Trend 6 in klantverwachting: AI en mensen gaan elkaar steeds meer ondersteunen in de customer journey.

human vs robot 00 in Human and Robots: Visions of the Future

Kunstmatige intelligentie (AI) is tegenwoordig een van de populairste onderwerpen in klantcontact. Strategische debatten over de toepassing ervan voor klantenservice, het potentieel voor loonkostenbesparing en de ethische kwesties rond verplaatsing van menselijk werk vinden plaats in boardrooms over de hele wereld. Maar hoewel AI nog in de kinderschoenen staat heeft de hype-storm eromheen al bijgedragen aan opgeblazen verwachtingen die de werkelijkheid ver overtreffen, aldus Gartner’s Hype Cycle for Emerging Technologies.

AI is het meest recente modewoord dat technologiebedrijven en marketingbedrijven omarmen. En toch is de klantcontact-industrie geen onbekende in dit soort innovatieve technologie die belooft serviceproblemen op te lossen en de arbeidskosten te verlagen door agenten te vervangen door software of applicaties.

Eind jaren negentig was online ondersteuning de veelgeprezen opvolger van contact centers. Tien jaar geleden sloten marketeers zich op sociale media als de glanzende, nieuwe vervanger van callcenters. Nou, de contact centers zijn er nog steeds!

Het einde van menselijke interactieklantcontact?

Kort door de bocht: Ik geloof niet dat R2D2 de menselijke agent binnenkort zal vervangen. Studies hebben aangetoond dat de gemiddelde consument liever interactie heeft met een live agent dan met een AI conciërge.

Uit een recent onderzoek van Forrester bleek dat 83% van de consumenten, als ze een keuze zouden krijgen, liever met een mens zou spreken, aangezien menselijke tussenpersonen hun behoeften beter begrijpen (78%) en meerdere vragen tegelijk kunnen beantwoorden (57%). De drie belangrijkste problemen die consumenten met bots meldden, waren dat:

1.     ze niet konden omgaan met complexe verzoeken,

2.     niet alleen gepersonaliseerde aanbiedingen konden doen,

3.     de menselijke emoties niet konden begrijpen.

Dat gezegd hebbende, zou het onrealistisch zijn om de potentiële impact van automatisering in het callcenter te negeren, vooral wanneer AI wordt gecombineerd met RPA.

Je ziet steeds meer dat contactcentermedewerkers een cruciaal contactpunt zullen blijven bieden in de customer journey en dat de technologie na verloop van tijd zal worden gebruikt om de menselijke prestaties in het callcenter te verbeteren om efficiëntere, effectievere ervaringen met toegevoegde waarde te leveren. Daarnaast zal door AI de focus van de klantcontact medewerker steeds meer liggen op emotie, emphatie en het tevreden maken van de klant (RNPS) in plaats van focus op het proces en KPI’s als Average Handling Time en TNPS.

Humans vs. Robots: Waarom AI de mens niet zal vervangen in een klant contact omgeving.

Artificial Intelligence (AI) en Robotic Process Automation (RPA) in Contact Centers
Kunstmatige intelligentie (AI) is tegenwoordig een van de populairste onderwerpen in klantcontact. Strategische debatten over de toepassing ervan voor klantenservice, het potentieel voor loonkostenbesparing en de ethische kwesties rond verplaatsing van menselijk werk vinden plaats in boardrooms over de hele wereld. Maar hoewel AI nog in de kinderschoenen staat heeft de hype-storm eromheen al bijgedragen aan opgeblazen verwachtingen die de werkelijkheid ver overtreffen, aldus Gartner’s Hype Cycle for Emerging Technologies.

AI is het meest recente modewoord dat technologiebedrijven en marketingbedrijven omarmen en doordringen in hun inhoud en verkooppraatjes als de onmisbare innovatie. En toch is de klantcontact-industrie geen onbekende in dit soort innovatieve technologie die belooft serviceproblemen op te lossen en de arbeidskosten te verlagen door agenten te vervangen door software of applicaties.

