50% snellere analyse van de klantenservice bij de callcenter-, digitale en dispatchteams
43% minder belvolume en 62% minder technische dispatches voor bepaalde cohorten van klanten
Meer dan 1500 dashboards gemaakt met invoer van miljarden rijen data uit Hadoop, Teradata en Oracle
Verizon Fios biedt connectiviteitsoplossingen voor woonwijken, waaronder breedbandinternet, vaste telefonie en kabeltelevisie die via glasvezel worden geleverd aan miljoenen klanten. Deze diensten omvatten 6,9 miljoen breedbandverbindingen, 4,5 miljoen tv-abonnementen en 12,2 miljoen gebruikers van vaste telefonie, resulterende in meerdere databronnen met miljarden rijen gegenereerde data (tot 4 terabytes per dag). Deze worden beheerd door het Analytics Center of Excellence-team. Deze hoeveelheid is bijna gelijk aan de helft van de hele Library of Congress-collectie van in totaal 10 terabyte. Het Analytics Center of Excellence (ACE) van Verizon, een team van meer dan 80 mensen, maakte gebruik van datawetenschap en geavanceerde analytics voor de digitale, callcenter-, dispatching-, marketing- en financiële functies van het bedrijf om de activiteiten te optimaliseren en de klantervaring te verbeteren. Ze haalden online en offline data op uit Hadoop, Teradata en Oracle en reduceerden deze tot kleinere datasets die vervolgens werden geanalyseerd met Tableau. Door deze effectieve aanpak konden meer dan 200 belanghebbenden tijdig beschikken over dashboards voor analyse. De belanghebbenden varieerden van leidinggevenden tot met klanten werkende callcentermedewerkers die betere beslissingen kunnen nemen en uitstekende klantenservice kunnen bieden dankzij de dagelijkse inzichten die worden ontdekt met Tableau. Dankzij het platform kon ACE meer dan 1500 selfservice-dashboards maken die worden gebruikt door diverse teams, zoals operations, bedrijfstransformatie, productontwikkeling, marketing en software-engineering. De interactieve dashboards zijn meer dan 125.000 keer bekeken, met een beheerde infrastructuur die waarborgt dat data schoon en bruikbaar zijn. Het gebruik van Tableau neemt toe omdat Fios-teams functies van geospatiale kaarten gebruiken om inzicht te krijgen in de impact per locatie en tekst van chatsessies met klanten analyseren via integraties van Tableau en R, en Tableau en Mapbox. Door deze initiatieven werden problemen met de klantenservice opgelost en werd de tevredenheid van klanten van Fios verbeterd, resulterende in minder oproepen en servicedispatches en dus lagere operationele kosten.
Analytics Center of Excellence schaalt het analyseproces voor digitale en callcenteractiviteiten
Verizon Fios gebruikte handmatige Excel-tabellen om data zoals digitale en callcenterstatistieken te analyseren. De resultaten werden via statische rapporten gedeeld met verschillende teams. Het samenvoegen van data vóór analyse bleek ook lastig omdat de data afkomstig waren uit meerdere bronnen: Oracle, Hadoop en Teradata. Door de weinige resources voor analytics en de vele diverse belanghebbenden was dit een inefficiënt proces dat knelpunten en redundanties veroorzaakte, waardoor gebruikers de data niet gemakkelijk konden verwerken om hun vragen te beantwoorden. Gregory McConney, Associate Director van Contact Center Analytics, vertelde hoe de analisten "ernaar streefden geavanceerde analytics toe te passen en voorspellende modellen en machine learning-oplossingen te ontwikkelen om het bedrijf vooruit te helpen ... We willen geen basisinzichten creëren wanneer belanghebbenden van het bedrijf dat ook zelf kunnen doen". Verizon heeft talent en aandacht geïnvesteerd om een Analytics Center for Excellence (ACE) op te zetten. Het team van meer dan 80 personen heeft bijna 30 leden die analyses uitvoeren in Tableau en inzichten