Wat honderd klantvragen vertellen over je organisatie
Stel dat je honderd willekeurige klantvragen uit je helpdesk haalt.
Geen duizenden tickets. Geen ingewikkeld dashboard. Geen maandenlang onderzoeksproject.
Gewoon honderd vragen.
Je leest ze één voor één en kijkt niet alleen naar wát de klant vraagt, maar vooral naar waaróm die vraag gesteld wordt.
Waar je eerst honderd losse mails, telefoontjes of tickets zag, ontstaan ineens patronen.
Tien klanten blijken over hetzelfde onderdeel van een factuur te struikelen. Zeven klanten bellen na een bestelling omdat ze niet weten wat de status is. Vragen ontstaat nadat klanten een bepaalde functie in je software proberen te gebruiken.
En dan kijk je niet meer alleen naar je klantenservice.
Dan kijk je naar je product, dienst en organisatie.
Een klantvraag is zelden alleen een vraag
Bij veel klantcontactcentra worden vragen vooral geregistreerd in categoriën om ze snel en goed af te kunnen handelen.
Dat is nuttig voor de dagelijkse operatie. Je kunt aantallen bijhouden, wachtrijen verdelen en zien welke onderwerpen veel voorkomen.
Maar voor een goede klantenservice analyse is zo’n categorie niet genoeg.
Want facturatie vertelt nog niet waarom de klant belt.
Misschien is de factuur inhoudelijk fout. Misschien klopt hij wel, maar is de omschrijving onduidelijk. Misschien heeft verkoop iets anders beloofd. Misschien begrijpt de klant een prijswijziging niet omdat daar nooit duidelijk over is gecommuniceerd.
Vier keer een vraag over facturatie, met vier totaal verschillende oorzaken.
En dus ook vier verschillende oplossingen.
Begin met honderd vragen
Je hebt geen grote dataset nodig om iets te leren.
Een steekproef kan al voldoende zijn om opvallende patronen, terugkerende oorzaken en duidelijke verbeterkansen zichtbaar te maken.
Bekijk honderd recente klantvragen systematisch.
Niet alleen vanuit het perspectief van de medewerker die de vraag moet beantwoorden, maar vanuit het perspectief van de klant én de organisatie.
Je kunt per vraag naar verschillende onderdelen kijken.
Onderwerp
Waar gaat de vraag aan de oppervlakte over?
Bijvoorbeeld betaling, levering, installatie, opzegging, accountbeheer of een bepaalde productfunctie.
Dit is meestal het makkelijkste onderdeel van klantvragen analyseren. De meeste organisaties registreren dit al.
Werkelijke aanleiding
Waarom moest de klant contact opnemen?
Dat is iets anders dan het onderwerp.
Een vraag over levering kan bijvoorbeeld ontstaan doordat:
- de levertijd nergens duidelijk staat,
- een automatische bevestigingsmail ontbreekt,
- de beloofde levertijd is overschreden,
- de klant geen track-and-trace heeft ontvangen,
- de verkooppagina een verkeerde verwachting heeft gewekt.
Hier begint het onderzoek pas echt.
Punt in de klantreis
Wanneer ontstaat de vraag?
Voor de aankoop? Tijdens het bestellen? Direct na de bestelling? Bij het eerste gebruik? Na een factuur? Bij verlengen of opzeggen?
Het moment waarop een vraag ontstaat, zegt vaak veel over de oorzaak.
Als veel nieuwe klanten tijdens hun eerste gebruik dezelfde vraag stellen, kun je natuurlijk een uitstekend helpdeskantwoord schrijven.
Maar het kan beter zijn om je onboarding aan te passen.
Afdeling die de oorzaak kan beïnvloeden
De klantenservice krijgt de vraag binnen.
Dat betekent niet automatisch dat de klantenservice het probleem kan oplossen. En dan bedoel ik het echte probleem.
Dat maakt klantcontactdata interessant voor veel meer afdelingen dan alleen de helpdesk.
