Innovatie in klantcontact – connected bierglazen en snapcash

Met 8.000 bezoekers en 270 exposanten is Callcenter World (CCW, jaarlijks in februari in Berlijn) Europa’s grootste contactcenterbeurs, die zich richt op de vraag hoe bedrijven het contact met hun klanten onderhouden. Een rondgang maakt duidelijk waar de prioriteiten liggen van de industrie. Digitalisering is een dominant thema, innovatie wordt daarmee geassocieerd. Veel aandacht gaat uit naar kunstmatige intelligentie en chatbots, ook op het meerdaagse congres dat bij de beurs hoort.

Toch is opvallend dat er weinig echte innovaties worden gepresenteerd. In de wereld van customer experience bestaan vooral veel volgers. Het meest in het oog springend: het connected (bier)glas van RASTAL; of hoe je bij het drinken van een biertje de interactie met het biermerk kunt aangaan.

Het andere smartglass

Samen met Deutsche Telekom ontwikkelde glasfabrikant RASTAL het smartglass, niet te verwarren met de smartglass van Google. De innovatie werd een jaar geleden voor het eerst gepresenteerd tijdens technologiebeurs CeBIT en tijdens de innovatiedag van CCW nog eens afgestoft. Het voorbeeld laat zien dat ook op minder voor de hand liggende plekken zoals de bar innovatieve benaderingen van klantinteractie mogelijk zijn. De connected glazen zijn verbonden met de cloud, waarmee je kunt spreken over een Internet of Things-toepassing. Hiermee wordt het mogelijk voor de horeca om over te stappen van historische data en schattingen op realtime informatie, iets wat vooral interessant is voor grootverbruikers zoals festivals en grote clubs. Het smartglass bevat een chip die informatie bevat over het volume van het glas, het drankje wat er in zit en de tijd en plaats waarop het gevuld is. Zo krijgt een horeca-locatie realtime inzicht in het consumptiepatroon en gedrag van de klant. Het glas wordt uitgelezen door het op de speciale connected bar te plaatsen, waarmee realtime managementinformatie wordt toegevoegd aan dashboards voor barpersoneel en de bar-exploitant.

Einde van de bartender?

Vanuit klantperspectief opent het connected glas ook nieuwe mogelijkheden. Consumenten krijgen met hun smartphone (mits uitgerust met een NFC-chip) de mogelijkheid om via een branded app direct een refill te bestellen of de interactie aan te gaan met het drankmerk. RASTAL CEO Thomas Nieraad denkt hierbij aan prepaid kopen van drankjes via selfservice, loyality-programma’s en kortingsacties (bestel nog drie keer en het derde rondje is van ons). De link tussen consument en bar wordt hiermee digitaal, wat verlies door verkeerde bestellingen verkleint. Daarnaast wordt het smartglass via de bodem (!) gevuld via een speciale magnetische sluiting, wat geknoei (en dus verspilling) tegen gaat. Overigens is het ‘connected drankje’ niet helemaal nieuw; Coca-Cola was al eerder bezig met het verbinden van alle frisdrankautomaten om meer zicht te krijgen op gedrag van zowel consumenten als exploitanten.

SnapCash

Sascha Lobo - CCW2018. Foto: Erik Bouwer/Toii.nlAltijd even oppassen als er een goeroe op het podium staat. Sascha Lobo, aangekondigd als ‘Internetpionier & Digital-Philosoph’ heeft een wekelijkse podcast op Spiegel-online. Hij heeft niet alleen een opvallend kapsel, maar ook een duidelijke boodschap: wat u heeft als werk (klantcontact, callcenters) heeft de nieuwe generatie consumenten al zelf georganiseerd: in hun hoofd, in hun smartphone. Lobo stelt dat messagingplatforms de toekomst hebben. Een van de meest aansprekende voorbeelden van de kracht van platforms is WeChat (waarover verderop meer), maar soms komen de platformtoepassingen uit onverwachte hoek en zijn ze het resultaat van het bereikte aantal actieven gebruikers, zoals bij SnapChat. Met SnapCash (een spin off van Snapchat dat 150 miljoen gebruikers heeft) kan je direct geld overmaken naar personen uit je adresboek. Het intikken van een bedrag en de geadresseerde volstaat. Laagdrempeliger, goedkoper (gratis) en sneller kan het niet. Wat kunnen banken hier nog aan toevoegen? Kan een fintech-initiatief zoals SnapCash een succes worden? Lobo rekent event voor: PayPal verwerkte in 2016 6 miljard transacties. WeChat, het Chinese messagingplatform, verwerkte 46 miljard financiële transacties. Op één dag wel te verstaan, namelijk op 29 januari 2017.

Voeg kunstmatige intelligentie toe aan een platform en de disruptieve potentie is duidelijk. Wat Lobo betreft ligt de toekomst in de combinatie AI en CRM en dat is meteen ook zijn belangrijkste advies aan de klantcontactsector. De grootste en ook meest waardevolle techbedrijven (Apple, Amazon, Google, Microsoft en Facebook) zijn allemaal bezig met platformen, vier er van hebben ook een voice assistant ontwikkeld. Dat sommige innovaties op de muziek vooruitlopen (“Ik heb een Apple Watch, maar zou niet weten wat ik er mee moet”, aldus Lobo) doet daar volgens Lobo niets aan af.

Chatbots voorlopig nog te dom voor een echte dialoog

Tot slot een korte update over chatbots, een van de dominante thema’s op CCW. Uit een rondvraag onder verschillende aanbieders blijkt dat de functionaliteit van chatbots de komende jaren beperkt blijft. Ze zijn goed in één taak (specialisatie), maar missen het vermogen om een volwaardige dialoog aan te gaan waarbij context een rol speelt. Rekening houden met relevante eigenschappen of omstandigheden van de klant, inspelen op de vraag achter de vraag, dat is de grootste uitdaging van kunstmatige intelligentie (AI) op dit moment.
De snelheid waarmee AI werkelijk intelligent wordt, wordt vooral bepaald door het beperkte aantal ontwikkelaars dat in staat is klantdialogen als leermateriaal aan te bieden. Dat de industrie chatbots op dit moment massaal omarmt (volgens Business Insider wil 80% van de bedrijven in 2020 met chatbots werken) moet vooral worden beschouwd als tussenstap – om eenvoudige contacten te automatiseren en om er van te leren.


Andreas Klug, ITyX, over intelligente chatbots

 

Dit artikel is een bewerking van twee artikelen die eerder op Klantcontact.nl zijn gepubliceerd.

Wachten op kunstmatige intelligentie die context begrijpt

De afgelopen twee jaar zijn zowel spraakherkenning als spraaksynthese enorm verbeterd. Ook het aanbod aan spraakgestuurde systemen, dat twee jaar geleden nog werd gedomineerd door Siri, Cortana en Google Assistant, heeft zich verder ontwikkeld: zo is in twee jaar tijd Amazon’s Alexa marktleider geworden. Het enige wat nog ontbreekt is begrip van de context – een absolute voorwaarde om spraakbesturing echt tot een leidende technologie te maken. Een update over chatbots en virtuele assistenten.

Spraakherkenning heeft een nauwkeurigheid bereikt waarbij het verschil met mensen grotendeels is weggevallen. De Chinees-Engelse vertaalmachine iFlytek maakt minder dan 2 procent fouten, mede dankzij de 4,5 miljard spraakfiles die per dag aan het systeem worden toegevoegd. iFlytek is een startup uit 1999, opgezet door een doctoraalstudent van een regionale universiteit in Hefei, China. Ook Google haalt met gemak 95 procent. Maar de grootste stap voor spraaktechnologie moet nog gezet worden. En dat is de stap naar grootschalige toepassing door consumenten, bijvoorbeeld door het gebruik van virtuele assistenten.

Ecosystemen in aanbouw

Hoewel drie van de vier platformen (Siri, Cortana en Google Assistant) al enige tijd aanwezig zijn, heeft met name de komst van Amazons Alexa voor een versnelling gezorgd. In de consumentenmarkt is zichtbaar dat de ecosystemen rondom de spraakassistenten groeien. Amazon’s Alexa werkt naadloos samen met andere hardware (denk aan Sonos of Hue), met online contentplatformen zoals Spotify en met digitale platformen zoals IFTTT. Naast de samenwerkingsverbanden met hardwareproducenten (waarmee ongemerkt het Internet of Things tot stand komt) kennen de assistenten ook ‘skills’ (Alexa) of ‘actions’ (Google) – geautomatiseerde interacties die met een druk op de knop aangezet kunnen worden. Zo kan Alexa op verzoek boeren laten of zelfs een boerwedstrijd organiseren, maar er zijn ook nuttiger skills zoals ‘find my phone’. Ook de concurrenten van Amazon werken ondertussen hard aan hun eigen ecosystemen, maar Amazon heeft met de meeste skills een voorsprong.

Goed in spraakverwarring

Deze ontwikkelingen wekken de indruk dat spraakgestuurde interacties met systemen goed verlopen, maar de werkelijkheid is anders. Google, Alexa of Siri missen nog steeds de intelligentie om de context te begrijpen, wat zichtbaar wordt in een demo waarbij Google, Alexa en Siri elkaar niet herkennen als ‘collega’s’ en evenmin begrijpen dat ze bij hun groepsgesprek in een oneindige loop belanden. Daar staat tegenover dat spraakassistenten er prima in slagen om onderling volkomen abstracte dialogen aan te gaan. Ook het geven van gevatte antwoorden op lastige vragen (de zogenaamde easter eggs) is voor de meeste systemen geen probleem. De assistenten gaan ook de mist in als ze moeten luisteren terwijl mensen door elkaar (of door muziek) heen praten. Zo is Alexa uitstekend in staat om op verzoek een specifieke Spotifytrack af te spelen, maar is ze tijdens dat afspelen wel slechthorend: wil je Alexa vragen naar het volgende nummer te zappen, dan moet je je stem verheffen.

