Verminder je online klantverloop met text-analytics

Als online marketeer kun je zoveel feedback verzamelen als je wil, maar ondertussen toch belangrijke inzichten missen om echt de online klantbeleving te verbeteren. Het achterhalen van deze inzichten vraagt om een grondige aanpak wanneer je grotere hoeveelheden feedback verzamelt. Je kunt natuurlijk alle feedback één voor één bekijken, maar dat gaat je veel tijd en handwerk kosten. Hoe haal je inzichten uit duizenden open commentaren?

Terwijl je dit artikel leest, verzamel je wellicht al kwalitatieve feedback via je website of mobiele app. Met andere woorden: je hebt alles wat je nodig hebt om je online klanten tevreden te houden al in handen, toch? Helaas is dit niet altijd het geval…

Zodra je begint met het verzamelen van feedback en hogere volumes binnen krijgt, zul je merken dat het structureren en organiseren van feedback-data steeds belangrijker wordt. Zo ook de manier waarop je online klantverloop (ook bekend als churn) aan kunt pakken op basis van die feedback. Dat kan nog best een uitdaging zijn.

In dit artikel beantwoorden we drie vragen over hoe je tekst-analytics in kunt zetten om online klantverloop tegen te gaan:

1. Wat houdt text-analytics in?
2. Welke technieken bestaan er?
3. Hoe kun je deze technieken toepassen om online klantverloop te reduceren?

1. Wat houdt text-analytics in?

Er zijn binnen de wereld van digitale marketing verschillende tools om tekst te analyseren. Zeker op het gebied van socialmedia-monitoring zijn er tools die er gebruik van maken. Ook binnen klantfeedback kan text-analytics voordelen bieden. Met textanalytics-software kun je gemakkelijk grote hoeveelheden tekst analyseren. Of het nu gaat om tekstdata vanuit een contactcenter, social media of feedback die je via de website verzamelt.

In relatie tot klantfeedback ben je met text-analytics snel in staat om te achterhalen welke onderwerpen en sentimenten er spelen bij de klant. Met dit soort kwalitatieve analyses kun je achterhalen hoe je de online klantreis kunt verbeteren.

Maar hoe gaat dat in z’n werk? Het inzetten van text-analytics technologie kan je helpen met allerlei zaken:

• Je kunt snel belangrijkste redenen vaststellen van ontevredenheid bij klanten. In open commentaren maken klanten vaak duidelijk waar ze wel of niet tevreden over zijn en waarom.
• Je kunt achter issues komen die normaal gesproken bij cijfermatige analyses nooit naar boven waren gekomen.
• Je kunt erachter komen bij welke klachten of problemen je de prioriteit moet leggen omdat je beter weet bij hoeveel klanten het voorkomt.
• Je kunt sneller leren van de ideeën en suggesties van klanten.

Textanalytics-technologie helpt je luisteren naar de stem van de klant.

2. Welke technieken bestaan er?

Woordfrequentie

Dit is de meest simpele vorm van tekstanalyse, waarbij veel voorkomende woorden geteld worden.

Woordgroepen

Vaak geeft een groep van woorden meer inzicht dan één enkel woord. Je kunt met text-analytics inzicht krijgen in veel voorkomende woordgroepen. Als voorbeeld: de woorden ‘kosten’, ‘duur’ en ‘maandelijks’ komen vaak samen voor in de open commentaren. Nu je deze woorden bij elkaar ziet, krijg je dus het vermoeden dat er veel klanten zijn die de maandelijkse kosten van jouw product of dienst te duur vinden. Aanleiding voor nader onderzoek!

Sentimentanalyses

Met voorgaande technieken kun je achterhalen welke woorden het meest voorkomen en met welke andere woorden ze vaak gecombineerd worden. Het geeft nog geen indicatie in welke context je klanten die woorden gebruiken en of het leidt tot bijvoorbeeld irritatie of frustratie. Simpel gezegd: is de feedback positief, negatief of neutraal? Je krijgt met automatische sentimentanalyses op hoofdlijnen inzicht in het sentiment achter de onderwerpen die veel voorkomen in de feedback en of veel voorkomende woorden in positieve of juiste negatieve context worden gebruikt.

Categoriseren van commentaren

Met het gebruik van technieken als machine learning kun je automatisch open commentaren laten groeperen op basis van de onderwerpen waar ze betrekking op hebben. Als dit proces goed is ingericht, kun je dus automatisch zien wat de meest voorkomende onderwerpen binnen je feedback zijn. Het systeem herkent veel voorkomende onderwerpen en groepeert op basis daarvan de open commentaren.

Om het proces te versoepelen, kan de gebruiker in het systeem zien en aangeven of de reacties op de juiste manier zijn ingedeeld. Dit automatische systeem leert continu van de terugkoppeling van de gebruikers (dus of het systeem de commentaren goed of fout heeft ingedeeld), waardoor het categoriseren steeds beter verloopt naarmate de tijd vordert.