Eind jaren negentig was online ondersteuning de veelgeprezen opvolger van contact centers. Tien jaar geleden sloten marketeers zich op sociale media als de glanzende, nieuwe vervanger van callcenters. Nou, de contact centers zijn er nog steeds!

Het einde van menselijke interactieklantcontact?

Kort door de bocht: Ik geloof niet dat R2D2 de menselijke agent binnenkort zal vervangen. Studies hebben aangetoond dat de gemiddelde consument liever interactie heeft met een live agent dan met een AI conciërge.

Uit een recent onderzoek van Forrester bleek dat 83% van de consumenten, als ze een keuze zouden krijgen, liever met een mens zou spreken, aangezien menselijke tussenpersonen hun behoeften beter begrijpen (78%) en meerdere vragen tegelijk kunnen beantwoorden (57%). De drie belangrijkste problemen die consumenten met bots meldden, waren dat:

1.     ze niet konden omgaan met complexe verzoeken,

2.     niet alleen gepersonaliseerde aanbiedingen konden doen,

3.     de menselijke emoties niet konden begrijpen.  

Dat gezegd hebbende, zou het onrealistisch zijn om de potentiële impact van automatisering in het callcenter te negeren, vooral wanneer AI wordt gecombineerd met robotachtige procesautomatisering (RPA). Ik ben van mening dat contactcentermedewerkers een cruciaal contactpunt zullen blijven bieden in het klanttraject en dat de technologie na verloop van tijd zal worden gebruikt om de menselijke prestaties in het callcenter te verbeteren om efficiëntere, effectievere ervaringen met toegevoegde waarde te leveren.

Het onderscheid: Wat Is AI & RPA?
Vraag zes mensen om AI te definiëren en u krijgt waarschijnlijk zes heel verschillende antwoorden. Veel van de claims, overdrijvingen en angsten rondom AI komen voort uit verschillende opvattingen over wat het is en hoe het kan worden toegepast in het klantcontact omgeving.

Om te begrijpen hoe AI en RPA kunnen samenwerken met menselijke agenten om de dienstverlening te verbeteren, laat ik eerst verduidelijken wat ik bedoel als ik verwijs naar deze technologieën die worden gebruikt in een klantcontact context. Het volgende is wat ik denk dat ze zijn:

  • Kunstmatige intelligentie (AI) is het vermogen van een machine om de manier waarop mensen dingen waarnemen, beslissingen nemen en communiceren, na te bootsen. AI is een op context gebaseerde technologie die is ontworpen om te denken en te doen zoals een mens zou doen.
  • Robotic Process Automation (RPA) is software die gedrag nabootst. RPA is gedigitaliseerd met gestructureerde invoer die is gebaseerd op regels. RPA gaat over “doen”, niet over “denken”.

Wat is Robotics Process Automation?

RPA kan “onbeheerd” of “beheerd” zijn, afhankelijk van het gebruik ervan.

1.     RPA zonder toezicht werkt achter de schermen (van machine tot machine) om opeenvolgende taken uit te voeren; bijvoorbeeld om grote hoeveelheden repetitief werk te automatiseren, zoals het verwerken van claims, betalingen en applicaties, of het automatiseren van data-integratie tussen verschillende systemen, zoals orderverwerking en afhandelingssystemen.

2.     Beheerde RPA bevindt zich op het bureaublad van de agent en wordt geactiveerd door specifieke gebeurtenissen, acties of opdrachten binnen een bepaalde workflow. Beheerde RPA kan bijvoorbeeld schermpop-ups met instructies aan agenten geven terwijl ze een proces met een klant doorlopen. Het kan direct een klantprofiel opvragen of invullen en kan ook routinetaken voor agenten uitvoeren, zoals het invullen van formulieren, het loggen van gegevens of het taggen van cases.