Hardware gedreven

Anders dan Alexa zijn Siri en Google ingebouwd in smartphones, tablets en pc’s en dat zou een voordeel kunnen zijn, ware het niet dat Siri op je mobiele device niet met spraak geactiveerd kan worden. Siri’s spraak klinkt bovendien minder goed dan die van Alexa (dat kan verklaard worden doordat Alexa zich tot de grotere talen beperkt terwijl Siri ook Nederlands spreekt). Siri heeft daarnaast de sterke neiging om als respons op een vraag met een webpagina te komen – begrijpelijk omdat Siri deel uitmaakt van apparaten met een scherm. Het verschil tussen Siri en Alexa komt ook op een andere manier tot uiting: Alexa is (als los apparaat) een verkoop-hit, terwijl Siri ‘ontdekt’ moet worden in een Apple device.

amazon installed base and skills

Hooggespannen verwachtingen

Of het nu met of zonder spraak is, de verwachtingen ten aanzien van geautomatiseerde dialogen zijn enorm. Capgemini verwacht dat de spraak-assistent in retail de komende drie jaar een ‘dominante factor’ wordt in de klantinteractie. De verwachtingen zijn hooggespannen en leiden dan ook tot hysterische uitspraken als “Klanten die een spraakgestuurde assistent gebruiken, zijn bovendien bereid om tot 500% meer uit te geven dan tot nu toe het geval is via deze vorm van interactie.” Die hooggespannen verwachting is vooral gebaseerd op voorkeuren van consumenten en dus niet op gedrag: grofweg een kwart (24%) van de respondenten gebruikt tegenwoordig liever een spraakgestuurde assistent dan een website, aldus de onderzoekers. De komende drie jaar zal dit percentage stijgen tot 40%. Cap brengt de toename in het verwachte gebruik van spraakassistenten direct in verband met een verdere daling van het bezoek aan winkels. Met een spraak-assistent kan je immers online aankopen doen – het is online shoppen, maar dan spraakgestuurd. Volgens Cap gebruikt op dit moment een derde van de respondenten (35%) spraakgestuurde assistenten voor het doen van boodschappen en de aanschaf van huishoudelijke artikelen of kleding. Andere populaire uitgaven zijn het bestellen van een maaltijd (34%) en het doen van betalingen (28%).

Bankkantoor vervangen door chatbot

De hype rondom chatbots en virtuele assistenten moet met de nodige relativering moet worden bekeken. In Zweden hebben de grootste banken hun kantorennetwerk uitgedund en ingezet op chatbots. Hoe blij consumenten ook zijn met de mogelijkheden rondom selfservice en online bankieren, in Zweden was het eindresultaat in ieder geval niet dat de klanttevredenheid toenam. Het kunnen identificeren van de klant, het begrijpen van de vraag en het herkennen van emoties is allemaal mogelijk, maar niet voldoende.

swedish banks swedish banks

Het aangaan van een volwaardige, dus betekenisvolle dialoog blijft namelijk nog een hele uitdaging. Allereerst: het enige verschil tussen spraakgestuurde assistenten zoals Siri en Alexa en een chatbot is dat de chatbot tekstgebaseerd werkt – de vertaalslag van spraak naar tekst blijft achterwege. In het bedrijfsleven wordt al gesproken over conversational service en conversational commerce, maar chatbots zijn nog niet in staat tot een dialoog.

Chatbots zijn nog behoorlijk dom

De intelligentie beperkt zich tot het begrijpen van de ingevoerde vraag en het genereren van het bijbehorende standaardantwoord (eventueel voorzien van klantgerelateerde gegevens die uit systemen worden opgehaald, denk aan boekingen of bestellingen). Zelfs chatbots die verder doorontwikkeld zijn, zoals Mitsuku, lopen gemakkelijk vast (of eindigen met standaardantwoorden) omdat ze niet met context kunnen omgaan. Een goed voorbeeld van gebrek aan intelligentie is de chatbot van Transavia, die via Facebook Messenger aangeeft dat je ‘direct kunt starten’. Als je een vraag intikt in het Nederlands, komt er eerst een vraag in welke taal je wilt communiceren. Als je geen antwoord geeft, komt de chatbot ook niet met eigen initiatief; als je een ticket naar NYC vraagt, laat de reactie zien hoe de bot werkt.

chatbot chatbot

Chatbots en virtuele assistenten kunnen nog niet anticiperen, ze kunnen niet creatief denken, niet zelf bepalen uit welke systemen ze welke informatie moeten halen, niet bepalen welke controlevragen ze moeten stellen in welke situatie. Soms is het zelfs nodig om te weten wie (in een bepaalde ruimte met meerdere sprekers) iets zegt.

alexa

Wachten op contextgevoelige AI

Kortom, bots missen het vermogen om context te kunnen begrijpen. Context is ook het tussen de regels door kunnen lezen en het kunnen combineren van eerder vergaarde kennis of elders aanwezige kennis of informatie. Veel van die informatie is wel beschikbaar, maar niet gemakkelijk te vinden, laat staan bruikbaar. Aan een klant vragen of het hotel kindvriendelijk moet zijn heeft geen zin als de chatbot had kunnen weten dat de klant geen kinderen heeft: bijvoorbeeld uit een eerdere conversatie of uit klantgegevens. De vraag ‘wie van mijn vrienden is wel eens op Corsica geweest?’ is bijvoorbeeld te beantwoorden met een check van Facebook, maar de kans dat op deze manier een sluitend en correct antwoord wordt gevonden, is niet zo groot. De ontwikkelaars van Ally Assist van Ally Bank hebben wel geprobeerd toe te werken naar een ‘gecontextualiseerde user experience’. Klanten van de Ally Bank hebben de optie om te chatten of te spreken en Ally Assist houdt rekening met eerdere interacties. De assistent onthoudt eerdere vragen (en antwoorden) en presenteert informatie op maat. Zelfstandige virtuele agents zoals Alexa moeten het doen met een internetverbinding en de opgeslagen dialoog. Alexa is bijvoorbeeld niet in staat om als stand alone oplossing aan technische trouble shooting te doen.

Context: grote technologie-uitdaging

Het is vooral deze veelheid aan context die gedurende een conversatie kan veranderen die het lastig maakt: in welke systemen moet de chatbot zoeken? Omgekeerd geldt voorlopig de wet dat een chatbot beter is in zijn taak als dat een gespecialiseerde taak is.

Het betekent ook dat we de komende jaren veelvuldig te maken zullen krijgen met chatbots en virtuele assistenten die ons proberen te helpen, maar daar volstrekt in falen. Daarom is dit artikel van Arjan van Hessen (Telecats/TU Twente) relevant: hij vraagt zich af of het niet tijd wordt voor fatsoensregels voor onze omgang met virtuele assistenten. Alexa kan je het zwijgen opleggen door te zeggen ‘Alexa, stop’, maar ‘Alexa, shut up’ werkt even goed. Hoe weinig ontwikkeld ze ook zijn, we kunnen de assistenten en bots op dit moment wel degelijk beschouwen als een soort robots waar we in de toekomst nauw mee gaan samenwerken, -wonen en –leven.

context

Banken, energie- en telecombedrijven: de toekomst van commodities

Wat is het verschil tussen Eneco, E-ON, Engie, Essent of Nuon? En wat maakt ING anders dan ABN AMRO of Rabobank? Als je mobiel belt via Vodafone of T-Mobile, merk je dan altijd een verschil? Voor je apparaten en verlichting maakt het niet uit of de stroom je stopcontact groen of grijs heet en wie het levert. Zo heeft ook iedere bank tegenwoordig een mobiele app en doet iedere mobiele telecomprovider aan uitgebreide selfservice. In elk van deze drie sectoren gaan diensten, producten en prijzen steeds meer op elkaar lijken. Het zijn commodities. Wat is straks hun onderscheidend vermogen? 

Commodity-spelers gaan allemaal door een vergelijkbare digitale transformatie heen, elk op hun eigen manier. Voor energiebedrijven geldt dat het einde van hun traditionele rol als energieproducent in zicht is. Centrale opwekking maakt plaats voor decentrale opwekking via een mix van natuurlijke bronnen zoals wind, zon en water. Door de consolidatie in de Europese energiemarkt zijn er een paar grote spelers over, die allemaal voor dezelfde uitdaging staan: nieuwe verdienmodellen zoeken. Van productie en levering schakelen ze over naar het organiseren van een intelligente demand & supply, het geven van advies over energieopwekking, -verbruik en –besparing, het regelen van de financiële transacties en het leveren van aanvullende diensten op het gebied van domotica.

Op zoek naar toegevoegde waarde

Telecombedrijven hebben hun oude verdienmodel al jaren geleden omgebouwd: van telefoontikken naar data. De verschillen tussen aanbieders gaan nu nog over datavolumes en snelheden, maar over een paar jaar is iedereen altijd en overal online en met de komst van 5G netwerken valt het verschil tussen mobiele en bedrade connectiviteit weg en verdwijnt ook het onderscheid tussen aanbieders van (mobiele) connectiviteit.

Ook kabelmaatschappijen, die voorheen geld verdienden met het doorgeven van pakketten met radio- en televisiekanalen (content), zijn veranderd in databoeren. Ook in de kabel- en telecomsector heeft consolidatie plaatsgevonden, waardoor een paar grote spelers zijn overgebleven die vergelijkbare diensten aanbieden: triple en quad play, een combinatie van vaste telefonie, mobiele telefonie, internet en televisie. De komende jaren wordt de toegevoegde waarde van deze spelers vooral bepaald door exclusieve content zoals sport of slimme aanvullende diensten – ook hier staat domotica op het lijstje.

Nieuwe marktspelregels

Ook banken krijgen te maken met verder gaande ‘commoditization’. De PSD2-wetgeving (Payment Services Directive 2, die oorspronkelijk op 13 januari geëffectueerd zou worden) maakt een eind aan de monopoliepositie die banken hebben op het gebied van financiële transacties. Betaalverkeer was al grotendeels geautomatiseerd; het wordt nu een commodity en straks bovendien real time. Net als energiebedrijven zullen ook de traditionele Nederlandse grootbanken (ING, Rabo en ABN AMRO) op zoek moeten naar nieuwe verdienmodellen. Er gelden nog steeds strenge regels voor bestaande en nieuwe spelers (denk aan een bankvergunning), maar de concurrentie staat klaar om nieuwe diensten uit te rollen. Denk aan slimme huishoudboekjes, aan frictieloos betalen, aan slimme koppelingen met e-commerce en aan geheel nieuwe benaderingen van loyaliteit: niets zegt meer over bestedingspatronen dan je bankrekening.

