Julian Thomas, Principle Consultant bij PBT Group
Naarmate markten in het digitale tijdperk steeds meer geglobaliseerd, verzadigd en concurrerend worden, wordt er veel aandacht besteed aan de klantervaring (CX). En in periodes van gematigde of stagnerende economische groei, zoals die in Zuid-Afrika, vertragen mensen hun uitgaven en wordt het daardoor moeilijker om nieuwe klanten aan te trekken. Daarom wordt er veel nadruk gelegd op het doorverkopen, upgraden, enz. Van bestaande klanten.
Er is echter slechts zo veel over een klant dat als voorbeeld kan worden afgeleid uit zijn maandelijkse rekeningsaldo en kredietbureaugegevens, waarbij in veel gevallen alle inzichten die in deze gegevens beschikbaar waren, al zijn verkregen. Bedrijven moeten daarom verder kijken dan de beschikbare tweedimensionale gegevens en andere informatiebronnen of inzichten zoeken die het bedrijf zullen helpen om klanten beter te begrijpen.
De gegevens ontginnen voor sentiment en betekenis
Sociale mediadata die openbaar beschikbaar zijn, kunnen bijvoorbeeld worden gebruikt om een kaart te maken van wat er gaande is in het leven van de klant – en bedrijven een beeld te geven van hoe dit samengaat met en invloed heeft op het merk en zijn producten en / of diensten. Door te begrijpen wat er vandaag in het leven van de klant gebeurt, kunnen bedrijven zelfs voorspellen wat de wensen en behoeften van de klant morgen zullen zijn.
Het ontginnen van gegevens op sociale media om het meeste uit de beschikbare inzichten te halen, vereist een mix van technologie en menselijke aanraking. De realiteit is dat sentimentanalyse (SA) een discipline is die nog in de kinderschoenen staat. Er is zeker veel lopend onderzoek op dit gebied, maar er is ook veel ruimte voor evolutie en verbetering. En momenteel is het bereiken van hoge nauwkeurigheidsniveaus binnen SA nog steeds een behoorlijke uitdaging. Als gevolg hiervan is de menselijke aanraking nog steeds noodzakelijk.
Zoals bij veel analysescenario’s, kan het allerbelangrijkste werk van gegevensvoorbereiding niet worden genegeerd en zal het helpen bij het verkrijgen van een zinvol resultaat. Enkele van de belangrijkste criteria die voor deze gegevensvoorbereiding moeten worden gedefinieerd, zijn: functieselectie of extractie, het verwijderen van ruis van irrelevante gegevens die de resultaten kunnen beïnvloeden, duidelijke classificaties van sentiment, herkenning van naamentiteiten (uitbreiding van classificaties) en stopwoorden .
Alle bovenstaande activiteiten zijn cruciaal voor SA, en hier komt de menselijke aanraking om de hoek kijken. Er is (althans nog niet) een one-size-fits-all model beschikbaar. Veel verschillende bedrijven (of bedrijfstakken) zullen hier verschillende eisen stellen. Om dit goed te krijgen, is belangrijke interne bedrijfs- en proceskennis vereist. En als u dit op dit moment aan machines overlaat, biedt het bedrijven geen SA-oplossing die aansluit bij hun individuele behoeften.
Het “waarom” van elke klant begrijpen
De alomtegenwoordige beschikbaarheid van sociale mediadata heeft ertoe geleid dat Business Intelligence (BI) -teams worden blootgesteld aan meer informatie, waardoor deze teams dieper kunnen graven in de psychologie van de klant en wat er gaande is in hun leven. BI-teams kunnen nu de ‘ wat ‘,’ wanneer ‘,’ waar ‘en’ hoe ‘… naar het allerbelangrijkste’ waarom ‘- voor elke transactie en betrokkenheid met de klant, evenals hun’ gevoelens ‘over hun ervaring.
Dit niveau van inzicht kan een enorme toename geven in de relevantie van e-informatie die BI levert. Dat gezegd hebbende, zijn er enkele uitdagingen die nog moeten worden aangepakt, waaronder:
- Toegang kunnen krijgen tot voldoende sociale gegevens – vrij beschikbare gegevens versus privé- of beschermde gegevens en voldoen aan de wet op de bescherming van persoonlijke informatie (POPI)
- De gegevens begrijpen
- De kosten van toegang tot gegevens – zoals betaald voor bijvoorbeeld mediabronnen
- De menselijke uitdaging – Het hebben van mensen in een organisatie (in zowel business als IT) die de kansen zien en de nodige fondsen werven voor implementatie kan het grootste obstakel zijn.
In Zuid-Afrika lopen we helaas nog een beetje achter bij het echt begrijpen van de waarde van het extraheren van inzichten uit socialemediagegevens als onderdeel van het beheer van zakelijke klantervaringen en verkoopstrategieën. Social media mining is zeker een complexe discipline, en een dergelijke geavanceerde analysestrategie zou een uitdaging zijn om te implementeren. De potentiële opbrengsten uit het investeringsrendement zijn echter onmeetbaar.
Om dit in context te plaatsen; elke dag updaten 35 miljoen mensen hun status op Facebook , en Facebook-gebruikers (alleen) genereren elke minuut 4 miljoen likes. Maar houdt u bij wat uw klanten te zeggen hebben over uw bedrijf?