RPA bestaat uit “domme robots” die op regels gebaseerde processen en een reeks instructies vereisen, waarna ze dezelfde taken keer op keer op dezelfde manier, consistent en nauwkeurig zullen uitvoeren.

Wat is Artificial Intelligence?

AI daarentegen is zelflerend en ontworpen om een ​​deel van het gedrag te simuleren dat verband houdt met menselijke intelligentie om complexe problemen op te lossen.

Net als bij RPA zijn er twee soorten AI: Narrow (of ‘zwakke’) AI en General AI (voor algemene doeleinden).

1.     Narrow AI wordt momenteel gebruikt in intelligente software die lijkt te leren hoe eenvoudige taken uitgevoerd kunnen worden zonder te worden geprogrammeerd. Virtuele assistenten zoals Apple’s Siri of Kare Knowledgeware zijn voorbeelden van narrow AI: ze kunnen eenvoudige taken uitvoeren en vragen beantwoorden terwijl ze informatie verzamelen die hen helpt hun antwoorden af ​​te stemmen op de voorkeuren van de gebruiker.

2.     General AI (GPMI) verwijst naar de oorspronkelijke visie van AI, die kan worden herleid tot een Dartmouth-onderzoeksprogramma uit 1955 waarin computerwetenschappers de haalbaarheid verkenden van het creëren van een machine die het leren, begrijpen en de intelligentie van mensen zou kunnen simuleren. (Denk aan HAL, de bewuste computer uit “2001: A Space Odyssey.”) GPMI bestaat tegenwoordig niet en wordt misschien over een lange termijn of misschien wel nooit werkelijkheid. 

Het combineren van AI & RPA in een contact center

Klantcontact omgevingen met grote hoeveelheden repetitieve processen, zoals gegevensinvoer en -migratie, factuurverwerking, uitleenverwerking of claimverwerking, kunnen de productiviteit en efficiëntie verhogen door dit soort taken toe te wijzen aan RPA-robots.

Een grotere ROI van RPA kan echter de impact zijn op de betrokkenheid van het personeel. Een van de belangrijkste klachten die agenten hebben over hun baan, en een kritische factor bij de beslissing om te vertrekken, is dat ze het werk te repetitief en saai vinden. Door vervelende taken te verwijderen, kunnen agenten zich concentreren op de waardevollere en interessantere aspecten van het werk die creativiteit, besluitvorming en interactie met klanten vereisen.

De Impact van Automation in het Contact Center

In feite hebben veel early adopters hun RPA-projecten in de wacht gezet terwijl ze heroverwegen hoe bots kunnen worden toegepast als onderdeel van een gecoördineerd systeem. taken en workflows worden heroverwogen, meer middelen worden inzetten om de bots te beheren en werknemers worden getraind in het gebruik bots om problemen op te lossen. Volgens McKinsey & Company zal de reis van technisch automatiseringspotentieel naar volledige acceptatie waarschijnlijk tientallen jaren duren.

We zijn er dus nog lang niet

Hoewel de voordelen van het verbeteren van menselijke prestaties met intelligente robots aantrekkelijk lijken, is machine learning volgens Gartner nog minstens twee tot vijf jaar verwijderd van de bredere acceptatie. Sommige AI-subsets, zoals cognitief computergebruik, zijn tot 10 jaar verwijderd. Andere AI-subsets, zoals klantcontact ondersteuning om contextueel de ‘echte’ vraag van gebruiker te achterhalen, zin nu wel al in gebruik bij voorlopende organisaties.

De invoering van RPA wordt echter al breed opgezet, maar met beperkt succes. Ernst & Young meldt dat 30% tot 50% van de initiële RPA-projecten is mislukt, maar niet vanwege de technologie. RPA vereist langetermijnplanning en het proces is veel gecompliceerder en arbeidsintensiever dan veel leidinggevenden hadden aangenomen (of technologieleveranciers hadden erkend).

En dus?

