ORDINA BLOGT

Marketing automation met Pega

  • Jamäl Bencherif
  • 22 maart 2017

In deze snel veranderende wereld is het voor bedrijven steeds moeilijker om goed te kunnen inspelen op de behoeftes van de klanten. Klanten kunnen via vele verschillende kanalen communiceren met een bedrijf. Ze willen advies op maat, de beste aanbieding en dat zo snel mogelijk. Bedrijven willen zich een beeld vormen van hun klanten, inspelen op hun behoeftes, klanten binden en een gezonde winstmarge behalen.

Het is voor een bedrijf essentieel dat de informatie vanuit de klantinteracties ergens samenkomt, zodat deze beschikbare informatie voor zowel het bedrijf, als ook de klant uiteindelijk de meeste waarde oplevert.

Next-Best-Action
Next-Best-Action is te omschrijven als een (marketing) strategie, waarbij klantinteractie gebruikt wordt om informatie te verzamelen over de klant. Het uiteindelijke doel is om met behulp van deze informatie een klant persoonlijker en gerichter te kunnen benaderen. Op deze manier kan voor een klant op het juiste moment via het meest geschikte kanaal de beste actie  (de ‘Next-Best-Action’) worden ondernomen. Dit hoeft niet per sé een productaanbod te zijn, maar kan bijvoorbeeld ook een dienst of service zijn.

Uitgangspunt is dat de actie zo goed mogelijk aansluit bij zowel de klantbehoefte als de bedrijfsdoelstelling. Het komen tot de Next-Best-Action maakt onderdeel uit van Pega Decision Management. De toepassingsgebieden hiervan zijn met name de bedrijfsprocessen waarin de klant centraal staat. Denk hierbij bijvoorbeeld aan marketing, verkoop en retentie, maar ook aan afdelingen als compliance.

Het proces om tot de Next-Best-Action te komen begint met een klant die actie onderneemt. Dit kan bijvoorbeeld een telefoontje naar het callcenter zijn, maar ook een premieberekening op de website of het versturen van een e-mail. Binnen Pega Decision Management wordt op basis van deze klantinteractie een mini businesscase gestart, waarin bepaald wordt wat de Next-Best-Action is. Hierbij wordt niet alleen gebruikgemaakt van de zojuist vastgelegde realtime data, maar wordt tevens historische data geanalyseerd en geraadpleegd.

Deze Next-Best-Action kan vervolgens via verschillende kanalen weer terug worden gecommuniceerd aan de klant. Het outbound-callcenter dat inspeelt op de interesse voor een bepaald product. Of wellicht krijgt de klant specifieke gepersonaliseerde informatie te zien bij een volgend bezoek aan de website. Een andere uitkomst zou kunnen zijn om juist niets te doen. Denk hierbij bijvoorbeeld aan een klant met een slechte betaalhistorie.

De reactie van de klant op een Next-Best-Action initieert weer een nieuwe cyclus. In feite blijft deze cyclus zich herhalen zolang de relatie tussen de klant en een bedrijf blijft bestaan, en wordt keer op keer op basis van de op dat moment relevante informatie een volgende Next-Best-Action bepaald.

 

Next-Best-Action werkt volgens het model: Luisteren, leren en er vervolgens naar handelen.

Waarde toevoegen voor de klant én voor de business
Met behulp van Next-Best-Action kunnen bedrijven een klant dus persoonlijker en gerichter benaderen. Hiermee wordt waarde toegevoegd voor zowel de klant als het bedrijf.

Vanuit de klant gezien is het belangrijk dat de context en relevantie van de gegeven Next-Best-Action kloppen. Is het bedrijf op de hoogte van eerder gemaakte afspraken en reeds verstrekte informatie? Weet het bedrijf welke producten en/of diensten al zijn aangeschaft? Daarnaast is tijdigheid ook een belangrijke factor. Het realtime kunnen inspringen op de behoeftes van de klant die contact zoekt via inbound-kanalen. Tenslotte is consistentie essentieel. De klant verwacht dezelfde informatie te krijgen, ongeacht het gebruikte kanaal.

Om in die klantbehoeftes te kunnen voorzien, is het voor bedrijven belangrijk dat informatie over eerdere klantinteracties realtime beschikbaar is. Tevens zal door middel van het koppelen van (externe) databronnen andere relevante data beschikbaar dienen te zijn. Denk hierbij aan zaken als NAW-gegevens en productbezit. Door het aansluiten van zoveel mogelijk inbound- en outbound kanalen op Pega Decision Management kan een bedrijf ervoor zorgen dat de gegeven Next-Best-Action consistent is.

Voor een bedrijf spelen ook nog andere aspecten een rol, waarvan groei de voornaamste is. Door Next-Best-Action kan beter ingespeeld worden op de behoeftes van de klant, waardoor deze eerder geneigd zal zijn producten aan te schaffen of af te zien van een opzegging. Ook risico-afweging kan door middel van Next-Best-Action naar een hoger niveau getild worden. Wil het bedrijf deze klant überhaupt wel een aanbieding doen? 

Uiteindelijk zou je kunnen zeggen dat het inzetten van Next-Best-Action in veel gevallen leidt tot een grotere klanttevredenheid. En dat is natuurlijk een win-win-situatie voor zowel de klant als het bedrijf.

Pega Decision Management
Er zijn enkele onderdelen te onderscheiden die gezamenlijk het Pega Decision Management-proces vormgeven.