Waardecreatie persoonlijk maken

Hoe verander je van een grijze muis in een onderneming die vraaggestuurde, gemakkelijke, flexibele, relevante en gepersonaliseerde diensten levert aan consumenten? Op de eerste plaats moeten ze vooral (meer) data-driven worden, want dat is de enige mogelijkheid om gepersonaliseerde verdienmodellen haalbaar te maken. Kennis over de klant is cruciaal. Je zou dus verwachten dat banken zich nu al zouden richten op het aanbieden van gepersonaliseerde financiële diensten. Maar banken en verzekeraars blijven net als energiebedrijven reactief. Alleen telecomoperators lijken oog te hebben voor een proactieve klantbenadering. Ericsson stelt dat consumenten klaar staan voor aanvullende diensten en heeft voor telco’s een overzicht gemaakt.

click to enlarge
Massa = kassa, omvang is zwakte

Voor de drie commodityspelers in onze economie – nutsbedrijven, banken/verzekeraars en telecombedrijven – is de bereikte schaalgrootte zowel een kracht als een zwakte. Hun omvang vergroot het potentieel als ze er in slagen nieuwe verdienmodellen te realiseren (massa = kassa). Maar die omvang is ook een vertragende factor door de logheid van organisaties: dat er gepraat wordt over ketengebaseerd werken en het vergroten van de wendbaarheid betekent niet dat silo’s zijn verdwenen en legacy is geëlimineerd. Groter betekent niet beter, zoals te zien is bij UPC-Ziggo-Vodafone, waar klanten (en medewerkers) eerst door het dal van de integratie moeten.

Banken, verzekeraars, nutsbedrijven en telecombedrijven hebben de afgelopen jaren bovendien veel geïnvesteerd in operational excellence, terwijl dat steeds minder bijdraagt aan het onderscheidend vermogen. Daarbij zijn met name banken na de bankencrisis van 2008 bezig geweest met saneren van diensten, producten, personeelsbestand en het kantorennetwerk (ABN AMRO ging in zes jaar tijd van 600 naar 200 kantoren).

Voor de meeste Europese energiebedrijven geldt dat zij nog volop worstelen met hun assets zoals bruinkoolmijnen (RWE) en centrales (Vattenfall). Commodityspelers investeren daarnaast sterk in het vergroten van hun wendbaarheid – werken met bijvoorbeeld DevOps, lean en agile staat volop in de schijnwerpers – zodat ze sneller kunnen inspelen op verandering. Het idee dat alleen startups snel, wendbaar en creatief zijn, gaat niet meer op: ook gevestigde spelers zorgen er voor dat ze deze competenties in huis halen via overnames of partnerships met startups.

Aan de voorkant weinig verschil

Kortom, aan de binnenkant en achterkant wordt doorlopend aan de organisatie gesleuteld, met als resultaat dat de commodityspelers aan de voorkant steeds meer op elkaar zijn gaan lijken, zowel op het gebied van prijs als kwaliteit van dienstverlening. De omkering van commodityspeler naar klant- en vraaggerichte onderneming is nog niet echt zichtbaar.

Wat is wel zichtbaar? De oude verdienmodellen van banken, telecomspelers en energiebedrijven zijn een aflopende zaak. De commodity-spelers zetten verkennende stappen richting een onzekere toekomst. ING heeft een zeer succesvolle app ontwikkeld, maar ook (met de nodige tamtam) de interne organisatie aangepakt (met agile werken in tribes) en het denken omgevormd van ‘producten’ naar ‘journeys’, ofwel van ‘hypotheken’ naar ‘wonen’. ABN AMRO zet in op duurzaamheid – denk aan het verstrekken van leningen voor het verduurzamen van huizen en de financiering van lokale energieopwekking. Ook energiebedrijf Eneco gaat aan de slag met duurzame energie, maar zet daarbij in op smart producten en diensten zoals oplossingen om de elektrische auto op te laden, apps voor energiemanagement en batterijen voor energieopslag.

De slimme meter en het platform Toon zijn de springplank voor nieuwe, voor de klant relevante diensten op het gebied van domotica en beveiliging, maar inmiddels heeft vrijwel ieder energiebedrijf een eigen app. Energiebedrijf NUON ziet vooral kansen in mobiliteit en in het helpen verduurzamen van grote ondernemingen. Het is de vraag waar kabelaars en telecomspelers voor gaan kiezen met data als commodity: opschuiven op richting IT (denk aan cloudtoepassingen) of richting media (denk aan het aanbieden van exclusieve content zoals sportwedstrijden).

Een berg aan data

Maar alle apps, tribes, omnichannel strategieën en datadriven businessmodellen ten spijt: geen van de commodity-spelers heeft de weg weten te vinden naar gepersonaliseerde en realtime dienstverlening. Dat is dienstverlening die qua prijs en inhoud precies en op het juiste moment aansluit op de behoefte van de klant. Standaardisatie is nog niet ingeruild voor adaptief. Dat is vreemd, want banken, verzekeraars, energiebedrijven en telecombedrijven zitten al jaren op een berg aan data. Daar hebben ze tot nu toe weinig proactiefs mee gedaan. Bent u al een keer gebeld door uw bank/energiebedrijf/telefoonbedrijf om te vragen hoe het afgelopen jaar ging, en wat het komend jaar beter zou kunnen? Is er al een aanbod geweest waaruit blijkt dat ze weten wie u bent of wat u potentieel aan energie zou kunnen besparen? Of moet u nog steeds zelf bedenken hoeveel data u nodig heeft? Heeft uw ziektekostenverzekeraar – met het jaarlijkse, miljoenen verslindende overstapcircus – in oktober geïnformeerd wat uw plannen voor januari komend jaar zijn? Is er al een verzekering op maat?

De kans dat er straks geen banken meer bestaan, acht ik niet zo groot. Maar de commodityspeler die kiest voor een proactief partnership met de klant waarbij een gedeeld belang en ontzorging voorop staan (en wat bijdraagt aan een duurzame relatie), die heeft straks een voorsprong. Helemaal als het grootste deel van de consumenten straks bestaat uit mensen die pragmatisch naar commodities kijken en weinig loyaal aan merken zijn.

Lees ook: Adaptieve producten zetten de economie op z’n kop

Het contactcenter in 2020 is data-driven

Digitale transformatie is meer dan een verandering in businessmodellen. Digitalisering betekent ook letterlijk dat er iedere seconde ongekende hoeveelheden data door cyberspace heen gaan. Toenemende rekenkracht en sterk verbeterde algoritmen stellen bedrijven in staat meer te doen met data: om onbekende kansen te ontdekken; om bestaande processen te optimaliseren door scherpere keuzes te maken; en om processen te vergemakkelijken en versnellen door professionals te voorzien van bruikbare informatie. Wat is de impact van digitaal op klantcontact?

Het begrip ‘digitale transformatie’ wordt overal te pas en te onpas gebruikt, net als het inmiddels bijna versleten concept ‘agile’. Wat is digitale transformatie? Het is de omslag naar een (meer) data-gedreven bedrijf, zodat er optimaal kan worden aangehaakt op de digitale economie. Criticasters van de digitale economie hebben dan ook bij voorkeur een paar honderd euro aan bankbiljetten in een oude sok: denk het internet ‘weg’ en ga na wat er allemaal tot stilstand komt.

De meeste vergezichten die een paar jaar geleden werden geschetst als het ging om digitale transformatie, zijn inmiddels bewaarheid geworden. De manier waarop bedrijven en klanten interacteren is de afgelopen jaren ingrijpend veranderd. We kopen steeds meer online en steeds minder in fysieke winkels. We verzamelen onze informatie digitaal en we werken en communiceren digitaal. Naast de cliché-voorbeelden van de digitale economie (Airbnb en Uber) komen er steeds nieuwe voorbeelden bij waaruit blijkt dat de digitale economie voor versnelling en verstoring zorgt. Tesla’s leggen inmiddels vele kilometers af terwijl ze zelf sturen, maar Elon Musk gaat ook aan de slag met autoverzekeringen. Daarmee zet Tesla een complete keten buitenspel. Ook banken en verzekeraars reageren op disruptie, bijvoorbeeld door in te spelen op de deeleconomie en ‘autoverzekeringen per uur’ aan te bieden – iets waar verzekeraar NN aan werkt. De komende tijd gaat er ook het nodige veranderen in hoe klanten en bedrijven contact met elkaar hebben. In dit artikel vijf facetten van klantcontact.

1. Interactie wordt digitaal

Contactcenters gaan de komende drie jaar ‘dure’ kanalen afstoten en focussen op die kanalen die het beste passen bij de meest renderende klanten. Omdat consumenten uit zichzelf ook steeds meer online interacteren met bedrijven, ontstaan er meer mogelijkheden voor bedrijven om interacties met weinig toegevoegde waarde te automatiseren. Daarbij zijn er drie kanalen waarvan het voorbestaan onder druk staat. Op de eerste plaats de briefpost, een geheel ten onrechte vergeten categorie. Grote organisaties ontvangen jaarlijks nog honderdduizenden brieven. Het CAK is goed voor ruim 300.000, de NS voor 243.000. De grootste vereniging van Nederland ontving in 2014 nog ruim 744.000 brieven, een aantal dat in 2016 was teruggelopen tot ruim 512.000. Energiebedrijf NUON ziet ook dalende volumes: 150.000 brieven in 2013, 115.000 in 2016 en 100.000  in 2017 (bronnen: Toii.NL). Brieven zijn bewerkelijk om af te handelen en vormen een enorme kostenpost voor de backoffice.

data-driven

Op de tweede plaats zetten steeds meer organisaties het e-mail-kanaal ‘uit’, omdat ook dit kanaal relatief bewerkelijk is. In plaats van e-mail schakelen organisaties over op chat. En tot slot, op de derde plaats, komen er steeds meer bedrijven die niet meer bereikbaar zijn per telefoon. Dat wil zeggen: je kunt hoogstens een terugbelverzoek indienen. InShared werkte hier al langere tijd mee, maar nu is ook Oxxio over de brug. Kortom, bedrijven zoeken naar manieren om klantinteractie digitaal te maken, want dan is het te automatiseren en levert het meer data op. Inspelen op die tendens is een van de facetten van digitale transformatie.