De helpdesk ziet namelijk waar klanten vastlopen nadat al die afdelingen hun werk hebben gedaan.
Benodigde behandeltijd
Hoeveel tijd kost de vraag?
Dat maakt zichtbaar welke problemen veel capaciteit opslokken.
Twintig vragen van twee minuten zijn vervelend.
Twintig vragen waarvoor een medewerker iedere keer een kwartier in drie systemen moet zoeken, zijn iets heel anders.
Zeker wanneer steeds dezelfde onderliggende reden terugkomt.
Vermijdbaar of waardevol contact
Niet ieder klantcontact moet verdwijnen.
Sommige gesprekken zijn juist waardevol. Een klant vraagt advies, wil verschillende mogelijkheden bespreken of heeft behoefte aan persoonlijk contact bij een ingewikkelde beslissing.
Andere vragen voegen voor niemand veel toe.
Dat zijn vaak signalen dat ergens informatie ontbreekt, een proces onduidelijk is of verwachtingen niet goed worden gemanaged.
Het doel is dus niet om zo weinig mogelijk klanten te spreken.
Het doel is om klanten niet te laten bellen omdat je iets onnodig ingewikkeld hebt gemaakt.
Mogelijke quick win
Tot slot kun je bij iedere vraag kijken; wat zou ervoor kunnen zorgen dat deze vraag minder vaak ontstaat?
En niet iedere oplossing hoeft een groot project te zijn. Daarom is zo’n analyse interessant.
Soms zit de oplossing gewoon in één e-mail
Stel dat bij de honderd onderzochte vragen twaalf klanten contact opnemen nadat ze een aanvraag hebben ingediend.
Alle twaalf willen ongeveer hetzelfde weten; wanneer hoor ik iets?
De medewerkers beantwoorden die vraag keurig. Ze zoeken de aanvraag op, controleren de status en vertellen dat de klant binnen drie werkdagen bericht krijgt.
Prima klantenservice.
Maar waarom weten die klanten dat niet?
Je bekijkt de automatische bevestigingsmail en ziet dat daarin alleen staat: “We hebben uw aanvraag ontvangen”.
Nergens staat wat er daarna gebeurt. Dan heb je geen klantenserviceprobleem.
Je hebt een communicatieprobleem, dat je met het toevoegen van één zin kunt oplossen.
En heel eerlijk; het is een utopie om dan alle vragen te voorkomen, maar mogelijk wel 80 tot 90 procent.
En iedere volgende klant profiteert van die verbetering.
Dat is procesoptimalisatie van de klantenservice zonder ook maar iets aan de klantenservice zelf te veranderen.
Honderd vragen kunnen verrassend veel blootleggen
Wanneer je klantvragen op deze manier analyseert, kunnen er verschillende verbeteringen uitkomen.
Soms moet een automatische e-mail worden aangepast.
Soms blijkt een factuur technisch volledig correct, maar begrijpt bijna niemand hoe een bepaald bedrag tot stand komt. Dan is niet het antwoord van de helpdesk het probleem, maar de factuur.
Misschien worden klanten regelmatig teleurgesteld omdat een verkooppagina een functie eenvoudiger voorstelt dan die in werkelijkheid is.
Dan moet marketing niet méér uitleggen achteraf, maar vooraf een realistischer verwachting creëren.
En soms kom je erachter dat vrijwel iedere klant op dezelfde stap in je product struikelt.
Dan moet je misschien niet uitleggen hoe die stap werkt. Dan moet je je afvragen waarom die stap zo ingewikkeld is.
De aantallen zijn maar het begin
Bij een traditionele klantenservice audit wordt al snel gekeken naar cijfers zoals:
- aantallen contacten,
- reactietijd,
- afhandeltijd,
- klanttevredenheid,
- bereikbaarheid.
Allemaal nuttige informatie.
Pas als je een deel van die vragen gaat analyseren, ontdek je wat er voor de vraag gebeurt.
Dan verandert de betekenis van het cijfer.