3. Hoe kun je deze technieken toepassen om online klantverloop te reduceren?

Nu we een begrip hebben van de basisprincipes van text-analytics, is het tijd om ons te verdiepen in hoe we deze tools kunnen gebruiken om online klantverloop tegen te gaan.

Mijn advies? Blijf vasthouden aan de drie pilaren van je online klantfeedback programma, namelijk: het verzamelen van de juiste feedback op de juiste plek, het analyseren van de data en het omzetten van inzichten naar concrete actiepunten.

Verzamel de data op de juiste plekken

Bij het verminderen van online churn is het van cruciaal belang om feedback te verzamelen op knelpunten in de online klantreis. Meestal zijn dit de plekken waar je wil dat klanten converteren of een belangrijke taak kunnen vervullen (voor verzekeraars bijvoorbeeld het moment dat ze een claim indienen, voor een telco bijvoorbeeld het moment dat je je abonnement wil verlengen of veranderen).

Stel dus eerst vast welke plekken jouw klanten belangrijk vinden en op welke gebieden binnen de klantreis jij wil uitblinken ten opzichte van de concurrentie. Breng dus eerst de plekken in kaart waar je mogelijk de meest relevante feedback kunt verzamelen.

Text-analytics inzetten om data te analyseren

Zodra de feedback binnen stroomt – en het om flinke aantallen gaat – is het uiteraard belangrijk om inzichten te halen uit de data. Zoals eerder gezegd, is een goede analyse noodzakelijk om de drijfveren van het klantverloop te achterhalen. Waarom haken mensen af? Waarom bereiken ze hun online doel niet? Waarom stappen ze over naar de concurrent?

Gelukkig is al deze essentiële informatie opgeslagen in de open commentaren die je hebt verzameld. De uitdaging is om de inzichten boven water te krijgen, en er ook daadwerkelijk wat mee doen.

Een aantal redenen die wij in feedback van onze klanten vaak tegenkomen zijn:

• Non-responsive websites
• Slechte klantenservice
• Nieuwe producten/diensten bij de concurrent
• De prijs van het product of de dienst
• Slechte sitenavigatie

Hoe weet je of je klanten deze problemen echt ervaren?

Maar hoe kun je weten of jouw klanten deze problemen ook daadwerkelijk ervaren? Je kunt de commentaren één voor één nalopen, maar dat is een tijdrovende klus, en bovendien is het een doorlopend en dynamisch proces. De feedback blijft binnenkomen en de website verandert continu op basis van de aanpassingen die je doorvoert. Het inzetten van text-analytics is daarom een geschikte toepassing.

Welke woordgroepen komen het meest voor?

Om te beginnen wil je natuurlijk weten welke woordgroepen het meest voorkomen. Je kunt kijken naar welke woorden veel gebruikt zijn, maar op die manier ga je niet de diepte in. Met het gebruik van woordtellingen in combinatie met sentimentanalyse kun je in je analyses al sneller bepaalde trends signaleren.

Een voorbeeld: je merkt dat het woord ‘inloggen’ regelmatig in een negatieve context voorkomt. In eerste instantie denk je dat er iets misgaat met het login-proces. Maar met een analyse op woordgroepen komen de woorden ‘e-mail’, ‘link’ en ‘wachtwoord’ samen vaak voor. Dit kan betekenen dat de verificatielink in de e-mail voor het resetten van je wachtwoord bij de login niet goed werkt. Wanneer je inzoomt op de bijbehorende commentaren, blijkt dat veel van het negatieve sentiment veroorzaakt wordt door een technische error binnen het e-mailregistratiesysteem.

Dit is een ideale manier om individuele problemen op te lossen. Maar het is natuurlijk wel de bedoeling dat je de veranderingen op een breder vlak doortrekt. Het is belangrijk om te weten welke problemen en gevoelens regelmatig voorkomen. Dus, wat nu? Hoe kun je inspelen op deze inzichten?

Onderneem actie en overtref verwachtingen

In de toenemende digitale wereld zien we drastische veranderingen in de manier waarop klanten en bedrijven interacteren. Klanten hebben hogere verwachtingen en krijgen steeds meer en betere alternatieven. Als het niet lukt een product te bestellen op een site, heb je het waarschijnlijk binnen vijf minuten ergens gekocht. Consumenten willen alleen op hun eigen voorwaarden zaken met je doen. Daarom moeten we meer dan ooit ons best doen om verwachtingen van de klant zowel off- als online te overtreffen.

Er zijn ontzettend veel manieren om als online marketeer klantverloop tegen te gaan met een slimme inzet van online klantfeedback. Bepaal dus niet alleen hoe je een feedback-form in wil zetten op je site, maar weet als organisatie hoe je met die input omgaat en vervolgens actie onderneemt. Je kunt klantverloop alleen tegengaan als je samen met je collega’s het probleem bij de kern aanpakt en de klant daarvan op de hoogte houdt.