AI en RPA zijn here to stay, dat moge duidelijk zijn. Maar de vorm waarin, die wordt nu pas duidelijk. AI en RPA klantcontactomgevingen meer en meer ondersteunen, met name in het werk waarvoor agents te duur zijn, of gewoon saai en vervelend vinden. De discussie verplaatst zich dus van Bots vs. Human naar bots samenwerkend met human. Een mooie ontwikkeling richting een verder volwassenheid in klantcontact en klantgerichtheid!

Wat is jouw mening? Plaats m hieronder! Of contact me eens om verder in te gaan op bovenstaande. Ik ben benieuwd!

Klantverwachting: Hoe Linkedin haar klantverwachting via de feed steeds verbetert

Laatst kwam ik een leuk artikel tegen over de feed van Linkedin. Het gaf me veel inzichten over hoe de feed wordt opgebouwd en hoe men er bij Linkedin voor zorgt dat de feed van elk lid vrij van spam blijft en de relevante content showt waar het lid iets aan heeft. Graag deel ik met jullie mijn samenvatting en learnings, iets waar jullie hopelijk ook veel aan zullen hebben.

 

Inleiding

Veel Linkedinners bekijken elke dag weer de feed van iedereen uit hun eerstelijns netwerk. De feed is het startpunt van de reis van een lid op LinkedIn. Miljoenen leden zien de feed als hun eerste indruk. De feed is ook essentieel voor het leveren van de belangrijkste waardeproposities van LinkedIn:

  • Leden blijven verbonden met hun netwerk door netwerkactiviteiten te volgen,
  • Leden kunnen hun professionele identiteit te ontwikkelen door inhoud te plaatsen,
  • Leden blijven op de hoogte van voor hun relevante onderwerpen en actualiteiten ,
  • Leden ontdekken professionele kansen en doen ideeen op.

Het relevant houden van de LinkedIn-feed is van cruciaal belang om de kwaliteit van de ervaringen van gebruikers met de feed te behouden.

 

De uitdagingen
De rol van de LinkedIn-feed is actuele enrelevante inhoud te bieden op professioneel gebied. Informatie die op andere media als prettig wordt ervaren / aanvaardbaar is, is voor Linkedin gebruikers misschien totaal niet acceptabel.  Het spanningsveld voor Linkedin zit in het doorgeven van zoveel mogelijk content, zonder hierbij afbreuk te doen aan de verwachting van de gebruiker. De extra uitdaging zit m in het feit dat het gaat om zeer veel content, die, al is het maar door een paar items, sterk kan dalen in de kwaliteitsbeleving van de linkedingebruikers. De speld in de hooiberg, die erg pijnlijk kan zijn als je er in gaat zitten…..

 

Een mens + machine benadering
Om de kwaliteit van zoveel content goed te kunnen beheren, heeft Linkedin een proces ontwikkeld, waarbij content zowel door machinelearning en AI-achtige toepassingen wordt geclassificeerd als ‘niet-spam’ en relevant als professioneel content.

 

Maar…. Er is geen perfect algoritme om alles af te vangen. Er is een groot grijs gebied waarbinnen content valt die de ene persoon als spam ervaart en de ander juist als relevant. Daarom heeft Linkedin een aanpak gecreerd warbij naast machinelearning ook de mens een rol speelt in het clssificeren van de content.

 

Een van de belangrijkste manieren om de content te beoordelen, is door de inhoud van de content op diverse punten van haar levencyclus te boeoordelen. Dit is bijvoorbeeld bij:

  • De creatie van de content: het algoritme beoordeeld de tekst, video en afbeelding bij direct na het verschijnen als spam of niet.
  • De eerste reacties van het publiek, waarbij ook bekeken wordt of content misschien wel viral kan gaan. Reacties zijn bijvoorbeeld likes, shares en inhoudelijke comments.
  • De reacties na verloop van tijd (uren, dagen). Continu worden comments, shares en likes in de gaten gehouden en de content steeds weer beoordeeld. Naarmate de content meer beoordeeld wordt, zal deze relevanter worden en in de feed verschijnen )of niet.

