Big data: wat bepaalt klanttevredenheid?

De klanttevredenheid van treinreizigers wordt bepaald door veel verschillende factoren. Zo heeft iedereen een eigen oordeel over het presteren van de Nederlandse Spoorwegen (NS). De vraag voor de NS is vervolgens: aan welke knoppen kunnen wij draaien om de tevredenheid van reizigers te verbeteren? Bij de Rijksuniversiteit Groningen (RUG) heeft Peter Verhoef, hoogleraar Marketing aan de Faculteit Economie en Bedrijfskunde, data aan elkaar gekoppeld om uit 160.000 datapunten de factoren te vinden die klanttevredenheid beïnvloeden. In zijn onderzoek kijkt Verhoef naar alles wat speelt bij contacten en interacties tussen klanten en bedrijven.

Samen met het adviesbureau MICompany en de NS is Verhoef aan de slag gegaan met al verzamelde vragenlijsten van reizigers in de afgelopen jaren. In deze informatie was bijvoorbeeld te vinden waar een bepaalde reiziger is ingestapt en uitgestapt. Vervolgens weet men dus van deze reiziger het reistraject en kan men de gegevens uit de vragenlijst koppelen aan cijfers over vertragingen en uitval van treinen op dit traject. Ook weet men hierdoor op welke stations de reiziger is geweest. Door op deze manier data te verbinden, kan men factoren ontdekken die klanttevredenheid van reizigers beïnvloeden. ‘Een van de factoren uit ons onderzoek was de beschikbaarheid van een zitplaats’, noemt Verhoef. ‘Het aantal zitplaatsen in een trein is vaak wel voldoende maar de reizigers zijn dan niet goed over de trein verspreid. De NS voert daarom nu ook experimenten uit om de bezetting van elke treincoupé te meten en deze informatie te tonen in de mobiele applicatie NS Reisplanner.’

De uitdagingen van big data
Door het werken met big data op het gebied van klantinteracties krijgt men de beschikking over een ingewikkelde brei aan gegevens. Ook kunnen de data erg verschillend qua herkomst zijn, zoals bij de NS ook data uit verschillende bronnen samenkomen. Het werken met big data is daardoor niet altijd gemakkelijk, stelt Verhoef. ‘Het is lastig om de juiste combinaties van data te maken. Wat is de kwaliteit van de data? Soms mist er informatie, doordat afdelingen bijvoorbeeld informatie op een andere manier vastleggen. Vervolgens kan het ook lastig zijn om gevonden relaties in de data aan te wijzen in de praktijk. Als universiteit zijn wij een goede partner voor het bedrijfsleven, doordat we goed nadenken over de te volgen methode en het identificeren van relaties in data. Bovendien kunnen  e uitkomst in een theoretisch kader plaatsen.’ Bij dit soort onderzoeken past men vaak nog andere onderzoeksmethodes toe om zeker te weten dat de gevonden relaties in de big data in het echt ook bestaan. Bij de NS hebben ze bijvoorbeeld nog extra vragenlijsten en feedback van medewerkers van het spoorbedrijf meegenomen in het onderzoek, om zo de uitkomst betrouwbaarder te maken.

Customer Insights Center
De vakgroep Marketing van de Faculteit Economie en Bedrijfskunde en het bedrijfsleven voeren samen onderzoek uit via het Customer Insights Center (CIG). Hierdoor hebben de bedrijven toegang tot seminars, workshops en ronde-tafelbijeenkomsten en komen onderzoekers en bedrijven met elkaar in contact. De onderzoekers houden zo ook het contact met de praktijk. Er zijn vele vraagstukken waar bedrijven mee zitten en waarbij het CIG kan helpen. Verhoef noemt enkele voorbeelden: ‘Denk aan alle onderwerpen met betrekking tot klanteninzichten en klantinteracties. Het betreffen onder meer praktische vraagstukken zoals de loyaliteit van klanten, de online beleving in webshops, het onbewuste gedrag van klanten en de redenen van retourneren bij online aankopen.’