2. Algoritme bepaalt wie je als klant ‘aan de lijn’ krijgt

Contactcenters gaan klanten die contact opnemen, aan medewerkers toewijzen (routeren) op basis van klant-eigenschappen en klantwaarde. Waar Sanoma medewerkers met een bepaald retentie-resultaat koppelt aan klanten met bepaalde kenmerken zoals klantwaarde, ontwikkelt softwareleverancier Telecats (onderdeel van Webhelp) een oplossing voor intelligente routering op basis van machine learning. Die houdt aan de ene kant rekening met eigenschappen en voorkeuren van de klant – klantwaarde, klantvoorkeuren, persoonlijke eigenschappen, sociale en gezinssituatie, actuele context zoals een vooraf ingesproken vraag, et cetera. En aan de andere kant houdt intelligente routering ook rekening met het medewerker-profiel. Door de uitkomsten van gerealiseerde ‘matches’ te meten wordt deze matching steeds nauwkeuriger – met andere woorden, hierbij wordt machine learning ingezet als tool om klantcontact data-driven te maken.

 3. Anders plannen

Hoewel het flexibel kunnen beschikken over personeel essentieel is voor ieder contactcenter, keert de wal het schip. Contactcenters stevenen af op een periode van ernstige arbeidsmarktkrapte. Dat heeft te maken met de aantrekkende economie, die samenvalt met een (lang geleden reeds voorspelde) arbeidsmarktontwikkeling. Werkgevers slagen er steeds minder goed in om hun claim op flexibele beschikbaarheid te compenseren met ‘nice place to work’-programma’s.

data-drivenVerschillende werkgevers zijn daarom begonnen met een roostermethodiek die werkschema’s beter voorspelbaar maakt voor medewerkers, waardoor de werk/privé-balans gunstiger wordt. Hiermee kunnen ze het verloop – in sommige contactcenters 400 procent op jaarbasis – terugdringen. Dat heeft een positief effect op medewerker- en klanttevredenheid, maar ook op de kosten: de kosten van verloop zijn 1-2 maandsalarissen per medewerker.

Daarnaast liggen er kansen om de hoogte van de beloning te koppelen aan de populariteit van tijdstippen, zodat het werken op impopulaire uren aantrekkelijker wordt. Overigens is ‘anders plannen’ een (vermoedelijke geslaagde) vorm van symptoombestrijding, aangezien het besturingsmodel  van contactcenters geleidelijk steeds minder goed past bij wat jongere generaties verwachten.

4. De rol van facilitaire contactcenters verandert

Facilitaire contactcenters bereiden zich voor op de digitale transformatie. Voor het realiseren van toegevoegde waarde werken ze aan de ontwikkeling van innovatieve diensten. Ze zullen wel moeten, want Forrester suggereert dat callvolumes – facilitaire contactcenters bestaan bij de gratie van schaalvoordeel – de komende twee jaar hard gaan dalen. De facilitaire spelers zullen krimpen in personele omvang en het wordt een hele uitdaging om met minder mensen een betere marge te realiseren. Dat kan alleen als ze opklimmen in de waardeketen van hun opdrachtgevers door hoogwaardige diensten (specifieke softwareoplossingen, data-analytics, consultancy) aan te bieden. Het Franse Webhelp is tot nu toe vooral bezig met het overnemen van technologiespelers. Door de overname van Telecats maakt Webhelp zijn spraakherkenningsoplossingen nu beschikbaar voor ook de Franse markt, waarmee Webhelp de Nederlandse best practices van het spraakbedrijf kan gaan exporteren. Marktleider Teleperformance vliegt innovatie aan over de as van partnerships, pilots en experimenten, daarbij kiezend voor samenwerking met technologiepartners.

5. Data-driven klantcontact

data-drivenEr gaat een schifting ontstaan tussen contactcenters die het uiterste uit data weten te halen – dat is de kern van de digitale transformatie – en contactcenters die blijven focussen op kostenvoordeel. Aan de ene kant neemt het volume aan contacten af, omdat eenvoudige interacties geautomatiseerd worden. Aan de andere kant wordt het resterende ingewikkelder van aard, waardoor er meer gevraagd wordt aan competenties en dat maakt het duurder. Deze ontwikkeling verhoogt de druk om in te blijven zetten op zoveel mogelijk automatisering van klantcontact. Voor deze digitale transformatie is kennis van en inzicht in data cruciaal: zowel voor de dienstverleners – om hun opdrachtgevers te helpen inde transformatie – als voor de opdrachtgevers: data is de nieuwe olie. De tijd van concurreren op volumematig kostenvoordeel in arbeidskosten is vrijwel voorbij.

Lees ook: De toekomst van facilitaire contactcenters (2016)

Een chatbot die de bocht uitvliegt – de grenzen van kunstmatige intelligentie

kunstmatige intelligentieRelevantie is het sleutelwoord voor sales, service en marketing. Waar het bij sales en marketing gaat om het doen van het juiste aanbod, moet customer service gericht zijn op het doen van de juiste dingen op het juiste moment: personalisatie is de hoogst mogelijke vorm van klantgerichtheid. En om service gepersonaliseerd te maken heb je data nodig. Kunstmatige intelligentie (AI) helpt om die data om te zetten in de best passende acties, maar de inzet van AI is niet zonder risico’s. Rob Walker, Vice President Decisioning & Analytics bij Pegasystems: “Als een systeem kan doen alsof het iets begrijpt, begrijpt het systeem dat dan ook?” Ofwel: wat gebeurt er als je AI inzet, maar het niet meer begrijpt?

Walker vroeg zich in een interview in online vakblad Customer Relations & Technology in 2012 al af wanneer er een tipping point komt in de bereidheid van consumenten om hun data (meestal ongemerkt) af te staan aan organisaties. Nu bedrijven steeds meer aan de slag gaan met kunstmatige intelligentie, neemt het vermogen van bedrijven om beslissingen op die data te baseren toe. Walker, zowel informaticus als gepromoveerd filosoof, pleit voor een onderscheid tussen AI die transparant is en AI die ondoorzichtig is. In het eerste geval is volstrekt duidelijk op basis van welke regels het systeem tot beslissingen komt. In het tweede geval is er sprake van een black box. In veel situaties komt de analysekracht van bedrijven al akelig dicht in de buurt van die black box. Facebook maakt op basis van 10 likes betere inschattingen over jou dan je collega’s, zo legde hij uit. Bij 300 likes kent Facebook jouw voorkeuren beter dan je partner. Facebook is inmiddels in staat om geslacht en leeftijd vrijwel foutloos te voorspellen.

Facebook is ‘small data’

De Facebook-voorbeelden gaan in feite over ‘small data’, aldus Walker – het is niets vergeleken met big data. Hoe kan je AI dan nog controleren of beslissingen herleiden? Walker komt met een voorbeeld van een antenne die NASA inzet bij ruimtevaartuigen. De ideale antenne met de eigenschappen werd ontwikkeld door AI. NASA is blij met het resultaat, maar weet nog steeds niet waarom het ontwerp van het AI-systeem de beste functionerende antenne is.

kunstmatige intelligentieMicrosoft kwam in maart 2016 met de chatbot Tay naar buiten. Tay kreeg ook een twitteraccount en bleek zich op dat medium na verloop van tijd te ontpoppen – het resultaat van machine learning – als een racist die geen moeite had met genocide. Stel je voor, aldus Walker, dat deze chatbot was ingezet voor customer service. Zowel de antenne van NASA als Tay roepen de vraag op in hoeverre AI zichzelf kan uitleggen – of in hoeverre de organisatie die er gebruik van maakt de werking kan uitleggen. Voor Walker is het duidelijk: AI kan niet zonder menselijke supervisie. En daarnaast pleit hij voor het grondig testen van AI, ook op bias. Daarmee kan je voorkomen dat AI – dus ook die vriendelijke chatbot – dingen gaat doen die jouw bedrijf grote schade toebrengen. Dat geldt niet alleen voor chatbots, maar vooral ook voor de inzet van algoritmen.

GDPR dwingt bedrijven tot openheid

De komende jaren wordt het vraagstuk rondom AI alleen maar complexer. De nieuwe privacywetgeving GDPR dwingt bedrijven open te zijn over hoe ze data verwerken, maar AI heeft daarin nog geen plekje. Dat is met name een probleem voor ondoorzichtige AI. Op het moment dat een organisatie systemen inzet waarvan de werkingsmechanismen niet geheel bekend is (of nog sterker, ook de uitkomsten niet volledig voorspelbaar zijn, zoals bij chatbot Tay) ontstaat er een risico. Technologie, ook AI-aangedreven tools, wordt meestal ingekocht van leveranciers die niet tot nauwelijks een rol spelen bij de praktische inrichting van systemen. Dat laatste is aan de klant in samenwerking met een system integrator. Klantorganisaties proberen marketing en service menselijk te houden, maar het is de vraag of we dat station niet al lang gepasseerd zijn.

Data is het nieuwe goud, maar dat was het al lang. We krijgen via AI wel steeds meer en krachtiger mogelijkheden om er iets mee te doen. Het is de vraag of bedrijven aan hun eigen klanten kunnen uitleggen waarom hun AI-toepassingen niet creepy (of juist wel creepy) zijn. Daarom is de meest praktische oplossing wellicht dat bedrijven aan klanten gaan vragen hoeveel voordeel ze willen, in ruil voor het inleveren van data en privacy. Een tweede oplossing kan zijn dat bedrijven hun klanten gaan voorlichten over de wijze waarop ze AI inzetten. Of wordt het tijd voor een nieuw soort disclaimer: “Dit aanbod/advies is mede tot stand gekomen op basis van kunstmatige intelligentie”?

[dit artikel verscheen eerder op Klantcontact.nl]

Een robot met gevoel

kunstmatige emotionele intelligentieHet wordt ook wel de vierde industriële revolutie genoemd: de totale digitalisering van de samenleving. In de digitale economie doen mensen steeds vaker zaken met systemen, software en algoritmen in plaats van met andere mensen. Kunstmatige intelligentie staat daarbij centraal. Binnenkort staan we voor de vraag of we accepteren dat een robot beschikt over kunstmatige emotionele intelligentie. 

Na de efficiencyslag van de derde industriële revolutie (de opkomst van de eerste automatiseringsgolf) brengt ook de vierde industriële revolutie veel kansen met zich mee. Met data als grondstof en software als machine kunnen we informatie veel beter benutten. De keerzijde is dat hardware en software zich zo snel hebben ontwikkeld, dat computers ook veel taken kunnen overnemen die voorheen exclusief aan mensen waren voorbehouden. Optimisten stellen dat iedere technologische revolutie voor het verdwijnen van banen heeft gezorgd, maar ook nieuwe werkgelegenheid heeft gecreëerd. Sommigen hebben het bij die vierde revolutie over nieuwe banen zoals ‘head of humanity’ – want ook voor de verdere ontwikkeling van kunstmatige intelligentie zijn mensen nodig.

