Stel uw vraag Tender selectie advies 

Onderzoek over klantenservice via social media

Social media wordt gebruikt om over slechte klantenservice te schrijven

Geplaatst op 2 februari 2012

Ondanks investeringen in nieuwe manieren van klantinteractie zijn bedrijven onvoldoende voorbereid op de jongere generatie consumenten die sociale media gebruikt om frustraties over slechte klantenservice te uiten. Hoewel 36% van de Nederlandse bedrijven een afdeling heeft die klantopmerkingen op sociale media monitort en erop reageert, geeft een groot deel aan alleen te monitoren maar geen actie te ondernemen (25%).

Deze resultaten staan in contrast met het toenemende besef van consumenten dat zij sociale media, zoals Facebook en Twitter, kunnen gebruiken om een betere service te eisen. Het onderzoek toont aan dat jongeren tussen de 18 en 25 jaar het meest geneigd zijn een negatieve ervaring over een klantenservice te delen via een sociaal netwerk. Meer dan de helft (54%) van deze leeftijdsgroep doet dat wel eens of overweegt dat te doen.

Het onderzoek laat ook aan zien dat organisaties verschillende redenen hebben om sociale media niet te monitoren. 46% is van mening dat sociale media alleen persoonlijke boodschappen bevatten, die irrelevant zijn voor hun producten of dienstverlening en 28% denkt dat hun klanten geen gebruik maken van sociale netwerken. Daarentegen vindt 26% dat er juist te veel is om te monitoren en dat zij niet de tijd en de middelen hebben om zich daar volledig aan te wijden. Andere redenen om sociale media niet te monitoren hebben betrekking op de beschikbare tools: 31% zegt dat ze niet over de juiste tools beschikken, 10% vindt de tools die ze hebben niet geavanceerd genoeg en volgens 15% zijn de tools te ingewikkeld.

Met oplossingen van Pega kan een klantenservice kansen en bedreigingen voor de organisatie via sociale media signaleren en analyseren, om vervolgens daar adequaat op te kunnen reageren. Met behulp van taalkundige regels en woordenboeken in verschillende talen doorzoekt het systeem sociale netwerken, blogs en fora. De inhoud van de gevonden posts wordt vervolgens semantisch geanalyseerd. Zo is er een filter dat sorteert op positieve berichten/kansen en negatieve berichten/bedreigingen. Een ander filter interpreteert taalvormen zoals slang en ironie die de boodschap kunnen beïnvloeden. Een lange lijst is op deze manier terug te brengen tot enkel die berichten die daadwerkelijk betrekking hebben op de gebruikte zoektermen. Het systeem kan de gevonden gegevens vergelijken met informatie in de CRM-database en zo eventueel koppelingen maken. Voorspellende analyses bepalen dan wat de next best action is voor de betreffende klant.

Bron: Influx PR