Tot zover het algoritme en geautomatiseerde proces.

 

De volgende stap in het beoordelingsproces is is menselijk. Dit proces geldt alleen voor content die als ‘verdacht’ wordt gelbeld, en dus niet als spam of relevant beoordeeld gaat worden. De mensen van Linkedin krijgen deze content voorgeschoteld en bepalen of content relevant is voor de feed. Het geautomatiseerde proces wordt hierbij continu gevoerd met de resultaten, terwijl aan de andere kant de engine steeds weer uitgedaagd wordt via steekproeven. Dit zorgt ervoor dat het algoritme steeds specifieker content kan beoordelen en het proces steeds efficiënter kan verlopen.

 

Als laatste stap wordt op diverse levels steeds weer het algoritme en de menselijke steekproef toegepast. Dit kan niet anders, omdat relevantie van de content voor iedere feed anders is, en het geautomatiseerde proces nog lang niet perfect is. Door de levencyclus van de content goed in de gaten te houden, kan het proces wel steeds sneller verlopen en kan spam of niet relevante content steeds sneller worden geïdentificeerd. Hierdoor kan content eerder op een feed verschijnen, of juist sneller van een feed verwijderd worden.

 

Tenslotte

Linkedin is een professioneel netwerk. Erg goed dat ze de content beoordelen op professionaliteit en relevantie binnen de feeds van gebruikers. Door bovenstaand proces is zeker een steeds betere relevantie te verkrijgen. Ikzelf merk dat doordat bijvoorbeeld de rekenuitdagingen en andere niet relevante content steeds minder in mijn feed staan, iets waar ik persoonlijk erg blij mee ben. De scheidslijn blijft echter dun, dus het zal voor Linkedin een blijvende uitdaging zijn om mij tevreden te houden in mijn contentbeleving. Ik blijf dan ook in de gaten houden hoe Linkedin blijft voldoen aan mijn klantverwachting / contentrelevantie.

 

Klantverwachting: de harde feiten

Een onderzoek van A. Parasuraman, Leonard L. Berry en Valarie A. Zeithaml, gepost door de MIT Sloan Review, vond deze belangrijke inzichten toen ze de verwachtingen van de klant bij 16 focusgroepdeelnemers aan het onderzoeken waren:

 

  • Klanten verwachten een service die aansluit bij hetgeen ze in hun hoofd hebben: er is een waargenomen verwachting die elke klant heeft bij het aangaan van een zakelijke relatie. Een hotelklant denkt bijvoorbeeld dat wanneer hij meer betaalt, hij meer kan verwachten van het hotel en haar diensten.
  • Het serviceproces is de sleutel tot het overtreffen van verwachtingen: bedrijven worden verondersteld accuraat en betrouwbaar te zijn en de service te bieden die ze hebben beloofd. Het is onwaarschijnlijk dat een hotel de verwachtingen van de klant overtreft als ze alleen maar de hotelkamer op orde hebben. De mogelijkheid om verwachtingen te overtreffen ligt in het vermogen om de klant te verrassen met een ongewone snelheid, een vriendelijk gezicht, hoffelijkheid, betrokkenheid en begrip.
  • Verwachtingen van de klant zijn op dualiteit gebaseerd: uit het onderzoek blijkt dat de verwachtingen van klanten twee niveaus hebben: voldoende en gewenst. Het gewenste niveau is de service die de klant hoopt te verkrijgen, terwijl het voldoende niveau de service is die de klant acceptabel vindt.
  • Klanten willen relaties: relaties zijn belangrijk voor klanten. Veel van de geïnterviewde klanten willen ‘relatieklanten’ zijn, ze willen een permanente, persoonlijke relatie met dezelfde vertegenwoordiger van het bedrijf. Ze willen dat een bedrijfsvertegenwoordiger contact met hen opneemt, in plaats van altijd zelf contact te moeten leggen.
  • Beheer de belofte: om de verwachtingen te overtreffen, dienen bedrijven eerst hun beloften na te komen. Uit het onderzoek bleek dat sommige waarnemers aanboden om de service opzettelijk onderbelovend te maken om de kans te vergroten dat de verwachtingen van de klant worden overtroffen. Er is niets erger dan belfotes die niet waargemaakt worden! Houd er rekening mee dat er een aantal risico’s zijn aan een onderbelofte: het maakt een bedrijf minder aantrekkelijk ten opzichte van haar concurrenten. Zorg er dus dat een belofte zich goed blijft verhouden met die van concurrenten.
  • Het is essentieel voor bedrijven om klanttevredenheid te beheren. Om dit te kunnen doen, hebben bedrijven een betrouwbare manier nodig om hun tevredenheid te meten. De verwachting van een klant is die metriek.