Van hulpmiddel naar vervanger

In zijn boek ‘The Rise of the Robots’ legt Martin Ford haarfijn uit waarom de vierde industriële revolutie anders is dan de voorgaande drie revoluties. De computer verandert de komende jaren van een ‘complementair hulpmiddel’ in een ‘vervanger’ van de mens. Het ontstaan van nieuwe technologiebanen kan niet compenseren dat grote groepen op de arbeidsmarkt – inclusief hoogopgeleide kenniswerkers – hun voorsprong op de computer zullen verliezen. Ford is relatief behoudend: hij voorspelt dat kunstmatige intelligentie over tien tot twintig jaar tot maatschappelijke ontwrichting zal leiden door grootschalig verlies van werkgelegenheid. Hij zegt er meteen bij dat veel Silicon Valley-ondernemers denken dat die toekomstscenario’s al over vijf tot tien jaar aan de orde zijn.

We doen al jaren zaken met systemen

Het grote onderscheid tussen mensen en kunstmatige intelligentie is dat de laatste variant nog niet beschikt over empathisch vermogen en evenmin in staat is creatief te denken. Daarom lijkt de computer vooralsnog geen bedreiging voor beroepen waar intensieve interactie met mensen centraal staat – iets wat ook Ford in zijn boek betoogt. Maar hoe belangrijk ze ook mogen zijn, de interacties tussen mensen (klant en leverancier, patiënt en arts, student en docent) bevatten ook altijd eenvoudiger, repeterende en routinematige elementen. Veel daarvan is in de afgelopen jaren al geautomatiseerd: denk aan het zelf inchecken van passagiers en bagage bij luchthavens, de ontwikkeling van online selfservice bij klantenservice, de opkomst van e-learning en het zelf regelen van bankzaken via apps en websites. Ook het ingewikkelde werk aan de ‘achterkant’ van die interactie – zoals het verwerken van schadeclaims of het opstellen van analyses en adviezen – wordt in toenemende mate geautomatiseerd. Wat overblijft, zijn de interacties tussen mensen waar onvoorspelbaarheid, creativiteit en empathie een rol spelen. Je kunt het ook omdraaien: waar de huisarts nu nog zelf een diagnose stelt, kan hij straks terugvallen op een systeem en wordt zijn taak beperkt tot het tonen van empathie. Totdat kunstmatige emotionele intelligentie zijn intrede doet.

De computer begrijpt wat ik bedoel

Of we het als mens accepteren dat ‘systemen’ onze emoties en intenties gaan begrijpen, is de vraag, maar er wordt in ieder geval aan gewerkt. Watson Engagement Advisor – ja, een telg uit de IBM Watson kwekerij – is in staat in natuurlijke taal te communiceren. Watson heeft daarvoor 300 miljoen Engelse woorden gelezen en begrijpt natuurlijke taal inclusief de nuances. Watson gebruikt bovendien deep learning. IBM stelt dat dit alles voldoende is voor het herkennen van de achterliggende intentie van een vraag, ongeacht hoe die vraag wordt gesteld.

 

kunstmatige emotionele intelligentie

 

In bovenstaand voorbeeld – can I change my flight? – is het de intentie dat de vlucht wordt gecancelled. Watson kan uiteraard veel aanvullende vragen stellen om dichter bij de juiste beslissing te komen – ben je een trouwe klant? Zijn er nog andere zaken om rekening mee te houden? Wat moet Watson bijvoorbeeld doen als de klant meldt dat hij een fervent blogger is? Wanneer Watson tot het inzicht komt dat hij niet alle informatie met voldoende zekerheid kan verwerken, zet hij de vraag door naar een menselijke collega. Watson kan rationeel gezien dus een heel eind komen, maar mist nog wel dat wat hem onderscheidt van mensen: emotionele intelligentie.

De computer begrijpt wat ik voel

Juist in intensieve interacties tussen mensen is empathie een van de belangrijkste zaken om tot het juiste begrip van de ander te komen. Wanneer systemen in staat zijn de juiste ‘emotionele’ informatie te verzamelen – denk bijvoorbeeld aan de ooguitdrukking, spraaksnelheid en volume, lichaamshouding – kunnen ook zij tot een beter begrip komen. Deze tweede tak van sport wordt affective computing genoemd – of kunstmatige emotionele intelligentie. Analistenbureau Markets and Markets voorspelt dat de markt voor affective computing over drie jaar (in 2020) 42 miljard dollar zal omvatten. De belangrijkste toepassingsgebieden: retail, zorg, overheid en defensie; met name op die plaatsen waar informatie moet worden verzameld, waar wordt samengewerkt en waar informatie wordt verstrekt. Tien jaar geleden verschenen de eerste houterige chatbots op het toneel. Virtuele assistenten of chatbots zijn tegenwoordig in staat om op basis van tekst het sentiment in een dialoog met een mens te beoordelen.

Kunstmatige emotionele intelligentie

kunstmatige emotionele intelligentieOp dit moment wordt op Carnegie Mellon University hard gewerkt aan de eerste ‘chatbot met sociaal inzicht’, genaamd SARA. Die naam staat voor Socially-Aware Robot Assistant en SARA is in staat om sociaal gedrag te herkennen in conversaties. SARA verwerkt realtime visuele informatie (lichaamstaal, gelaatsuitdrukking), intonatie, volume en snelheid van de spraak en verbale informatie (spraakherkenning) van de gesprekspartner. Bij het bepalen van de respons wordt er zowel rationeel als sociaal geanalyseerd. Wat is de beste oplossing voor het vraagstuk dat is voorgelegd? En wat is de beste manier om de respons te geven: met welke gelaatsuitdrukking, lichaamstaal en stemgebruik? Daarna wordt de respons via een Natural Language Generation module uitgesproken op een manier die aansluit bij de gesprekspartner.

Software is eating the world

Gaan mensen accepteren dat een robot invoelend gedrag vertoont? De attitude ten aanzien van nieuwe technologie kan snel veranderen zoals dit beroemde filmpje uit 1999 laat zien. De acceptatie van ‘kunstmatige intelligentie met gevoel’ zal afhangen van kwaliteit, geloofwaardigheid en vertrouwen. We zijn de afgelopen jaren al een heel eind opgeschoven van mensen naar machines: denk aan bankzaken (van kasmedewerker tot mobiele app), informatie verzamelen (van bibliothecaris of encyclopedie-redacteur naar internet) en het nemen van aankoopbeslissingen (van letterlijke mond-tot-mondreclame naar klantbeoordeling op een webpagina). We vertrouwen op gegevens op ons scherm in plaats van op het oordeel of vermogen van een levend medemens. En in plaats van ervaringen met echte mensen te delen, delen we data via systemen. Software is eating the world.

Pikant detail is dat de conversaties die nu worden gevoerd in customer service het ideale leermateriaal zijn voor de invoelende robot. Veel van deze gesprekken worden digitaal vastgelegd, inclusief schermhandelingen. Daarnaast wordt vaak aan klanten gevraagd een oordeel te geven over de interactie in de vorm van een klanttevredenheidscijfer. Op deze manier lijken contactcentermedewerkers mee te werken aan de automatisering van hun eigen werk. Wellicht geldt dat straks voor meer beroepen.

De toekomst van facilitaire contactcenters

facilitaire contactcenters
parking bot

Bedrijven maken zich op voor een nieuwe golf aan automatisering. De inzet van virtual reality, kunstmatige intelligentie en chatbots staan daarbij bovenaan de verlanglijstjes, aldus een nieuwsbericht van Oracle. Ook klantcontact gaat de komende tijd opnieuw ingrijpend veranderen. De rol van de live agent wordt niet minder belangrijk, in tegendeel. Maar het volume aan live contacten zal afnemen. Dat zet de businesscase voor outsourcing van klantcontact naar facilitaire contactcenters – de dienstverleners waar bedrijven hun klantcontact kunnen onderbrengen – in een ander perspectief.

Volgens klantcontactexpert Hans Bach ligt de belangrijkste uitdaging van facilitaire contactcenters in het focussen op toegevoegde waarde. Om hun onderscheidend vermogen op peil te houden zullen ze meer moeten doen dan het leveren van betere operationele resultaten. Ook het leveren van innovatieve kracht beschouwt Bach als opdracht. In een analyse in CustomerFirst schrijft hij bovendien dat medewerkers binnen nu en vijf jaar ‘andere dingen gaan doen’ – zoals het goedkeuren van beslissingen die genomen zijn door geautomatiseerde systemen. ICT wordt door Bach vooral gezien als middel ter ondersteuning van agents – bijvoorbeeld in de vorm van realtime monitoring en gespreksanalyse. Hij relativeert dan ook de opkomst van automatisering van klantcontact. Het argument: kunstmatige intelligentie is nog niet in staat is de vraag achter de vraag (de intentie) van de klant te begrijpen.

Hij gaat echter voorbij aan het feit dat veel interacties weldegelijk verder te automatiseren zijn. Met die doorlopende automatisering als een van de leidende trends verwacht ik dat de komende drie jaar zichtbaar gaat worden dat het verdienmodel van facilitairen begint af te brokkelen. Er zijn verschillende trends die duidelijk maken wat de effecten zijn van de digitalisering van interacties op outsourcing.

 

Technologieleveranciers krijgen andere rol

Om te beginnen een uitstapje naar de IT-industrie, waar outsourcing zo ongeveer is uitgevonden. Tot enkele jaren geleden zetten de grote IT-dienstverleners volop in op langdurige en grootschalige contracten met waarden oplopend tot honderden miljoenen dollars. Klassieke outsourcing kwam neer op leveren van diensten voor het beheer van software, werkplekken of infrastructuur, gebaseerd op schaalvoordeel en standaardisatie: ‘your mess for less’. In veel gevallen werd daarbij personeel van de opdrachtgever of vorige dienstverlener overgenomen.

Die tijden zijn echter aan het veranderen. De grote IT-dienstverleners staan voor een grote transformatie. Steeds meer onderdelen van het klassieke portfolio van IT-dienstverleners worden geautomatiseerd: de automatisering van IT. IT-outsourcingcontracten worden steeds korter, meer flexibel en komen vaker in handen van kleinere niche-spelers. Het is niet ondenkbaar dat IBM of Accenture (nu beiden nog circa 375.000 medewerkers) over een paar jaar in omvang gehalveerd zijn. Deze bedrijven zijn dan ook hard bezig met zowel reorganiseren als het opbouwen van nieuwe business, bijvoorbeeld in kunstmatige intelligentie en customer experience.

