De hele customer journey in kaart

customer experience
PRESS ASSOCIATION Photo

Wanneer marketeers praten over big data, dan gaat het al snel over social media monitoring. Ze staan er vaak te weinig bij stil dat ze al heel veel data hebben waar veel waarde in zit, zeker als ze die real-time en in samenhang gaan analyseren. BBC, Dunkin’ Donuts en Gatwick Airport laten zien hoe je de customer experience verbetert door simpelweg bestaande data wat slimmer te gebruiken.

 

Op een groot evenement over big data analytics in Orlando vertelden diverse bedrijven hoe zij de klantervaring verbeteren door data die ze al verzamelen in samenhang te monitoren. Zoals BBC Worldwide, de betaal-tv tak van BBC die tot voor kort alleen buiten de UK opereerde, maar nu ook een Video-on-Demand dienst heeft ontwikkeld voor inwoners van het Verenigd Koninkrijk: BBC Store. “In wezen stellen we het BBC archief open voor onze kijkers”, zegt Zoe Bolton, head of Service Operations bij BBC Woldwide. Kijkers kunnen de programma’s naar keuze streamen of downloaden en daarvoor de webpagina of de mobile app gebruiken.

“Klanttevredenheid wordt bij deze dienst natuurlijk bepaald door de snelheid waarmee de klant het hele traject doorloopt: van inloggen en zoeken naar zijn favoriete programma tot het betalen en het streamen of downladen. Dat betekent dat wij ook dat hele traject wilden meten, en dat konden wij niet met de bestaande monitoring tooling. Die was namelijk alleen gericht op deelonderwerpen zoals het meten van de beschikbaarheid van de website. Bovendien meet die tooling alleen hoe wij de dienst aanbieden, maar niet hoe de klant die ervaart. Nu hebben we geen invloed op de internetsnelheid van onze klanten, maar als we zien dat er veel klanten zijn met een trage verbinding kunnen we wél iets doen aan de manier waarop wij diensten aanbieden.”

BBC Worldwide koos Splunk als data-integratieplatform. Bolton: “Deze software is snel te implementeren. Je hebt geen aanvullende technische resources nodig om de infrastructuur te beheren, dus we konden het doen met ons bestaande team. Bovendien zijn de user interface en visualisaties goed te begrijpen en te gebruiken door mensen zonder it-achtergrond. Dat vinden wij belangrijk, want het moet uiteindelijk een tool voor de business zijn.”

 

Begin bij IT

Het is een voordeel dat de it-afdeling de software zelf ook gebruikt en zo kan fungeren als trekker. “Wij geven het goede voorbeeld, wij laten zien waar je businesscases kunt vinden en zo inspireren we andere afdelingen om ook met machine data aan de slag te gaan”, zegt Bolton. Ze geeft een aantal voorbeelden. “Wij meten het activiteitenniveau op de website, omdat dat bepaalt welke it-maatregelen we moeten nemen. Maar die cijfers zijn ook heel interessant voor de business, bijvoorbeeld voor de marketingafdeling. We meten ook hoeveel mensen op welke manier betalen. Dat is voor ons relevant, omdat een betaaldienst eruit kan liggen. Maar voor sales is het interessant om te zien of het toevoegen van een nieuwe betaalmethode nieuwe groepen kijkers trekt. Iedere afdeling gebruikt de data voor een ander doel en op een andere manier, maar het is wel dezelfde data.”

Analyse van data levert veel nieuwe inzichten op. Bolton geeft een voorbeeld. “Wij bieden sportwedstrijden niet aan vanuit de gedachte dat mensen sport live willen zien en niet achteraf. Gemiddeld genomen is dat ook wel zo, maar er zijn uitzonderingen. We zagen tijdens de Olympische Spelen een enorme piek in sportzoekopdrachten. We voegen daarom nu toch een sportkanaal aan onze dienst toe waarin we wedstrijden waar iedereen over napraat beschikbaar maken.”