Het proces begint met het definiëren van de proposities. Een propositie kan alles zijn dat aan een klant kan worden aangeboden. Dit kan een product zijn, een korting, een specifieke dienst of service, maar bijvoorbeeld ook gepersonaliseerde content op een website in de vorm van een banner.

Het langetermijngeheugen van Pega Decision Management is de Interaction History. In de Interaction History worden eerder gegeven Next-Best-Actions opgeslagen, zodat deze bij toekomstige interacties gebruikt kunnen worden om tot een nog betere Next-Best-Action te komen. 

Om toekomstig klantgedrag nog beter te kunnen voorspellen, kan gebruikt gemaakt worden van historische en zelflerende modellen, de zogenaamde predictive en adaptive models. Predictive models maken gebruik van historische gegevens, zoals de reeds aanwezige Interaction History, maar ook gekoppelde (externe) databronnen. Deze zouden bijvoorbeeld kunnen worden gebruikt om risicoanalyses uit te voeren. Adaptive models maken daarentegen gebruik van realtime data. In tegenstelling tot predictive models wordt in deze modellen gestart vanuit een blanco situatie en zal door middel van klantinteracties steeds beter toekomstig klantgedrag voorspeld kunnen worden. Te denken valt hier aan het voorspellen van de kans dat iemand een aanbod accepteert of het inspelen op trends.

De acties van de klant worden via strategieën verbonden met de proposities. Initieel worden alle proposities die betrekking hebben op de specifieke klantinteractie geladen. Dit zouden bijvoorbeeld alle proposities kunnen zijn die horen bij een bepaalde customer journey (klantreis over een communicatiekanaal, bijvoorbeeld een website). Vervolgens worden door middel van het filteren op bepaalde criteria, het toepassen van voorspellende modellen, het raadplegen van de Interaction History en het gebruik van beschikbare realtime data de Next-Best-Action gekozen. Oftewel, de propositie die het best bij deze specifieke klantinteractie past gegeven de omstandigheden en historie.



Een voorbeeld uit de praktijk
Willem zit thuis achter zijn tablet. Hij heeft onlangs een nieuwe CV-ketel aangeschaft en is op zoek naar een onderhoudscontract. Eenmaal ingelogd op de website van zijn energiemaatschappij kost het hem enige tijd om het formulier te vinden waarmee hij een onderhoudscontract kan afsluiten.

Terwijl Willem bezig is het aanvraagformulier in te vullen, wordt er aan de deur gebeld. Hij  is inmiddels afgeleid en besluit later nog maar eens verder te kijken.
Een half uur later wil Willem alsnog zijn onderhoudscontact afsluiten. Hij logt wederom in op de website en zijn oog valt meteen op een banner die hem eerder niet opviel… ‘CV-ketel service en onderhoud: nu drie maanden gratis!’. Wat een toeval!

Op dat moment gaat de telefoon. Het is een medewerker van het outbound-callcenter van zijn energiemaatschappij. Een vriendelijke dame informeert of Willem tevreden is met de dienstverlening en of alles verder naar wens is. Willem houdt normaal niet zo van bedrijven die hem opbellen, maar nu komt het goed uit. Wellicht kan hij meteen zijn onderhoudscontract afsluiten en gebruik maken van de actie.

Tijdens het gesprek wordt Willem goed geïnformeerd en hij besluit dan ook om op de actie in te gaan. Willem houdt een zeer prettig gevoel over aan dit gesprek. Wat een toeval dat hij juist nu gebeld werd terwijl hij zich net oriënteerde op een onderhoudscontract.

Wat gebeurt er achter de schermen?
Als we dit voorbeeld vanuit de energiemaatschappij bekijken, dan kunnen we hier meerdere zaken onderscheiden die tot stand zijn gekomen via Next-Best-Action. Ten eerste is het natuurlijk geen toeval dat de klant een banner ziet met daarin een aanbieding van het product waarin hij zojuist interesse heeft getoond (door middel van een niet afgemaakte aanvraag). Op het moment dat hij inlogt wordt de standaard banner vervangen door een gepersonaliseerde banner die inspeelt op zijn behoefte op dat moment.

Daarnaast worden de gegevens van de internetsessie bewaard en bij een volgend klantcontact zullen deze gegevens ook als input dienen om te komen tot een nieuwe Next-Best-Action. In dit geval ziet de outbound-callcenter medewerker in zijn scherm dat hij moet inspelen op de interesse van de klant voor een onderhoudscontract.

Na het afsluiten van het contract wordt het resultaat van dit klantcontact ook opgeslagen. In de toekomst zal wellicht een andere afweging gemaakt kunnen worden dan de klant telefonisch te benaderen. Maar in dit geval, aangezien het gesprek het gewenste resultaat opleverde, is de kans groot dat de volgende keer de Next-Best-Action wederom is om de klant telefonisch te benaderen en in te spelen op zijn informatiebehoefte.

Willem is blij met zijn nieuwe onderhoudscontract en de energiemaatschappij is tevreden met de verkochte dienst.

Pega’s Next-Best-Action stelt organisaties in staat om klant interacties te optimaliseren. De wereld om ons heen verandert constant. Pega let’s you build for change.

Over de auteur:

Jamäl Bencherif

Jamäl Bencherif is Pega-consultant bij de Ordina BU RulesMatter! Sinds 1999 werkzaam in de IT, waarvan de laatste zes jaar als Pega-ontwikkelaar.