Multi-Channel Analytics

“Heeft de kwaliteit van de FAQ invloed op de belasting van het call center?  Wat is de invloed van radio/tv commercials op ons websitebezoek? Hoe waardevol zijn de leads die we via online campagnes genereren?” Je hoort er steeds meer over, ‘Multi-Channel Analytics’. Multi-channel analyses vertellen je hoe communicatiekanalen elkaar beïnvloeden en op welke manier je daar gebruik van kunt maken. In deze posting een aantal voorbeelden van slimme besparingen met multi-channel analyses.

De Multi-Channel omgeving
De verschillende kanalen voor communicatie hebben ieder hun eigen doel en middelen.

• Verkoopkanalen: webshop, call center, winkel, verkopers/adviseurs
• Servicekanalen: online support, call center, servicelocaties
• Marketingkanalen: tv, radio, advertenties, catalogus, billboards, banners, affiliates, Adwords, e-mail nieuwsbrieven.

De communicatie met een bepaalde klant kan via meerdere channels verlopen. In het geval van een bank is een mogelijk scenario als volgt. De klant:

1. luistert naar radio-commercial
2. Googelt op de merknaam
3. maakt online een afspraak met een adviseur
4. heeft een adviesgesprek
5. ziet toch af van het openen van de bankrekening

Het waarom van Multi-Channel Analytics
Iedere organisatie heeft zijn doelstellingen, zoals:

1. Minimaliseren van de belasting van het call-center
2. Vergroten van het aandeel van de webshop in de totale verkoop
3. Optimaliseren van marketingmix, in termen van bereikte brand awareness vs. kosten
4. Verhogen van Return on Investment van de Google campagne

De gangbare invulling van multi channel analyse kenmerkt zich doordat als uitgangspunt de technische mogelijkheden worden gekozen die gebruikt kunnen worden in de analyse. Welke rapporten kunnen worden opgeleverd voor het internet gebruik? Welke cijfers zijn beschikbaar vanuit het call center?

Deze benadering gaat voorbij aan het feitelijke kanaalgebruik door de klant. Iedere klant gebruikt het kanaal naar eigen inzicht en op basis van persoonlijke voorkeuren. De volgorde waarin en de combinatie van kanalen die gebruikt worden zijn ook individueel. Daardoor blijven de meest relevante vragen vaak open staan:

1. Hoe kan de FAQ omgeving worden geoptimaliseerd om zo het call center te ontlasten?
2. In hoeverre oriënteren onze klant online en kopen uiteindelijk offline?
3. Wat scoort beter op brand awareness: radio of tv?
4. Wat is de ROI van een Google Paid Keyword voor mijn hypothekensite?

Er is dus een geschikte methode vereist die rekening houdt met deze aspecten.  Wenselijk is een kanaal onafhankelijke data representatie die de informatiebehoefte op het niveau van de individuele bezoeker weergeeft. Dit biedt je de juiste inzichten, waarmee je de organisatie vrij eenvoudig in de juiste richting kunt sturen. Het mooie is daarnaast dat de bereikte resultaten met harde cijfers kunt aantonen.

Voorbeeld 1: Heeft de kwaliteit van de FAQ invloed op de belasting van het call center?
Het liefst heeft je bank, energieleverancier of telefoonaanbieder dat je gebruikt maakt van hun online self-service omgeving. Daar kun je internetbankieren, online meterstanden rapporteren, of een verhuizing doorgeven. Het is namelijk aanzienlijk goedkoper dan bellen: iedere incoming call in een call center kost een aantal euro voor een bedrijf, en dat tikt snel aan voor de grotere bedrijven.

Stel, een bezoeker (laten we deze Jooteemi noemen) wil online zijn verhuizing doorgeven. Jooteemi logt in met zijn klantnummer, kan het betreffende formulier niet één-twee-drie vinden en belt uiteindelijk met het callcenter. De telefoniste vraagt naar Jooteemi’s klantnummer en verwerkt de verhuizing.