 

Klantinteractie blijft vatbaar voor automatisering

Die doorlopende automatisering is ook zichtbaar in klantcontact. In de jaren negentig viel de rol van de telefoniste weg door de opkomst van automatische routering (ACD, IVR); daarna kwam online selfservice op, gevolgd door e-commerce. Met de inzet van bots en spraakherkenning wordt opnieuw een deel van de interactie tussen klant en bedrijf geautomatiseerd, wat leidt tot inzet van minder mensen.

Vergelijkbare veranderingen zijn zichtbaar in de retail, waar nu vooral online modellen voor de groei zorgen. In combinatie met fintech ontstaan toepassingen voor frictieloos betalen (geen kassa meer nodig). De digitalisering van klantcontact en transacties schuift steeds meer op in de richting van mobiele, geïntegreerde app-platforms (Facebook Messenger, LINE en WeChat). Binnen WeChat draaien al meer dan 500 bots voor bestellingen, reserveringen, transacties, communicatie, nieuwsvoorziening en entertainment.

facilitaire contactcenters

Kostenbesparing is een van de drivers van verdere digitalisering, maar ook om een andere reden zijn bedrijven gebaat bij uitbreiding van digitale interacties. Ze zijn relatief gemakkelijk te sturen en leveren data op. Dat geldt ook voor live interactie, maar de slag van spraak naar bruikbare business intelligence is voorlopig nog een stuk ingewikkelder.

 

Effecten digitalisering al jaren zichtbaar op arbeidsmarkt

Dat digitalisering in BtC-dienstverlening doorzet, is ook te zien aan de ontwikkeling van werkgelegenheid. In de financiële sector zouden tussen 2014 en 2019 15.000 banen verdwijnen, aldus een analyse van UWV uit 2014. We kennen inmiddels de krantenkoppen over ontslagen bij ABN AMRO en ING. In april 2016 concludeerde werving- en selectiebureau Hays dat van de professionals in de financiële sector 60 procent verwacht dat de werkgelegenheid in de sector verder afneemt. 40 procent van hen denkt zelfs dat in 2030 zijn of haar functie niet meer bestaat. Cloudsoftware en kunstmatige intelligentie worden door 80 procent van de financiële professionals als bedreiging voor de werkgelegenheid gezien.

Ook de reissector is een goed voorbeeld van digitalisering. Tussen 2007 en 2013 daalde het aantal banen in de reissector van 18.740 tot 14.100. Sinds de laatste twee jaar stijgt het aantal banen weer, maar is het accent verschoven naar online marketeers en e-commerce managers. Kortom: het draait ook daar niet om menselijke customer service, maar om IT.

 

Gedrag van consumenten

De tweede trend gaat over het gedrag van consumenten. Volgens KIRC is (wereldwijd) het volume aan live contacten sinds 2014 afgenomen, ten gunste van de volumes aan online selfservice: beide volumes zijn nu even groot. Het gebruik van e-mail (waar medewerkers de afwikkeling verzorgen) daalt geleidelijk; het aantal bedrijven dat het e-mailkanaal ‘sluit’ neemt toe, terwijl app care groeit. 2016 was het jaar waarin (in de VS) het aantal Millennials het aantal babyboomers oversteeg. In ons land ligt de piek van de vergrijzing in 2035; halverwege de jaren 20 van deze eeuw zal het relatieve aandeel babyboomers voor het eerst gaan dalen. Hoewel de kanaalvoorkeuren van consumenten uiteindelijk vooral afhangen van de situatie (en in mindere mate van de leeftijd), zullen jongere generaties zoals Millennials en generatie Z wel steeds zwaarder hun stempel drukken op online interactie.

Ondertussen neemt het aantal mobiele abonnementen toe, net als het aantal interacties. In 2017 zullen er 8,3 biljoen mobiele messages worden verstuurd, waarvan 90 procent gelezen kan worden in minder dan 3 minuten. De helft van de consumenten verwacht tegenwoordig dat bedrijven 24×7 klaar moeten staan om vragen van klanten te beantwoorden. Meer dan de helft (bijna 64 procent) vindt daarbij dat bedrijven bereikbaar zouden moeten zijn via messaging apps. Die tekstgebaseerde online communicatie is het perfecte vertrekpunt voor automatisering.

 

Kosten van klantinteractie

De mogelijkheid om onderscheidend vermogen te realiseren op prijs of product neemt al jaren af. In sectoren als energie, telecom en e-commerce hebben enorme consolidatieslagen plaatsgevonden. Als spelers zoals Amazon of Alibaba de Europese markt voluit gaan bewerken, neemt de concurrentie in e-commerce nog verder toe. Bedrijven kunnen dus vooral het verschil maken in toegevoegde waarde zoals snelheid en kwaliteit van customer service. Omdat in customer service de complexiteit van het live contact doorlopend stijgt (en daarmee de duur en de kosten), blijft de noodzaak om verdere kostenbesparingen door te voeren belangrijk. Dat wat geautomatiseerd kan worden, zal geautomatiseerd worden.

Na IVR’s, online selfservice en e-commerce websites zijn bedrijven nu bezig met de volgende stap in automatisering. De Zweedse bank Swedbank is er in geslaagd 80 procent van alle standaardvragen af te handelen via chatbot Nina, goed voor 30.000 contacten per maand. Omgerekend is dat – afhankelijk van de gemiddelde gespreksduur – 20 tot 30 FTE op maandbasis. TacoBot van Taco Bell is in staat bestellingen volledig zelfstandig af te handelen.

 

Wanneer komt de omslag in facilitair klantcontact?

De totale Nederlandse markt omvat nu ruwweg 87.000 werkplekken; het aantal werkzame personen in de sector is ongeveer het dubbele. Uit het rapport van Hans Bach komt naar voren dat de facilitaire markt nog groeit van 642 miljoen euro in 2016 naar 691 miljoen euro in 2017. De grote vraag is wanneer die groei gaat omslaan als gevolg van veranderende keuzes van hun opdrachtgevers, waarbij technologie – naast medewerkers – een tweede ‘productiefactor’ wordt bij het afwikkelen van contacten. Dat sommige spelers anticiperen, blijkt uit het partnership dat Webhelp recent aanging met Recast.AI.

Mijn indruk is dat alle seinen op groen staan: de consument heeft geen bezwaren tegen chatbots, de technologie is beschikbaar. Het volume aan live contacten zal afnemen, en het verwerken van minder calls met een hogere complexiteit vraagt om een hoger opleidingsniveau en meer training. Dat staat haaks op het businessmodel van facilitairen – schaalvoordeel gebaseerd op standaardisatie. Tel daarbij op het streven van bedrijven naar innovatie, versnelling, customer centricity en een betere aansluiting op interne IT- en dataprocessen. Al deze ontwikkelingen zullen elkaar de komende tijd gaan versterken. De snelheid waarmee bedrijven op deze ontwikkelingen inspelen, zal bepalend zijn voor de toekomst van de klassieke, grootschalige facilitaire contactcenters. Dat ze in omvang zullen afnemen en door een transformatie heen moeten, staat vast.

Algoritmen, internet of things en PSD-2: recept voor disruptie in de retail

disruptie in de retailEchte innovatie komt vaak neer op onverwachte, nieuwe combinaties uit onverwachte hoek. Wat zijn de ingrediënten voor totale disruptie in de consumentenmarkt? Nieuwe wet- en regelgeving voor banken, het internet of things en kunstmatige intelligentie. Uit dit mengsel komen oplossingen die precies aansluiten op wat consumenten willen: gemak, snelle en realtime dienstverlening, altijd online beschikbaar.

Sinds de financiële crisis in 2008 is er voor consumenten is er niet heel veel veranderd, maar des te meer voor de banken: kun wereld staat op zijn kop. Het toezicht verder verscherpt. Zo zijn bij belangrijke beslissingen van de Raad van Bestuur de toezichthouders en commissarissen letterlijk aanwezig. Daarnaast zijn banken bezig met ingrijpende reorganisaties, want het saneren en digitaliseren van het dienstenportfolio maakt veel mensen overbodig.

Voor consumenten gaan de grootste veranderingen echter nog komen. De invoering van PSD-2, een uitgebreide set aan nieuwe wet- en regelgeving vanuit Europa, is goed voor een complete revolutie. PSD-2 staat voor Revised Payment Service Directive en gaat begin 2018 in. Vanaf dat moment zijn banken niet meer de enige, exclusieve en vertrouwde partij waarmee klanten hun bancaire zaken (financiële transacties) kunnen regelen. Ze krijgen concurrentie van partijen die nieuwe bancaire diensten mogen aanbieden, en die aan minder strenge regels hoeven te voldoen. Voor het doen van dagelijkse bankzaken hoeft de consument straks niet meer bij zijn eigen bank te zijn. Hebben we straks nog wel een bank nodig? En welke fintechs slagen er als eerste in om door te breken met disruptieve innovaties?

Komen banken tijdig in beweging?

PSD-2 is een ingrijpende verandering voor Europese banken. Met ingang van januari 2018 zijn zij verplicht om externe dienstverleners toegang te geven tot de data rondom zakelijke en particuliere betaalrekeningen, wanneer de individuele klant daarmee instemt. In januari 2017 maakt de EU de technische voorschriften bekend waaronder deze toegang moet worden verstrekt. Daarnaast moeten banken hun technische infrastructuur beschikbaar stellen voor zogenaamde payment initiation serviceproviders.

Op dit moment maken de drie Nederlandse grootbanken nog prima marges op leningen (kredieten, hypotheken) aldus een analyse van het FD. Rabobank, ING en ABN Amro hebben gezamenlijk meer dan 90 procent van de Nederlandse markt in handen. Aan het dagelijkse betalingsverkeer verdienen ze echter niets – het is een kostenpost. Als het gaat om het bedienen van consumenten, moeten banken hun geld dus op een andere manier gaan verdienen – zeker wanneer met de komst van PSD-2 de concurrentie op bancaire diensten toeneemt. Omdat klanten nog niet heel gemakkelijk kunnen overstappen, verwachten banken dat zij hun klanten voorlopig nog goed kunnen ‘vasthouden’. Of dat een duurzame combinatie is met afnemende relevantie, is de vraag; SNS Bank anticipeert al op de komst van PSD-2 door als eerste bank de overstapservice volledig te digitaliseren en het meenemen van je rekeningnummer mogelijk te maken. Paul Alfing, senior adviseur betalingsverkeer bij Thuiswinkel.org, is op Emerce duidelijk over de toekomst van banken: “Als banken niet meebewegen, zullen zij steeds meer het contact met hun klanten verliezen. De tekenen zijn er dat banken dit ook meer en meer beseffen.”

