{"id":11896,"date":"2023-12-12T18:46:18","date_gmt":"2023-12-12T16:46:18","guid":{"rendered":"https:\/\/dev-wordpress-773c1583f26e.hyperlane.co\/geen-onderdeel-van-een-categorie\/4-tips-bij-data-analyse-voor-customer-experience\/"},"modified":"2025-12-21T22:33:10","modified_gmt":"2025-12-21T20:33:10","slug":"4-tips-bij-data-analyse-voor-customer-experience","status":"publish","type":"post","link":"https:\/\/thom.eu\/nl\/resources\/article\/4-tips-in-data-analysis-for-customer-experience\/","title":{"rendered":"4 tips bij data analyse voor customer experience"},"content":{"rendered":"\n
\n
\n \n\n\n
\n

We zien in de praktijk veel organisaties die met customer experience analyse worstelen. Daarom hebben we hierbij 4 tips hoe je de veelvoorkomende valkuilen ontwijkt.<\/p>\n\n<\/div>\n <\/div>\n<\/section>\n\n\n\n \n

\n
\n
\n
\n \n \n <\/svg>\n\n \n\n

\n \u200d1. Een uur hypotheses formuleren scheelt een dag analysewerk\n<\/h3>\n <\/div>\n \n \n\n\n
\n

\u200d<\/strong>Als je het datateam vraagt om \u2018alle relevante data voor het verbeteren van de klantreis\u2019, is het datateam langer (van hun kostbare tijd) bezig om een vaak onvolledige dataset te verzamelen. Ook de analist is niet geholpen met de opdracht \u2018maak even wat slimme analyses\u2019 en heeft dus richting nodig. Om de juiste data te verzamelen in de organisatie en focus aan te brengen in je analyse is het belangrijk vooraf met een multidisciplinair team (met kennis van de klantreis) scherpe hypotheses te formuleren. De tijd die je daarin investeert, verdien je dubbel en dwars terug.<\/p>\n\n<\/div>\n <\/div>\n <\/div>\n<\/section>\n\n\n\n \n

\n
\n
\n
\n \n \n <\/svg>\n\n \n\n

\n \u200d2. Kijk verder dan het gemiddelde en analyseer onderscheid tussen segmenten\n<\/h3>\n <\/div>\n \n \n\n\n
\n

\u200d<\/strong>Bij een verzekeraar zagen we dat voor een specifiek touchpoint selfservice bediening 88% goedkoper was dan de bediening per telefoon. Echter was het verloop van klanten die voor selfservice kozen 2x hoger. Conclusie: \u2026niet te snel conclusies trekken. Allereerst is het zaak de absolute verschillen te achterhalen. Het maakt nogal uit of het om een churn van 1 vs. 2 klanten gaat of 10.000 vs. 20.000 klanten. Ten tweede kan een verdiepende analyse (bijv. op klantsegmenten) het inzicht nuanceren en bijdragen aan een slimmer besluit. In plaats van \u2018welk kanaal moeten we dicht zetten?\u2019 gaat het gesprek dan misschien wel over \u2018hoe kunnen we (jongere) digital savvy klanten naar het selfservice kanaal sturen en andere klanten sneller naar telefoon?\u2019.<\/p>\n\n<\/div>\n <\/div>\n <\/div>\n<\/section>\n\n\n\n \n

\n
\n
\n
\n \n \n <\/svg>\n\n \n\n

\n \u200d3. Ga op zoek naar gedragsvoorspellers en speel hier proactief op in\n<\/h3>\n <\/div>\n \n \n\n\n
\n

Facebook kan vrij nauwkeurig\u00a0voorspellen wanneer een liefdesrelatie stukloopt<\/a>, omdat mensen in de maanden ervoor ineens een stuk actiever worden. De kunst is om een \u2018early warning\u2019 mechanisme te bouwen dat het klantgedrag voorspelt dat relevant is voor jouw klantrelatie. Zo zien we in analyses vaak dat klanten die al een tijd geen contact hebben gehad met je bedrijf, eerder bij je weg gaan. Door proactief (eventueel geautomatiseerd) in te spelen op dergelijke signalen bedien je klanten v\u00f3\u00f3r in plaats van \u00f3p hun wenken.<\/p>\n\n<\/div>\n <\/div>\n <\/div>\n<\/section>\n\n\n\n \n

\n
\n
\n
\n \n \n <\/svg>\n\n \n\n

\n \u200d4. Bouw een strategische feedbackloop om prestaties stapsgewijs verder te verbeteren\n<\/h3>\n <\/div>\n \n \n\n\n
\n

\u200d<\/strong>Naar het\u00a0build-measure-learn<\/a>\u00a0principe, bekend uit de\u00a0lean startup methode<\/a>, is het zaak om de prestaties van verbeterinitiatieven te blijven monitoren en verder te optimaliseren. Bouw hiervoor een strategische feedbackloop op basis van je belangrijkste parameters voor succes. De prestaties worden volgens een vaste frequentie gerapporteerd aan de teams waarvoor deze relevant zijn. Update de te volgen parameters o.b.v. nieuwe kennis die wordt opgedaan in bijvoorbeeld aanvullende onderzoeken. Zo wordt stapsgewijs gebouwd aan een lerende organisatie.<\/p>\n\n<\/div>\n <\/div>\n <\/div>\n<\/section>\n\n\n\n \n

\n
\n
\n \n \n\n\n
\n

Denk je nu nog steeds: \u201cJa maar\u2026 wij houden bijna geen data vast, wij zijn daar nog niet aan toe.\u201d? Goed nieuws: Je hoeft namelijk geen Google of Amazon te heten om data-gedreven te verbeteren. Het credo luidt: begin klein door te kijken welke data w\u00e9l beschikbaar zijn en welke inzichten en verbeteracties je hier al uit kunt halen. Zo konden we bij een verzekeraar op basis van het aantal foutmeldingen per invoerveld in een aanvraagstraat al een probleem verhelpen dat bij 108% van de klanten voor kwam (bij sommige klanten kwam de fout meermaals terug).<\/p>\n

Resultaat: Irritatie bij klanten omlaag, conversie omhoog.<\/p>\n\n<\/div>\n <\/div>\n <\/div>\n<\/section>\n\n\n\n\n

\n
\n
\n
\n \n \n <\/svg>\n\n \n\n

\n Neem contact op \n<\/h3>\n <\/div>\n \n