Sociale media bevatten een schat aan informatie, maar veel organisaties slagen er nog niet in om diep genoeg in die data te duiken. Bij SAS helpt customer experience advisor Steven Hofmans organisaties om externe data in te zetten om interne bedrijfsprocessen te versterken. Of, zoals hij het zelf omschrijft: om hun customer sonar aan te zetten. “Je gaat kijken welk probleem in de life journey van je klanten je kan oplossen. Of je gaat kijken hoe je voor nog meer customer delight kan zorgen. Als je interne data koppelt aan externe data die publieke sentimenten in kaart brengen, heb je een veel completer beeld van je klant.”
Hofmans helpt organisaties om hun klanten - of hun burgers, want hij werkt ook samen met overheden - een betere customer experience te bieden. “Ik ben ook co-host van de podcast ‘Reimagine Marketing'. Ik zie daar één constante in elk gesprek terugkomen. Elke organisatie wordt vandaag geconfronteerd met de ene shock na de andere. Technologische shocks, ecologische shocks, geopolitieke shocks en het afgelopen jaar zelfs een biologische shock.
De wereld en de markt veranderen razendsnel. Bedrijven moeten de vinger voortdurend aan de pols houden. Ze moeten in de gaten houden hoe al die shocks hun business impacteren. Externe data zoals sociale media, nieuwssites, fora zijn een waardevol instrument om de publieke opinie te monitoren. Wat zeggen mensen over jouw merk? Over jouw markt? Over jouw concurrenten? En niet alleen wat mensen zeggen, maar ook wié het precies zegt en hoe vaak het gezegd wordt.”
“Die data zijn vrij en overvloedig beschikbaar, voor iedereen die ze wil gebruiken om nieuwe inzichten te krijgen of bestaande inzichten te toetsen. Je moet er niet meer naar vragen. Je moet ze alleen minen, analyseren en er de juiste inzichten uit halen. Het crowdsourcen van informatie, daar gaat het in essentie om.”
In de Verenigde Staten gebruikt de FDA dat publieke sentiment zelfs om nieuwe producten goed te keuren.
“Het komt er eigenlijk op neer dat je data die extern beschikbaar zijn, gebruikt om interne bedrijfsprocessen te versterken. Stel dat je uit sociale media data leert dat bepaalde leeftijdsgroepen heel veel over film praten, dan kan je klanten uit die doelgroep misschien eerder een filmticket aanbieden dan een korting van 5 euro? Andere doelgroepen zullen misschien eerder aangesproken worden door een maaltijdbox.”
De voedselinspectie gaat af op TripAdvisor
De toegevoegde waarde van publieke, externe data ligt volgens Hofmans vooral in de combinatie met eigen, interne data. “Uiteraard meten bedrijven vandaag al heel veel en halen ze al veel inzichten uit allerlei klantendata. Ze zetten geregeld surveys op, ze bevragen de markt. Maar dan vertrek je altijd vanuit je eigen perspectief. Als je zelf als merk gaat vragen wat consumenten nog missen in jouw aanbod krijg je andere resultaten dan wanneer die noden of wensen spontaan opborrelen op sociale media.”
“Voor een grote Nederlandse retailer halen we heel veel inzichten over de klantenervaring uit sociale media. Wat vinden klanten van het personeel? Hoe beleven ze de winkel? Kunnen ze vlot parkeren aan de winkel? Zijn er genoeg winkelkarretjes? De informatie waar de klantendienst over beschikt is gefragmenteerd. Als je die samenbrengt met publieke data krijg je een veel completer beeld. En completere inzichten.”
Wat zeggen mensen over jouw merk? Over jouw markt? Over jouw concurrenten?
“Zo zou zijn er overheidsintstellingen die gebruik maken van reviews zoals TripAdvisor. Als ze veel klachten zien passeren over bepaalde horecazaken kunnen ze daar inspecteurs naartoe sturen. Ze baseren zich natuurlijk niet alléén op TripAdvisor, maar het is vandaag wel een bijzonder waardevolle bron als aanvulling op de eigen data.
Ook meer en meer politiezones voegen data uit sociale media toe aan de oproepen die binnenkomen bij de noodcentrale. Als ze dan én een noodoproep krijgen én op Facebook en Twitter merken dat er over een incident of een plek druk gepraat wordt, weten ze dat ze dringend een ploeg moeten sturen. In de Verenigde Staten gebruikt de FDA, de Food and Drug Administration, dat publieke sentiment zelfs om nieuwe producten goed te keuren. Uiteraard in combinatie met data uit trials, maar sociale media helpen hen in te schatten of er klachten zijn over nieuwe producten en hoe wijdverspreid die zijn.”
Hoofdpijn of koppijn?
In België bracht SAS met zijn Citizen Sonar het publieke sentiment rond vaccinaties in kaart, legt Hofmans uit. “Als we een vaccinatiegraad van 70 procent of zelfs meer willen halen, is het belangrijk om de publieke opinie rond de verschillende vaccins op de voet te volgen. Waarom twijfelen of aarzelen mensen om zich te laten vaccineren? Als je hun beweegredenen en argumenten kent, kan je die op de juiste kanalen proberen te weerleggen.
Dat is waardevol voor overheden, maar ook voor de farmabedrijven die de vaccins maken. Ze zien bijvoorbeeld wanneer indianenverhalen viraal dreigen te gaan, en kunnen tijdig ingrijpen om te vermijden dat zo’n verzinsel een echte urban legend wordt. Maar ze weten ook welke misverstanden en vooroordelen op welke kanalen het sterkst leven, en ze kunnen een heel gerichte communicatiestrategie uitwerken die de juiste doelgroep op het juiste kanaal bereikt.”
Elke organisatie wordt vandaag geconfronteerd met de ene shock na de andere.
“Stap één om aan zo’n sonar te beginnen, is natuurlijk dat er over een onderwerp gesproken wordt en dat mensen er een mening over hebben. Dan begin je met de verschillende topics in kaart te brengen. Vervolgens koppel je daar een sentiment aan. Hoe praten mensen over vaccinaties, over een bedrijf, over een merk? Positief? Negatief? Neutraal?”
“Technologie staat vandaag al heel ver. Onze aanpak vertrekt van hybride text analytics. Machine learning algoritmes kunnen zo’n 60 procent van de data op de juiste manier categoriseren: het onderbrengen bij het juiste topic en er het juiste sentiment aan koppelen. Wij voegen er linguïstische regels aan toe om dat cijfer op te krikken tot 80 of zelfs 90 procent. Dat gaat dan over synoniemen, bijvoorbeeld weten dat hoofdpijn hetzelfde is als koppijn. De combinatie van deep learning en die linguïstische regels die we zelf toevoegen, maakt ons systeem ook steeds slimmer. We slagen er bijvoorbeeld steeds beter in om sarcasme te herkennen. Belangrijk, want sarcasme is bijzonder populair op sociale media.”