Gaat fintech zorgen voor disruptie in de retail?

disruptie in de retailDe investeringen in fintech-bedrijven zijn de laatste jaren enorm toegenomen. Dat vergroot de kans op een enorme shake out, maar ook op succesvolle initiatieven die de bancaire dienstverlening sterk zullen veranderen. De beste kansen zijn er voor diensten die ‘ten times better’ zijn dan bestaande diensten. Het geheim van dat succes ligt soms in een detail; soms komt het neer op het maken van slimme, nieuwe combinaties. Bijvoorbeeld door je rekeningen van verschillende financiële instellingen (bank, creditcardmaatschappij, beleggingen), te combineren in één omgeving. Of door budget- of boekhoudsoftware te integreren in je bankomgeving. Of door betaaltransacties ‘onzichtbaar’ te maken, iets waar (online) retail wel oren naar heeft. Shopping cart abandonment is een groot probleem: omslachtige betaalprocedures met pasjes, codes en identifiers zorgen voor 45 procent afhakers bij het online aankoopproces. Er liggen dus enorme kansen als je de kloof tussen ‘aanbod’ en ‘betaling’ weet te verkleinen. 

Handig: transacties en betalingen automatiseren

De automatische incasso, de geldautomaat (nooit meer in de rij bij je bankkantoor), online bankieren via de smartphone: er is al veel gebeurd om financiële transacties gemakkelijker te maken. De onder- en achterliggende mechanismen vertrouwen we zonder meer. Voor steeds meer diensten – zoals de OV-chipcard met automatische saldo-aanvulling – vinden we het geen probleem om naar te gebruik betalen, zonder dat we hierbij bewust bezig zijn met iedere afzonderlijke transactie.

Omdat we de mechanismen vertrouwen, is het maar een kleine stap naar diensten waarbij we transacties overlaten aan objecten. Zo kan de connected Nespresso-machine op basis van data via de winkel een push-bericht genereren met daarin een nieuwe, voorgestelde bestelling. Het enige wat we hoeven te doen is daar een akkoord op te geven via onze smartphone. De betaling en de afhandeling van de bestelling gebeurt daarna op de achtergrond.

Denkwerk automatiseren via de smartphone

Wanneer data goed geanalyseerd worden, kan je er ook mee voorspellen of suggesties mee doen. Waar een consument nu nog actief moet kijken naar de mededeling van online retailers (‘u zocht naar….’; ‘andere klanten waren enthousiast over….’) kunnen algoritmen ook actief een deel van ons eigen denkwerk overnemen. De gezondheidsapp op je smartphone kan op basis van verzamelde data suggesties doen om bij de volgende levering van Albert Heijn wat extra krachtvoer of vitamines toe te voegen in combinatie met een paar gezonde recepten. Wanneer je online een bloemetje bestelt voor je jarige moeder, liggen er kansen voor de leverancier die jou het jaar daarop tijdig weet te benaderen: zal ik een bloemetje voor je versturen? Kortom, de keuze is al gemaakt, je hoeft hem alleen maar te bevestigen.

Denkwerk uitbesteden
ariel_ezrachi_6
Ariel Ezrachi – Oxford University

Terecht waarschuwt Oxford-professor Ariel Ezrachi voor misleidend gebruik van die algoritmen. Het algoritme bepaalt niet alleen wat je waar en wanneer te zien krijgt, maar bepaalt bijvoorbeeld ook de prijs van producten. Op basis van je postcode kan de prijs omhoog gaan (omdat je in de dure wijk woont) en ook kunnen algoritmen van verschillende aanbieders elkaar beïnvloeden, zodat ze samen zorgen voor een prijsopdrijvend effect. Het ‘ja-zeggen’ tegen geautomatiseerde bestellingen zou je qua budget op je smartphone kunnen begrenzen, maar voorafgaand aan een aankoop eerst zelf kritisch naar de prijzen kijken, dat verdwijnt dan.

Het laten uitvoeren van bestellingen en transacties door algoritmen is een vorm van delegeren. Daarvoor heb je niet alleen duidelijke kaders nodig, maar ook voldoende vertrouwen. Consumenten accepteren massaal ongezien de algemene voorwaarden van smartphone apps van Facebook, Google of Apple. De fintech-partij die als eerste een vergelijkbare portie vertrouwen wint bij het vragen van toestemming voor financiële transacties op basis van algoritmen, gaat een zonnige toekomst tegemoet.

Een goed gesprek van mens tot robot

dsc00040We praten wat af in ons leven. Een van de belangrijkste (en ook meest ingewikkelde) dingen die een mens kan, is communiceren. We hebben hiervoor de beschikking over sociale vaardigheden, verbale uitdrukkingsvaardigheid (woordenschat, grammaticale kennis) en invoelend vermogen (om taal van een ander, maar ook de non-verbale communicatie te begrijpen). We herkennen ook gezichten, zodat we iemand als persoon kunnen plaatsen: onze leidinggevende, ons kind, onze vrienden. Er is voor mensen weinig reden om die communicatie te automatiseren, al zijn er ouders die hun kinderen toevertrouwen aan ‘connected‘ speelgoed waarmee ze interactie kunnen aangaan.

Voor bedrijven ligt dat anders. Zij automatiseren graag zo een zo groot mogelijk deel van de interactie met klanten. Verschillende wetenschappers en softwareontwikkelaars zijn met bezig om de afzonderlijke bouwstenen van menselijke communicatie te vatten in algoritmen en geautomatiseerde systemen. Wat heb je nodig om een goed gesprek te voeren met een computer of robot?

Spraakherkenning

Allereerst moet de computer menselijke, natuurlijke taal kunnen herkennen. Deze technologie is inmiddels goed doorontwikkeld. Computers kunnen gesproken tekst vrijwel net zo goed omzetten in geschreven tekst als professionele transcribeerders. Dat spraakherkenning goed werkt, kan je testen met Siri of Google’s assistent op je eigen smartphone of de demo van Google’s Deepmind. De ‘last mile’ is echter nog lastig. Het gaat daarbij om het begrijpen van context, maar ook om het correct plaatsen van punten en komma’s. Spraakherkenning zou wellicht verbeterd kunnen worden als het gecombineerd wordt met systemen die liplezen.

Liplezen is voor mensen een flinke uitdaging. Een geoefende professional komt niet verder dan 60 procent correcte herkenning. LipNet, een systeem ontwikkeld door wetenschappers van Oxford University, haalt 93 procent accuratesse. De ontwikkelaars zien onder andere mogelijkheden op het vlak van ‘stil dicteren’, maar stellen ook dat spraakherkenning er verder mee verbeterd kan worden. LipNet werd getraind met bijna 29.000 video’s, gecombineerd met de juiste tekst. Het algoritme kan analyseren tot op losse letters. LipNet werd onder meer gefinancierd door DeepMind, de kunstmatige intelligentie-tak van Google.

Met wie spreek ik? Gezichtsherkenning

Gezichtsherkenning bestaat al geruime tijd. Het wordt bijvoorbeeld toegepast bij de douane van Schiphol voor identificatiedoeleinden. In de selfserviceomgeving van de luchthaven wordt nu al de scan van het paspoort vergeleken met het portretbeeld van de passagier, maar Schiphol wil nog een stap verder gaan en gezichtsherkenning uitbreiden over het gehele traject van vertrekhal tot in het vliegtuig.

Het herkennen van emoties
Robot Han van Hanson Robotics
Robot Han van Hanson Robotics

Emoties spelen een belangrijke rol in beslisprocessen van mensen. Interessant dus voor bedrijven die iets willen verkopen. Dat begint al bij marketing, wat probeert in te spelen op ons gevoel. Bij het beslissen over een aankoop worden moties en rationele afwegingen tegen elkaar afgezet. Wanneer een systeem de emotie van een klant kan herkennen, ben je al halverwege de portemonnee van die klant. In 2012 werden de eerste veelbelovende resultaten geboekt met een algoritme waarmee de computer de vorm van de mond van een computergebruiker kan koppelen aan de emoties (geluk, verdriet, angst, woede, walging en verbazing) die de gebruiker voelt. Het algoritme was zelflerend: het werd beter naarmate er meer voorbeelden werden aangereikt.

Volgens de analisten van MarketsandMarkets wordt er ook nu nog steeds veel geld in technologie voor emotiedetectie gepompt: 22 miljard dollar tot 2020. Bedrijven doen hun best om systemen te ontwikkelen die emoties kunnen aflezen van gezichten. Emotient werd begin dit jaar overgenomen door Apple – het zou zo maar kunnen dat je iPhone over een tijdje naar je gezicht kijkt en dat Siri bij het beantwoorden van je vragen rekening houdt met je gemoedstoestand.

Microsoft biedt een emotie-API aan, waarbij de API boosheid, zorgen, afgrijzen, angst, blijdschap, verdriet en verrassing gewogen kan beoordelen. Deze API kan je zelf testen door een foto te uploaden. Het idee achter de API is dat de uitkomst (de waarschijnlijkheid dat een bepaalde emotie aan de orde is) als input voor een ander systeem kan worden gebruikt. Er zijn nog tientallen andere oplossingen ontwikkeld voor emotie-detectie. Een daarvan is Affectiva, een oplossing die aan de hand van camerabeelden van oogopslag en wenkbrauwen op basis van machine learning real time emoties kan benoemen. De software wordt onder andere gebruikt door game developers en filmmakers om de beleving van de gebruiker verder te personaliseren.

Informatie uit emoties kan ook via spraakherkenning worden geanalyseerd. Spraaktechnologie kan behoorlijk goed overweg met de vier basis-emoties (boos, blij, bang en bedroefd) door te kijken naar een groot aantal eigenschappen van de spraak, waaronder toonhoogte, intonatie, tempo en volume.

