Dark data, de missing link in Customer Experience.

01 november 2018

Volgens IBM bestaat ongeveer 90 procent van alle aanwezige data bij organisaties uit Dark Data. Deze dark data bevat een schat aan informatie die gebruikt kan worden om de customer experience te verbeteren. Door de grote vooruitgang die tekstanalyse-software de laatste jaren heeft geboekt, is het moment aangebroken om dark data in het licht te brengen en de geheimen die het bevat te ontsluieren.

Dark data doet een beetje denken aan het mysterieuze dark matter uit de natuurkunde. Misschien niet helemaal toevallig, want waar het grootste gedeelte van het universum uit dark matter bestaat, bestaat het grootste gedeelte van alle data van een organisatie uit dark data. Het is net als dark matter uit het zicht onttrokken en kan dan ook niet worden gebruikt voor meer inzicht of voor het onderbouwen van beslissingen.

Wat is Dark Data?

Gartner definieert Dark Data als de informatie die door organisaties wordt verzameld, verwerkt en opgeslagen gedurende de werkzaamheden, maar in het algemeen niet voor andere doelstellingen worden gebruikt, zoal: analyseren, zakelijke relaties en winstmaximalisatie. Veel data wordt bewaard als een soort van borgstelling, omdat we de behoefte voelen om een soort van zekerheid te creëren waarop we terug kunnen vallen in het geval dat we moeten bewijzen dat iets in het verleden is gebeurd.

Enkele voorbeelden.

Specifieke gevallen wat als dark data aangemerkt zou kunnen worden varieert per bedrijf, maar ieder van onderstaande kan onder de brede term van dark data vallen:

  • Klantinformatie
  • Account informatie
  • Video/audio files
  • (oud) werknemer informatie
  • Financiële verslagen
  • Ruwe onderzoek data
  • Email correspondentie
  • Oude versies van relevante documenten

Waarom wordt dark data niet gebruikt?

Een oorzaak dat dark data niet wordt gebruikt is dat het ongestructureerde data betreft die door computers voorheen moeilijk te analyseren was. Tekst is een voorbeeld van ongestructureerde data en beslaat ook het grootste deel van dark data. Door de vooruitgang die de afgelopen jaren is geboekt in het verwerken van data, Natural Language Processing (NLP) en Machine Learning is het analyseren van tekst binnen het bereik van iedere organisatie gekomen,

Customer experience (CX), het strijdtoneel van de komende jaren.

Volgens Gartner is customer experience (CX) het nieuwe marketing strijdtoneel. In de ‘2017 Gartner Customer Experience in Marketing Survey ‘ geeft meer dan twee-derde van de verantwoordelijke marketeers aan dat hun bedrijven voornamelijk op customer experience concurreren. Over twee jaar verwacht 81% voornamelijk of in zijn geheel op CX te concurreren.

Dit betekend bijvoorbeeld dat bedrijven die voor groei hebben gericht op het ontwikkelen van nieuwe functies/specificaties en productinnovatie nu toekomst zien om zich te gaan onderscheiden op CX.

“Iedere marketeer weet dat het goud om de customer experience te verbeteren verborgen ligt in grote hoeveelheden tekst.”

Onderzoek van IBM laat zien dat slechts 1% van de aanwezige data wordt geanalyseerd.

Wat zou het voor de kwaliteit van de customer experience betekenen wanneer beslissingen om de CX te verbeteren niet zijn gebaseerd op analyse van 1% van de beschikbare data maar op 70 a 80%?

Toepassing in marketing.

Tekstanalyse biedt markteers de mogelijkheid om een groot gedeelte van de data uit de dark te halen en in het licht te zetten. Om de informatie over hoe klanten zich voelen, hoe ze de dienstverlening hebben beleefd, wat ze belangrijk vinden, waar ze blij over zijn en wat ze verdrietig maakt, te gebruiken om daadwerkelijk de customer experience te verbeteren.

Wat is nu tekstanalyse precies?

Tekstanalyse is het geautomatiseerd analyseren van tekst. Tekstanalyse zet ongestructureerde tekst om in gestructureerde management informatie. Tekstanalyse is weer een verzamelnaam van een aantal verschillende analyses of onderdelen. Niet alle onderdelen van tekstanalyse zijn voor de marketeer even relevant. Hieronder geef ik een toelichting op een onderdelen van tekstanalyse die marketeers kunnen gebruiken bij het verbeteren van de klantbeleving.

Inzicht door categoriseren.

Bij categoriseren wordt tekst automatisch in categorieën ingedeeld. Je bepaalt zelf welke categorieën voor jouw van belang zijn. Je kunt klantenfeedback bijvoorbeeld automatisch  rubriceren naar touchpoints, bedrijfsprocessen, producteigenschappen, etc.

Categoriseren naar touchpoints.

Veel organisaties vragen hun klanten middels een korte vragenlijst feedback te geven op een product of dienstverlening. Met behulp van categoriseren deel je klantenfeedback automatisch in naar touchpoints. Bijvoorbeeld:

  • Oriënteren
  • Productaanbod
  • Informatievoorziening
  • Prijs/kwaliteit
  • Bestellen
  • Afrekenen
  • Levering
  • Retourneren

Het is sowieso makkelijk om alle feedback netjes over alle touchpoints gerubriceerd t2e hebben. Maar de grootste kracht van categoriseren ligt in de combinatie met sentimentanalyse. Door met sentimentanalyse voor ieder touchpoint het sentiment te bepalen, kun je precies zien op welke touchpoints je goed scoort en welke verbeterd moeten worden.

“Zoals de ketting zo sterk is als de zwakste schakel, zo is de customer experience zo goed als het zwakste touchpoint.”

Topic identification.

Met behulp van topic identificatie stel je vast welke onderwerpen klanten belangrijk vinden. Topics zijn vaak zelfstandige naamwoorden als service, personeel, wachttijden, etc.

Door de frequentie van de topics in kaart te brengen kun je deze in de tabel of grafiek filteren waarbij je de topics met de hoogste frequentie bovenaan plaatst. Dit geeft al een goed indicatie welke topics klanten belangrijk vinden.

Topic identificatie gecombineerd met sentimentanalyse geeft een gedetailleerd beeld welke topics klanten waarderen en wat verbeterd moet worden. Om de customer experience te verbeteren ligt het voor de hand om te beginnen met de topics die je klanten belangrijk vinden maar waarop het sentiment negatief is

Sentimentanalyse.

Een onmisbaar onderdeel van tekstanalyse is sentimentanalyse. Sentimentanalyse bepaalt of een tekst negatief of positief is, waarbij geavanceerde modellen niet alleen de sentimentwaarde voor de gehele tekst bepalen maar ook voor de topics/onderwerpen in de tekst.

Gebruik dark data om de klantbeleving te verbeteren.

De komende jaren zullen bedrijven nog meer gaan concurreren op klantbeleving. In dark data ligt een schat aan ongebruikte data die kan worden gebruikt om een beter inzicht in de wensen en eisen van klanten te krijgen. Tekstanalyse zet deze dark data om in actionable insights die kunt gebruiken om een superieure klantbeleving te realiseren.