een organisatie die de leiding neemt. Blijft de kleur geel, dan zou die hiërarchische opstelling weleens de reden kunnen zijn dat klanten afhaken. Wie wil, kan ook emoties toevoegen.

De routes laten zien hoe er gecommuniceerd wordt: groen geeft een welwillende houding aan, paars wijst op defensieve houding en blauw een wat hiërarchische houding.

Motivaties, emoties en gedragsvoorspelling

Story mining is met name geschikt voor langdurig klantcontact en voor customer journeys van (semi-)overheid. Daar is sturing op sentiment, emotie en impulsgedrag minder gewenst.

Gedragsvoorspelling is waardevolle informatie voor de customer journey manager. De combinatie van text + process mining geeft inzicht in waar, wanneer en hoe interventie in het customer journey proces noodzakelijk is. De plattegrond van de reizen die klanten afleggen, is een afdruk van klantgedrag in het verleden. Gedrag in het verleden is een sterke voorspeller van gedrag in de toekomst, met name op groepsniveau. text mining kan de voorspelling versterken met de reden van contact (de onderwerpen die spelen), indicaties voor impulsgedrag (sentiment) én weten waar de klant voor staat (diens motivatie en emotie).

Ontwikkeling van ‘mining’ graaft dieper

Text mining maakt een sterke ontwikkeling door en biedt steeds weer nieuwe mogelijkheden. Anderzijds blijkt geautomatiseerde tekstanalyse taaie materie. Er is nog veel te doen. Zo blijken verschillende mensen dezelfde tekst anders te interpreteren, afhankelijk van hun perspectief. Aan story mining wordt dus nog hard gewerkt. Aangezien Nederlands slechts een klein taalgebied is, is de kennis waar we op voort kunnen borduren relatief beperkt.

Story mining kan effectief zijn om meningen, opinies, emoties en motivaties te koppelen aan gebeurtenissen. Hiervoor is het wel nodig dat we de kracht van visualisatie inzetten. De dikte en de kleur van blokjes, pijlen en eventueel bewegende bolletjes kunnen op basis van aanvullende data gekleurd worden. De technische mogelijkheden hiervoor ontwikkelen zich snel.  Afgelopen jaar droeg ook O&I bij aan die ontwikkeling in samenwerking met consortium The Data Tales. Zo worden we steeds beter in gedragsvoorspelling en blijft data mining opnieuw een fascinerende tool waarmee we customer journeys steeds beter kunnen laten verlopen.

Sturen op motivatie van de burger biedt kansen voor de overheid

Ook beleidsmakers kunnen met (process + text) mining gebruiken om keuzearchitectuur in te zetten voor betere customer journeys. Het WRR rapport: “Weten is nog geen doen, een realistisch perspectief op redzaamheid” vraagt van beleidsmakers om de redzaamheid van burgers te versterken door slimmer en realistischer ontwerp van beleid.

Gekleurde customer journeys zijn bij uitstek geschikt het doenvermogen van burgers in kaart te brengen. De process map visualiseert keuzearchitectuur; text mining voegt daar emotionele en cognitieve informatie aan toe. Procesvisualisatie laat dan zien hoe keuze architectuur en doenvermogen met elkaar samenhangen. Figuur 3 geeft een eenvoudig voorbeeld. Neem bijvoorbeeld de paarse pijl – symbool voor defensief gedrag  – die laat zien dat juist defensieve clienten contact opnemen met klantenservice. Een beleidsmaker zal zich afvragen of dit al dan niet de bedoeling is, ook al omdat het hier om bijna de helft van de cases gaat. Je zou vermoeden dat de website hier het doenvermogen te hoog inschat.

Cases die van kleur veranderen zijn een signaal voor de beleidsmaker om te onderzoeken hoe de uitvoering van het beleid aansluit bij de belevingswereld van de burger of juist weerstand oproept. Het kan een aanwijzing zijn dat er meer gevraagd wordt dan de burger aan kan.

De process map laat soms een wirwar van customer journeys zien. Die brengt wel de verscheidenheid aan gevolgde paden in kaart met elk klantcontact, elke keuze en met de mogelijkheid in te zoomen op keuzes en doelgroepen. De onderwerpen die dan spelen worden inzichtelijk door de klantcontacten te koppelen aan topics die van invloed blijken te zijn op de keuzes, bijvoorbeeld: scheiding, faillissement, verhuizing of ontslag. Door kleuring te geven aan die klantcontacten kan een beleidsmaker die onderwerpen meteen koppelen aan keuzearchitectuur.

Wat burgers werkelijk beweegt tijdens de customer journey is te zien aan de kleur van de routes. Bij recent onderzoek naar motivaties in customer journeys bij een overheidsinstantie bleek dat de motivatie voor burgers die contact opnamen vooral gedreven te worden door onzekerheid, woede en een sterke wil om tot een oplossing te komen. De verwachte calculerende burger bleek de uitzondering te zijn.

 

Links:

Onderzoeksconsortium: www.thedatatales.org

Het WRR rapport “Weten is nog geen doen, een realistisch perspectief op redzaamheid”

New call-to-action

Deel dit artikel