 

Er kan veel misgaan tijdens uw zakelijke relatie met klanten; het is noodzakelijk om ervoor te zorgen dat je altijd nadenkt over het stellen van verwachtingen, het voldoen aan verwachtingen of het opnieuw instellen van verwachtingen.

Klantverwachting: Je bent bezig met data….. Maar zijn dat wel de juiste data?

 

Ik hoor de volgende dingen steeds opnieuw:
Data zijn de sleutel tot klantgerichtheid.
Alleen via data-analyse kun je voldoen aan klantverwachtingen.
Als we de beschikbare data maar goed genoeg analyseren en daar de juiste conclusies uit trekken, dan snappen we wat onze klanten willen en hoe zij willen dat er met hen omgegaan wordt.
Mooi sprookje hè? Of is het binnen jouw organisatie wel goed geregeld?

Data zijn dom

Data zijn niet meer dan losse gegevens, al dan niet verzameld in een database (CRM, primaire systemen, online, etc). Vaak zijn deze data verouderd of sterker nog, totaal niet meer relevant voor de huidige stand van zaken in een klantcontactstrategie. Daarbij komt ook nog eens dat de data die wél gebruikt kunnen worden voor een goed klantbeeld en het managen van klantverwachtingen, vaak niet aanwezig zijn, gewoonweg omdat er geen focus is op het verzamelen van deze data of omdat binnen de organisatie geen kennis is met betrekking tot het verzamelen van actuele, relevante data.

Dus….

De data die nu door veel organisaties voor analyse gebruikt worden ten behoeve van klantgedraganalyses, kanaalsturing en verhoging van de klantwaarde missen vaak hun doel. Vanuit de data wordt inside out-informatie gecreëerd die intern misschien voldoet aan de verwachtingen, maar totaal niet voldoet aan het verbeteren van de klantgerichtheid vanuit klantperspectief. Met andere woorden: mooie effort, maar effort die zijn doel totaal mist!

Hoe dan wel?

Oké, oké, veel bedrijven zijn qua gedachte al op de goede weg en bij veel organisaties bestaat de wil om klantgerichter te worden. Voordat er nu veel tijd en moeite wordt geïnvesteerd in dataverzameling, data-analyse en business intelligence, is het verstandig om duidelijk te hebben of de juiste data beschikbaar zijn om te gebruiken. Teruggaan naar de basics is hierbij heel verstandig: binnen de organisatie dient een duidelijk en levend doel te zijn geformuleerd als het gaat om het gebruik van data om beter aan de klantverwachtingen te voldoen.

Graag benadruk ik een belangrijk item binnen het formuleren van deze doelstelling. De organisatie dient voor zichzelf te bepalen vanuit welk oogpunt er aan de slag wordt gegaan met de data:

  • De functie van het klantcontact in de organisatie (bijvoorbeeld sales, service, retentie);
  • De relevantie van een contact ten opzichte van een gebruikt klantcontactkanaal;
  • het ‘waarom’ van de klant als het gaat om het contact dat plaatsvindt;
  • De bijdrage van het contact aan de relevantie van het merk.