Dat is het verschil tussen klantcontact meten en klantcontact onderzoeken.
Kijk vooral naar combinaties
De interessantste inzichten ontstaan vaak wanneer je verschillende kenmerken met elkaar combineert.
Bijvoorbeeld:
- Onderwerp: levering
- Aanleiding: onduidelijkheid over planning
- Moment: direct na bestelling
- Oorzaak beïnvloedbaar door: communicatie
- Behandeltijd: 3 minuten
- Vermijdbaar: waarschijnlijk wel
- Quick win: bevestigingsmail uitbreiden
Eén vraag zegt weinig, maar als je dit patroon vaak tegenkomt, dan ben je iets op het spoor.
Hetzelfde geldt wanneer je ontdekt dat relatief weinig vragen over een bepaalde productfunctie gaan, maar dat medewerkers er iedere keer twintig minuten mee bezig zijn.
Dan is het volume laag, maar de impact hoog.
Daarom is alleen kijken naar welke vragen het meest voorkomen onvoldoende.
Frequentie, oorzaak en behandeltijd horen bij elkaar.
Je ontdekt ook waar je niet moet automatiseren
Een goede analyse voorkomt bovendien dat je oplossingen bouwt voor het verkeerde probleem.
Stel dat een bepaalde vraag vaak voorkomt.
De reflex kan zijn:
Daar moeten we een chatbotantwoord voor maken.
Maar wanneer uit het onderzoek blijkt dat klanten die vraag stellen doordat een belangrijke e-mail onduidelijk is, automatiseer je daarmee alleen het reparatiewerk.
De klant krijgt sneller antwoord. Intussen blijft de reden voor de vraag bestaan.
Hetzelfde geldt voor een FAQ, kennisbankartikel, standaardantwoord of nieuwe helpdeskmacro.
Die middelen zijn nuttig, maar wel als je weet waarom je ze inzet,
Anders maken ze vooral het dweilen efficiënter.
Van losse signalen naar organisatieonderzoek
Ervaren helpdeskmedewerkers weten vaak allang waar klanten tegenaan lopen.
Zolang ze alleen in de hoofden van medewerkers zitten, is het lastig om er organisatiebreed iets mee te doen.
Door klantvragen systematisch te analyseren, maak je die signalen zichtbaar.
Dan wordt een gevoel een onderbouwd verbeterpunt.
En verandert klantenservice van een afdeling die problemen oplost in een bron van informatie waarmee je problemen kunt voorkomen.
Je hebt geen duizenden tickets nodig om te beginnen
Natuurlijk geeft een grotere dataset uiteindelijk meer zekerheid.
En honderd klantvragen vormen geen wetenschappelijk bewijs waarmee je ieder percentage tot drie cijfers achter de komma kunt verdedigen.
Dat hoeft ook niet.
Het doel van zo’n eerste helpdesk onderzoek is niet om de perfecte waarheid over je organisatie te weten te komen.
Het doel is om patronen te vinden die interessant genoeg zijn om verder te onderzoeken.
Als van honderd willekeurige klantvragen er achttien ontstaan rond dezelfde stap in hetzelfde proces, hoef je geen statisticus te zijn om daar eens te gaan kijken.
Misschien blijkt er niets bijzonders aan de hand.
Maar misschien ontdek je een probleem dat medewerkers al maanden tientallen keren per week oplossen.
De vraag achter de vraag
Het interessante is wat al die vragen gezamenlijk vertellen over hoe je organisatie voor klanten werkt.
- Waar verwachtingen niet kloppen.
- Waar informatie te laat komt.
- Waar processen onnodig ingewikkeld zijn.
- Waar afdelingen niet goed op elkaar aansluiten.
- Waar medewerkers iedere dag hetzelfde probleem repareren.
- En waar een relatief kleine aanpassing veel klantcontact kan voorkomen.
Klantvragen zijn daarmee geen verzameling incidenten. Het zijn meetpunten van de klantreis.
Wat zouden honderd klantvragen over jouw organisatie vertellen?