Ze vindt het nog wel een uitdaging om iedereen in het bedrijf vertrouwd te maken met het Splunk platform. “Mensen neigen ernaar de tools te gebruiken die ze al kennen. Onze marketingafdeling werkt al jaren met Google Analytics. Ik zie het als mijn taak om op de zeepkist te gaan staan en hen te laten zien hoe belangrijk het is om naar de end-to-end customer journey te kijken in plaats van losse cijfers te beschouwen. Dat kost tijd en vereist sponsorship van een afdelingsmanager. Wij hebben wel geleerd dat het simpelweg aanbieden van een data-integratieplatform niet genoeg is, ook al kun je er nog zoveel mee en werkt het nog zo eenvoudig.”

 

Passagiers efficiënt afhandelen

Bij de luchthaven London Gatwick houden ze het data-integratieproject daarom voorlopig beperkt tot de it-afdeling. Zij informeren andere afdelingen over de inzichten die ze opdoen. Chris Howell, Head of Business Systems, vertelt: “We ontsluiten in Splunk data van 140 applicaties, waarvan er 30 kritisch zijn. Met twee mensen hebben een proof of concept gebouwd. Toen we de meerwaarde hadden aangetoond hebben we acht it’ers extra vrijgemaakt. We doen alle analyses nu dus met een team van tien mensen.”

Die verdienen zichzelf ruimschoots terug doordat Gatwick nu veel meer inzicht heeft in hoe alle processen op de luchthaven lopen. Het doel: “We bouwen een tweede start- en landingsbaan en we willen bij die nieuwe terminal dat passagiers in maximaal zeven minuten door de douane en security komen”, zegt Howell. Daarvoor is het belangrijk om te analyseren hoe druk het wordt het komende uur bij de douane en de security en waar de eerste knelpunten ontstaan. Die analyse wordt gemaakt door het data-integratieplatform. Dat voorspelt real-time hoeveel passagiers het komende uur op de luchthaven arriveren met de auto, de trein en vliegtuig en berekent welke resources op welke plekken nodig zijn om die passagiersstroom af te handelen. Tevens berekent het systeem hoeveel bagagewagentjes op welke plek staan, hoeveel trays er bij welke securitypunten beschikbaar zijn, hoeveel personeel het komende uur waar is ingepland enzovoort. Zo heeft de luchthaven real-time inzicht in mogelijke tekorten, bijvoorbeeld te weinig trays bij een bepaald douanepunt.

Zoals gezegd komt de benodigde data uit maar liefst 140 bronnen: biometrische software, systemen om je boardingpass te scannen, lichaamsscanners, camera’s die mensenmassa’s in de gaten houden, boekingssystemen en ga zo maar door. Gatwick maakt daarbij ook volop gebruik van voorspellende analyses. Zo weten ze bijvoorbeeld dat een zakenreiziger gemiddeld drie trays nodig heeft als hij door de security gaat, een vakantieganger twee en een kind één. Ze weten ook wat de impact is van een vertraging op het spoor of files op de omliggende snelwegen.

Howell: “Door alle data waar we over beschikken op een slimme manier aan elkaar te koppelen, kunnen we iedere individuele reiziger volgen op zijn tocht over de luchthaven en kunnen we zijn customer journey zo plezierig mogelijk maken.” Lees: ervoor zorgen dat de reiziger nog meer tijd overhoudt om te winkelen of iets te consumeren. Met die winst worden de kosten ruimschoots terugverdiend.

 

Klantgedrag begrijpen

Ook Dunkin’ Donuts kreeg zijn businesscase snel rond, vertelt Matt Kraft, Director Application Development & Consumer Technology. Zijn doel: de drie miljoen klanten die dagelijks een van de 11.000 restaurants bezoeken zo snel en goed mogelijk helpen. “We onderscheiden ons met een ‘fast experience’, daar is alles op gericht. Zoals bijvoorbeeld onze loyalty app met mobile ordering: plaats je bestelling als je vlakbij het restaurant bent en het staat tien seconden later al voor je klaar.”