Het bepalen van dit oogpunt is cruciaal bij het slagen van de missie om data te gebruiken voor het klantgerichter maken van de organisatie en aan de klantverwachtingen te voldoen.

En dan?

Zodra het doel helder is, kan er invulling gaan plaatsvinden.
Welke data / informatie is beschikbaar?
Hoe wordt missende data/informatie verzameld?
Wie wordt er van binnen of buiten de organisatie betrokken?
Is er een methodiek beschikbaar die voor de organisatie goed werkt?

Vaak is de verzameling van de juiste data een combinatie van het vinden van de juiste data in de organisatie en het verrijken hiervan. Vaak zijn er al aardig wat data aanwezig. Door deze data op een juiste manier te verrijken kan veel doelgerichter de juiste informatie worden gecreëerd om beslissingen op te nemen en businesscases te bouwen.
Het is zeker de moeite waard om hierin te investeren dus!

Tot slot

In de afgelopen periode heb ik veel ervaring opgedaan in het verzamelen en verrijken van data binnen het domein klantverwachtingen. Wat ik hierbij merk is dat, naast beschikbare databases en klantapplicaties, een belangrijke bron van doelgerichte data de medewerkers zijn.
Als zij snappen wat voor data er nodig zijn om de organisatie klantgerichter te maken, heeft dit een zeer positief effect op de kwaliteit van de data die ik vraag. Sterker nog, het zorgt ervoor dat medewerkers veel enthousiaster met klantverwachtingen aan de slag gaan! Voor mij een supergaaf bij-effect dat ervoor zorgt dat, mits juist ingezet, de organisatie zelf haar klantgerichtheid gaat vergroten. Betrokkenheid van de hele organisatie is in mijn ogen dus een must!

Zullen we samen eens doorpraten over het verkrijgen van doelgerichte klantverwachtingsdata? App me dan, ik ben benieuwd naar je ervaringen en vraagstukken. Wat ook kan, is dat op www.klantverwachting.nl de miniscan invullen of informatie ophalen.

Succes en laten we samen op weg gaan naar een Nederland waarin klantverwachtingen steeds meer waargemaakt worden!

Klantverwachting: Wees zelf de verwekker ervan

Copyright Dreamtime

Auteur Blog: Marco P. Houthuizen, Klantcontactspecialist

Zo goed als alle klanten die contact met uw klantenservice opnemen, doen dat omdat zij zijn teleurgesteld. Zij hadden hogere verwachtingen van de door u geleverde diensten of  producten. Of die verwachtingen nu wel of niet reëel zijn geweest, is in wezen niet relevant. Het wáárom deze klanten deze verwachtingen hadden, is de moeite van het onderzoeken waard.

Het niet nakomen van afspraken is al jaren de grootste klantergernis.
Wanneer een klant niet op tijd betaald, de bestelling niet op tijd annuleert, het product niet binnen de gestelde termijn terug stuurt, kan of zal dat tot strikt omschreven sancties leiden.
Wanneer een onderneming haar afspraken niet (volledig) nakomt –“Ik bel u vandaag nog terug”, “vandaag besteld, morgen in huis”, “het product wordt vrijdag 8 december tussen 14:00 en 18:00 uur geleverd”, dan wordt de klacht al snel afgedaan met een ingestudeerd “Sorry, het is erg druk”, een eufemisme voor “U moet niet zeuren.”. De klant moet begrip hebben voor de leverancier. Zéker wanneer het druk is.

Toch zijn er voldoende inzichten om klantverwachtingen te begrijpen en –dus– te sturen.

Inzicht 1
De klant is niet vanzelf mondiger geworden;  het internet heeft klanten kennis en slagkracht gegeven.
Kennis over specifieke producten, diensten en (consumenten)rechten doen klanten op via Google, prijsvergelijkers en recensies van klanten die hetzelfde product hebben gekocht.
Slagkracht kregen klanten toen ontdekt werd dat social media een krachtig wapen was tegen bedrijven; wanneer je een aantal jaren geleden een klacht met #[BEDRIJFSNAAM] op Twitter, Facebook of Instagram plaatste, reageerden die bedrijven als door een horzel gestoken  sneller en ruimhartiger dan bij klachten die via andere kanalen werden verstuurd. Klagers werden als het ware naar social media geleid door de beklaagden zelf.