Het kunnen vertonen van empathisch gedrag is met al deze technologie nog niet gerealiseerd. Daarvoor is empathie te complex: een systeem kan bijvoorbeeld nog geen onderscheid maken tussen een grapje, sarcasme of cynisme. Empathie is voor een groot deel ook cultureel bepaald. Het staat onder invloed van religie, land en taal.

Impliciete kennis en begrip van de context

Waag het niet een persoonlijke vraag aan Siri of een andere assistent te stellen – ‘Wat vind je dat mij beter staat, een hoed of een pet?’ of ‘Waarom ben ik altijd te laat voor mijn afspraken?’. De virtuele assistenten kunnen alleen overweg met de informatie die door de ontwikkelaars wordt aangeboden of ontsloten. Toen Watson de kennisquiz Jeopardy won, beschikte dat systeem over een extreem uitgebreide dataset. Zo’n dataset blijft echter expliciete kennis (denk aan het internet of een gesloten database zoals alle medisch-wetenschappelijke literatuur) die bovendien actueel moet worden gehouden.

Voor zinvolle persoonlijke interacties is ook impliciete kennis nodig. Die categorie kennis zit alleen in hoofden van mensen. Ook hebben kunstmatige intelligentie-systemen veel moeite met ambigue informatie. Het voorbeeld dat Arjan van Hessen aangeeft (Jan ziet Marie met een verrekijker) is een mooi voorbeeld. Een systeem zal ambigue zinnen moeten herkennen en in staat moeten zijn de juiste contextuele informatie te vinden (of op te vragen aan de gebruiker).

De sprekende computer: text-to-speech

Tot slot: een computer die je verbaal wilt laten communiceren met mensen, zal zelf ook tekst naar spraak moeten kunnen omzetten. Ook deze spraaksynthese-technologie is enorm verbeterd. Waar voorheen met blokjes spraak werd gewerkt (waardoor een sprekende computer nogal kunstmatig en houterig over kwam) worden nu veel kleinere eenheden geanalyseerd, gecodeerd en gebruikt om spraak te produceren.

Op weg naar de uncanny valley

De oplossing die alle bovenstaande technologieën weet te combineren in bijvoorbeeld een robot met een levensecht uiterlijk, een goede motoriek en realistische gelaatsuitdrukkingen, komt dicht in de buurt van Westworld. Het is niet ondenkbaar dat over een paar jaar het onderscheid tussen mensen en robots – bijvoorbeeld bij toepassing van videoconversaties – op het eerste oog moeilijk te maken is. Naarmate het verschil tussen robots en mensen kleiner wordt, komt de ‘uncanny valley‘ steeds meer op de voorgrond: een afkeer van robots, omdat ze te veel menselijke trekjes krijgen.

Big data in customer service (2): wat kan customer service met big data?

Is de NPS lager als het buiten regent en er een griepgolf heerst? Zijn vrouwen meer empathisch aan de telefoon dan mannen? Kopen hondenbezitters eerder iets van agents die ook een hond hebben? Data genoeg op het doorsnee contactcenter. De ACD-rapportages, verkeersrapporten, het CRM-systeem, quality monitoring-informatie, WFM- en HR-systemen, ERP-systemen…. En dan hebben we het nog niet eens gehad over alle externe bronnen: van social media tot en met webbezoek.
Iedere bron heeft zo zijn eigen gebruiksdoel, het geheim van big data is het combineren van verschillende datasets. Het aantal voorbeelden van zinvol gebruik van big data in customer service is nu nog beperkt, maar er gloort licht aan de horizon.

Big data is vooralsnog een marketingfeestje

Marketing en service hangen nauw met elkaar samen en in veel gevallen gaat de inzet van big data in een customer service omgeving dan ook vooral over marketing. Eerder schreef ik op Toii over de inzet van big data bij bol.com. Deze online winkel werkt (tot nu toe) uitsluitend met bedrijfsgegevens en laat ongestructureerde data (zoals social media en bezoek aan andere sites dan die van bol.com) bewust links liggen. Voor bedrijven die wel externe data mee willen nemen, liggen er kansen om aan de hand van verschillende variabelen bijvoorbeeld bezoekersaantallen of aankoopgedrag te voorspellen. Denk aan informatie over weersomstandigheden, tijd van het jaar, persoonskenmerken en -voorkeuren en feitelijk gedrag van concurrenten. Zo kunnen analytics worden ingezet voor het bepalen van bijvoorbeeld openingstijden van webshops, maar ook voor inkoop. Dat laatste doet Albert Heijn met bevoorrading (mooi weer opkomst? Extra hamburgers in de schappen) of met gepersonaliseerde marketing via relevante, individuele aanbiedingen aan klanten.

Wat zijn interessante vragen voor customer service?

Het heeft geen zin in een bak met data te gaan zoeken naar zinvolle informatie als je niet weet wat je zoekt. Ook voor customer service geldt: het begint bij een relevante vraag. Voor grootschalige customer service operaties kan het interessant zijn meer vat te krijgen op forecasting en planning. Nog niet zo lang geleden had de Amerikaanse luchtvaartonderneming Delta te kampen met een wereldwijde computerstoring. Herhaling van zo’n drama is niet uit te sluiten en ik denk dat veel concullega’s wel zouden willen weten volgens welke patronen het verkeer in zo’n situatie zich opbouwt. Een vergelijkbare vraag kan je stellen over de impact van grootschalige storingen op NPS, winst en omzet.

Voorspellen van verkeer en gedrag

Ook voor grotere virtuele contactcenters, ook in uitbestede varianten, kan het interessant zijn te weten welke krachten het volume aan interacties opjagen. Persoonlijk zou ik wel willen weten wanneer de routers van internetserviceproviders technisch gesproken hun end-of-life bereiken en welke factoren dit proces versnellen. Dat soort vragen zijn interessant voor alle technische producten die op grote schaal verkocht worden, want ze beïnvloeden de gehele customer experience keten van contactcenter tot logistiek. Denk aan automotoren, computers of smartphones van een bepaald type.

En als grotere ziektekostenverzekeraars slim zijn, hebben ze al lang uitgezocht welke variabelen er voor zorgen dat klanten (tegen het einde van het jaar) gaan bellen. Ik denk dat customer service managers als ze een beetje hun best doen, ze ook nog wel andere interessante vragen kunnen formuleren – waarvan een deel waarschijnlijk tegen marketing aanleunt.

Big data is… de juiste vragen stellen
big data
Thai Young Kim

Data is geen informatie en zelfs analytics levert alleen informatie op als er goede vragen worden gesteld. Samsung is overtuigd van de kracht van data. Sterker nog, alle beslissingen bij Samsung moeten op data zijn gebaseerd, aldus Thai Young Kim, Senior manager of Logistic Innovation bij Samsung. De elektronicagigant is steeds meer afhankelijk van e-commerce. In 2014 kocht 15 procent van de inwoners van de EU (28 landen) online producten geleverd door aanbieders uit het buitenland. Het bedrijf wilde daarom weten van welke factoren de acceptatie van tarieven voor express delivery afhangt in de (grensoverschrijdende) Europese markt voor e-commerce. Die tarieven zijn (vanuit kostenperspectief) uiteraard van invloed op de marge van Samsung, maar ook van invloed op de conversie en dus op de omzet.

40.000 transacties analyseren

Samsung betrok in samenwerking met de Erasmus Universiteit in een big data analyse van 40.000 transacties allerlei variabelen: orderfrequentie, orderomvang, frequentie van herhaalaankopen en zaken die van invloed zijn op de vraag naar express levering, zoals besteedbaar inkomen en logistieke kosten. Verderaf gelegen leveradressen gaan gepaard met hogere kosten voor een express-levering en het is interessant om te weten waar het kantelpunt ligt, maar ook wat de vervolgeffecten zijn als je als leverancier (via de tarifering) investeert in express delivery. De uitkomsten lieten zien dat express delivery een gunstige invloed heeft op de financiële performance van Samsung. Express delivery leidt tot meer orders, een grotere orderomvang en meer herhaalaankopen, zo kon op basis van alle verschillende data worden aangetoond. Naarmate het besteedbaar inkomen van de klant hoger was, nam de kans op het bestellen met express delivery toe.

E-learning optimaliseren met big data

Een andere toepassing van big data in customer service ligt in e-learning. Daarbij worden data-analyses ingezet om te bepalen wat de trainee in de toekomst nodig heeft op basis van huidige performance en gebruik van een e-learning omgeving. Er wordt dan gebruik gemaakt van de gebruiksduur van modules, oefeningen en geboekte resultaten, maar ook van commentaren van docenten. Dit maakt het mogelijk e-learning verder te personaliseren. Met predictive analytics kan het programma worden afgestemd op individuele leerstijlen en tijdschema’s. Hiermee ontstaan intelligente educatieve programma’s met een maximale impact op de organisatie en de medewerker.

Er komen nieuwe databronnen op het contactcenter af

big dataDe komende tijd zal customer service steeds vaker te maken krijgen met data van connected apparaten – denk aan de connected koelkast van Samsung of de connected tandenborstel van Philips. Naast elektronica gaat het ook om sensoren in auto’s en huizen (zoals de smart energiemeter, de connected car of de connected autoverzekering) die verschijnselen waarnemen in de omgeving. Deze data geven inzicht in feitelijk gedrag (en dat is iets anders dan uitbreid klanttevredenheidsonderzoek, waarin je naar meningen vraagt) en in dat opzicht is de informatie vergelijkbaar met bijvoorbeeld verbruiksgegevens. Dat vergroot de mogelijkheden van customer service om klanten gericht te helpen en te up- en cross sellen.

Bedrijven kunnen deze informatie zelf combineren met andere bedrijfsdata – denk aan gegevens uit enterprise software systemen voor financiële transacties, aankoopgedrag, websitegedrag, logistieke processen, klant- en onderzoeksgegevens, respons op campagnes en productinformatie. En bedrijven kunnen aanhaken op datasets van onderzoeksinstellingen zoals het CBS en SCP. En tot slot zijn er de user generated data – gegevens afkomstig van klanten (social media posts, sociale connecties, ratings, geo-locatie, communicatie, meningen en voorkeuren en activiteiten). De organisatie die als eerste creatief met big data weet om te gaan en bruikbare informatie weet te destilleren uit combinaties van datasets, kan een voorsprong creëren door bijzondere kennis over klanten en consumenten op te bouwen.

big data

 

Dit is deel 2 van een tweeluik over big data in customer service. Lees hier deel 1 over big data. Beide blogs werden eerder gepubliceerd op Klantcontact.nl.