Laat u oude data al uw toekomstig succes bepalen?

Allicht bewaart ook uw bedrijf een massa actuele big data die een grote meerwaarde heeft bij het versterken van klantenrelaties. Maar beseft u al dat ook oude data nog zeer waardevol zijn? Als u deze historische informatie op de juiste manier inzet, kan u op een haast helderziende wijze uw marketingbeleid sturen. Dat blijkt uit de studie van de predictive analysis, waarover onze IoT-expert Sourav Rout u alles vertelt.

Kan u even schetsen wat predictive analysis juist inhoudt?

Sourav Rout: “Predictive analytics is een studiemethode die historische data onder de loep neemt en er trends op het vlak van klantgedrag mee voorspelt. Dat met verschillende doelen in het achterhoofd: doorbreken tot de gevoelswereld van de klant, hem sterker aan u binden, en vooral vermijden dat u hem verliest. Predictive analytics helpt bedrijven ook om bepaalde knelpunten weg te werken en nieuwe opportuniteiten detecteren, wat leidt tot een betere customer experience en een groter concurrentievoordeel. Maar de doorgedreven analyse van historische data is meer dan dat: het is de basis van waaruit bedrijven hun klanten écht kunnen leren kennen. Dat is de eerste vereiste om een diepgaand engagement te creëren over verschillende kanalen heen.”

Wat zijn de vereisten om met predictive analysis trends te kunnen voorspellen?

“Hoe sterker de kwaliteit van de data die u verzamelt en hoe langer het tijdsbestek waarin u de informatie hebt verzameld, hoe beter u bepaalde tendensen – goed of slecht – kan waarnemen en erop in kan spelen. Kijk bijvoorbeeld naar klanttevredenheid. Dankzij de brede waaier aan bestaande big data, wordt het een stuk makkelijker om nieuwe doelgroepen te bepalen en te segmenteren. De gedetailleerde informatie over gebruikersprofielen en hun gedragspatronen zorgt ervoor dat bedrijven hun klanten veel gerichter kunnen benaderen met producten en diensten die beantwoorden aan hun specifieke behoeften.”

Predictive analysis komt goed van pas bij loyaliteitsprogramma’s, maar ook om nieuwe opportuniteiten te detecteren. Vertel daar eens wat meer over?

“Dat klopt. Naast klanten motiveren om loyaal te blijven aan uw bedrijf, is ook de omgekeerde insteek – klanten vertrouwen geven – een efficiënte manier om aan klantenbinding te doen. Zo kan u de negatieve boodschappen die in het verleden over uw bedrijf werden geschreven op sociale media, in uw voordeel ombuigen. Door hiermee rekening te houden bij de ontwikkeling en lancering van een nieuw product, kan u negatieve klantervaringen proactief in de kiem smoren en aantonen dat u uw klanten wél begrijpt.

Predictive analysis is in die zin een belangrijk instrument om bedrijven inhoudelijk te adviseren over nieuwe producten en diensten. Waar heeft de klant nood aan en hoe zet u het best in de markt? De 360°-visie die de analyse van historische data biedt, geeft ook inzicht in welke producten en diensten u optimaal kan combineren.”

Historische data zijn ook belangrijk om in de toekomst problemen te vermijden. Hebt u daar een concreet voorbeeld van?

“Potentiële technische problemen, storingen e.d. zijn inderdaad eenvoudiger te detecteren en voorspellen als u gegevens uit het verleden zorgvuldig bijhoudt en monitort. Een goed voorbeeld is de toepassing van een predictive maintenance-beleid. Denk aan een telecomoperator die een klant opbelt om te waarschuwen dat zijn digicorder hapert, nog voordat de klant het zelf heeft opgemerkt. Dat is mogelijk.”

Het kan dus problemen voorkomen, maar is het ook een meerwaarde als er toch issues opduiken?

“Zeker weten. Predictive analysis kan bij technische problemen alsnog voor een positieve context zorgen bij de klant. Stel u voor dat de customer care-agent het issue al gedetecteerd heeft op het ogenblik dat de klant inbelt? De oplossing meteen aangeboden krijgen op het moment dat het probleem zich voordoet, geeft die klant ongetwijfeld meer voldoening dan wanneer hij zijn besognes met handen en voeten moet uitleggen. Frustraties bij de klant vermijden door in te spelen op zijn onmiddellijke en toekomstige noden, leidt ertoe dat consumenten minder geneigd zullen zijn om over te stappen naar de concurrentie.”