Inzicht 2

Door de komst van e-commerce en social media wordt de verwachting van wat “snelle service” is, keer op keer naar boven bijgesteld. Was het “vroegah” klantgericht om e-mails binnen 3 dagen te beantwoorden, nu blijken die 3 dagen –in vergelijking tot Facebook, Twitter, webchat en Whatsapp, wel heel lang te zijn.  En bij online bestellingen bij Nederlandse webwinkels, verwachten we dat de belofte “vandaag besteld, morgen in huis” altijd wordt nagekomen. Ongeacht Black Friday, Sinterklaas- Sinterklaas- en/of Kersttijd.

Inzicht 3
Klanten weten dat bedrijven (veel) informatie over hen verzamelen. Hieruit vloeit voort dat de klant er dan ook vanuit gaat, dat u de klant herkent, kent en erkent zodra deze contact met u opneemt.
Nu nog geven klanten braaf hun postcode en huisnummer als daarom gevraagd wordt, het zal niet lang meer duren tot klanten dat een rare vraag vinden:  “U herkent mijn telefoonnummer toch wel?”

Inzicht 4
Nu nog vinden klanten het “gewoon” dat zij betalen voor het verzenden en/of terugsturen van bestellingen. Maar hoe lang nog? Steeds meer webwinkels bieden gratis verzenden en retourneren aan. Klanten zijn echt niet gek en weten dat zij er dan nog steeds voor betalen, maar klanten zullen steeds meer verwachten dat verzending en retourneren “gratis” wordt (convenience).

Inzicht 5
Klanten benaderen hun leveranciers via het kanaal dat voor hun op dat moment met meest geschikt lijkt; de ene keer een social media-post, de andere keer een mailtje (als je toch achter de laptop zit), een appje (welke leveranciers bieden dat al?) als je onderweg bent en een telefoontje als je er de tijd voor wilt nemen. Klanten zijn dus allang omnichannel en het bedrijfsleven hobbelt er vaak achteraan (cross channel wordt vaak voor omnichannel aangezien/als omnichannel verkocht).
Klanten verwachten dus dat u de klant te allen tijde kent, herkent en erkent, welk kanaal de klant ook inzet en heeft ingezet.
En de klant verwacht dat hij/zij dus de juiste informatie op het juiste moment ontvangt via het door de klant gewenste kanaal. Dus ook nieuwsbrieven met daarin de voor die betreffende klant interessante informatie (mass customization).

Inzicht 6
Door het vragen van feedback op diensten en producten en klanttevredenheidsonderzoeken, verzamelen bedrijven beoordelingen en vragen we om “comments”.
Geen klant die zijn/haar medewerking heeft gegeven weet óf en zo ja, wát er met die informatie gebeurt. Klanten zullen dus steeds kritischer worden aan wie zij welke medewerking zullen verlenen.
Koppel aan klanten terug wat u met hun feedback heeft gedaan of gaat doen. En beloon goede feedback (positieve én negatieve).

Hoe digitaler de dienstverlening wordt –selfservice, chatbots, artificial intelligence, data mining,  et cetera– hoe groter de klantverwachting van gepersonaliseerde dienstverlening wordt.
De telefoon zal een belangrijk contactkanaal blijven. Juist vanwege de eerder genoemde digitaler wordende dienstverlening, zal het intermenselijke contact dat er tussen organisatie en klant tot stand komt, in belangrijke mate bijdragen aan de uiteindelijke klantbeleving en de gunfactor die herhaalaankopen en mond-tot-mond reclame genereert.

Wat gaat u met deze inzichten doen om (ruimschoots) aan de steeds hogere klantverwachtingen te voldoen?

Marco P. Houthuizen