Snel je bestelling krijgen is mooi, maar het moet ook de juiste bestelling zijn. En dat is best lastig. “We hebben tientallen verschillende donuts”, vertelt Kraft. “We zijn erg goed in vers, dus het product is beperkt houdbaar. Hoe beter we weten welk type donut populair is in welke regio’s, bij welk type weer en welke donuts het best scoren in marketingacties, hoe beter we onze voorraadhoogte kunnen bepalen.” Ziet hij aan de PoS- en inkoopdata dat gedurende de dag dat een bepaald restaurant laag zit met zijn voorraad van een bepaald product en een dichtbij gelegen restaurant hoog, dan brengen ze de donuts van de ene naar de andere vestiging. En ziet het er aan het eind van de dag naar uit dat donuts moeten worden weggegooid, dan kan hij met één klik een marketingactie opzetten waarbij klanten die in de buurt zijn een coupon krijgen voor een gratis donut bij een kop koffie. Allemaal mogelijk gemaakt door real-time analyse van machine data.

De app speelt een belangrijke rol in de marketingstrategie van Dunkin’ Donuts. Ooit ontwikkeld als loyalty-instrument is het nu het belangrijkste communicatiekanaal geworden en een van de belangrijkste databronnen om klantgedrag te leren begrijpen. “We analyseren iedere klik. Zo kwamen we erachter dat ongeveer tien procent van de mensen die we een coupon sturen wél naar de winkel komt, maar de coupon niet inwisselt. Dat aantal wordt lager of hoger als de actie een donut betreft die dichter bij hun smaak ligt of juist verder weg. Met andere woorden: de coupon herinnert hen aan Dunkin’ Donuts, maar ze betalen liever voor een donut die ze écht lekker vinden dan dat ze een gratis donut krijgen.”

 

Supply chain voorspellen

Deze resultaten inspireren tot meer. Gevraagd naar zijn droom laat Kraft een demo zien van wat hij noemt supply chain prediction. In deze demo komen data over klantgedrag in de mobiele app, data van mobiele betalingen, PoS-data, weerdata, voorraaddata en data uit CRM samen. Hij zegt: “Nu doen we nog marketingacties gericht op grote groepen mensen, bijvoorbeeld regionale acties. Straks wil ik onze klanten een-op-een benaderen, omdat ik weet van wat voor soort koffie ze houden, welke donut ze het liefst bij welk soort koffie eten, hoe dat verandert als het bijvoorbeeld kouder of warmer is enzovoort. Dan wil ik dus kunnen weten: meneer Jackson drinkt graag iced coffee als het warmer is dan 25 graden Celsius. En bij die iced coffee eet hij bij voorkeur een appelkoek. Terwijl hij ’s winters graag warme chocolade drinkt en er een donut met pudding en chocolade bij eet. Daar wil ik dan de actie op afstemmen. En dat wil ik kunnen doen zonder dat daar handwerk aan te pas komt, puur op basis van slimme algoritmen die met machine learning steeds slimmer worden. Want het is de bedoeling dat we leren van iedere conversie en van iedere klant die niet converteert. Ik wil dat we ooit precies kunnen voorspellen hoe hoog onze sales gaat zijn van ieder type product op ieder moment van de week, waarbij we dan ook nog eens rekening houden met de weersvoorspelling.”

Zo ver is het nog niet, maar technisch is het al mogelijk. “We moeten nu als organisatie nog groeien, nog meer ervaring opdoen en leren waar het laaghangende fruit hangt. Als dat lage fruit weg is, zullen we vanzelf wat hoger gaan grijpen. Uiteindelijk denk ik dat de bomen tot in de hemel groeien en dat wij onze ladder daaraan zullen aanpassen.”

 

X