Het klantnummer is hier een ‘common key’, een aanknopingspunt waarmee het bezoek aan de website en de call aan elkaar worden gerelateerd. Op zowel in de web analytics tool als in het call center wordt geregistreerd welke services verleend zijn, zoals het aantal geregistreerde verhuizingen. Nu kunnen we een ranglijst maken van topics waarbij de klant het antwoord niet online heeft kunnen vinden, en dezelfde dag nog belde:

Dit zijn de punten die op de website duidelijker gecommuniceerd moeten worden. Na aanpassing zal deze lijst er anders uit gaan zien en daarmee zal belasting van het call center afnemen.

Voorbeeld 2: Wat scoort beter op brand awareness: radio of tv?
Het meten van brand awareness (naamsbekendheid) was tot voor kort alleen goed mogelijk door een enquête te houden bij een representatieve sample van een doelgroep. Kwalitatieve data, maar het vereist een apart onderzoek. Dit is kostbaar, zeker als je de brand awareness gedurende een marketingcampagne wil monitoren.

Nu het internet door vrijwel iedereen gebruikt wordt, zijn de web analytics data een nieuwe bron van informatie rond awareness, al is het van externe invloeden afhankelijk. Het aantal nieuwe bezoekers van de website dat ‘direct’ de website binnenkomt is hiervoor een goede maatstaf. Met ‘direct’ bedoelen we hier dat de bezoeker ofwel de domeinnaam kende, ofwel de merknaam heeft gebruikt in zijn Google zoekopdracht.

Deze indicator kun je van dag tot dag meten. Stel dat we in week 2 televisiereclames uitzenden, en de rest van de maand radiocommericals. De effecten op internetverkeer zijn direct zichtbaar.

We zien in dit geval dat de radiospotjes beter werken, terwijl deze minder kostbaar zijn dan televisiereclames. We kunnen dus meer investeren in radio, en dat mag gerust ten koste gaan van het budget voor televisie.

Voorbeeld: Wat is de ROI van een Google Paid Keyword voor mijn hypothekensite?
Enkele jaren geleden betaalde men het astronomische bedrag van 7 euro per klik voor het keyword “hypotheek”. Tot op de dag van vandaag is het een duur zoekwoord, maar de vraag blijft natuurlijk of het ’t waard zou zijn. Ook al kun je online je hypotheeklasten berekenen en een afspraak maken met een adviseur, er wordt offline een handtekening gezet voor de hypotheekofferte.

Net als in het call center voorbeeld, kunnen we hier weer offline data koppelen met web analytics data. De common key is in dit geval weer een klantnummer/prospectnummer dat in zowel de web analytics tools als in de backoffice systemen wordt geregistreerd. Ook het feit dat de offerte getekend is, komt in het systeem, waarmee de koppeling kan worden gemaakt, en zo is de cirkel rond. Veel (veelal betaalde) web analytics tools ondersteunen de koppeling in het pakket zelf. Hieronder een voorbeeld uit Omniture SiteCatalyst:

Je ziet het, 7 euro per klik kan het nog best waard zijn!

Zelf aan de slag
Bij het opzetten van dit soort analyses verdrink je soms al snel in een zee van mogelijkheden. Neem daarom je doelstellingen als uitgangspunt. Bij het realiseren van een analyse is het eerste aandachtspunt een common key; een link tussen meerdere kanalen. Soms zul je creatief moeten zijn en zelf een common key introduceren (inspiratie nodig?). Met de common key zijn de data georganiseerd. Vervolgens is een eerste interpretatie van de samenhang in het kanaalgebruik mogelijk. Hiervan hebben we in deze posting enkele voorbeelden kunnen aanschouwen. Gezien de datavolumes is data mining (o.a. patroonherkenning) de volgende stap.

Ik wil niet beweren dat multi-channel analyses turn-key, plug&play of one-click te realiseren zijn. Maar met de juiste tools en de juiste mensen kom je al snel heel ver.

Koen Penders is Business Consultant bij Adversitement.