leveren aan de belangrijkste belanghebbenden. Andere leden ondersteunen databeheer, datavoorbereiding en modellering voordat ze de data overdragen aan Tableau-ontwikkelaars en serverbeheerders. "We beginnen ermee de data correct te structureren zodat deze kunnen worden geschaald en geautomatiseerd. We hebben veel nagedacht over de datastructuur en de ontwikkeling van weergaven die de informatie op de meest intuïtieve manier kunnen verspreiden", zegt Sid Dayama, Senior Manager Data Analytics bij Verizon. Voordat ACE reeksen dashboards begon te bouwen, zijn er planningsessies met belanghebbenden gehouden om de behoeften te bepalen. Ze ontwikkelden dashboards die waren geoptimaliseerd voor snelle laadtijden en stimuleerden effectievere discussies om de top-down manier van besluitvorming te transformeren. Toen iedereen begon te werken met de dashboards, werd het team er handiger in om inzichten te vinden met functies zoals tooltips, de weergave van details in de visualisaties en verduidelijking van velddefinities. Ze zijn van plan andere platformfuncties toe te passen en verschillende soorten grafieken te gebruiken om de klantervaring verder te versterken.
Tableau is zo goed vanwege de koppelingen met allerlei soorten software. Voor ons was het een grote mijlpaal om ze samen te voegen en textmining in een dashboard te zetten.
Callcenter verhoogt de capaciteit, en verbetert de routering en het sentiment van klanten met 50% snellere analysetijd
Klanten communiceren op verschillende manieren met het ondersteuningsteam van Verizon: via online chat, callcenters en cross-channel. Ze moeten beginnen met digitale kanalen en eindigen met het callcenter. Verizon wilde echter dat klanten gebruikmaken van de digitale selfservice zonder een beroep te doen op de callcenters, zodat ze niet hoeven te wachten op antwoorden of een bezoek van technici en de tevredenheid hoog blijft. En nog belangrijker: ze wilden geen herhaalde contacten met het callcenter omdat dit betekent dat een probleem niet is opgelost en dit leidt tot lagere efficiëntie en hogere operationele kosten voor het callcenter en de dispatchteams. ACE besefte dat verschillende segmenten klanten verschillend belgedrag hebben. Daarom werd een geoptimaliseerde routeringsoplossing ontwikkeld voor bepaalde cohorten van klanten via Tableau-dashboards waarmee teams, zoals bedrijfstransformatie, analytics, IT en callcenter operations, de klantbetrokkenheid in callcenters kunnen analyseren en het sentiment kunnen bewaken.
Het analytics-team analyseert 17 verschillende kenmerken voor elke persoon in het klantenbestand, zoals het dienstverband van de klant, productgebruik, oproepen aan chauffeurs, oproepfrequentie, gemiddelde afhandelingstijd, het sentiment bij contactoproepen, leeftijd etc. Klanten worden vervolgens gecategoriseerd en in verschillende cohorten ingedeeld voor verdere behandeling. Deze afzonderlijke cohorten worden vervolgens gerouteerd naar een speciale ondersteuningswachtrij waar deskundige callcentermedewerkers verzoeken behandelen om herhaalde problemen te voorkomen. Tableau-dashboards voorzien de callcentermedewerkers van contextuele informatie, zoals historische oproeppatronen van de betreffende klanten, zodat ze problemen effectief kunnen oplossen en klanten minder vaak hoeven te bellen. Het team gebruikte de waarschuwingsfunctie in Tableau om te weten wanneer het oproepvolume onder de voorwaardelijke visuele drempel daalt. In dat geval wordt een algoritme geactiveerd om nieuwe sets van klanten met veel vragen te ontdekken en een nieuwe klantenlijst voor de vertegenwoordigers te genereren. "Het mooie is dat het menselijke element hierbij in feite overbodig wordt", zegt Greg. Doordat Verizon nu situationele kennis had over het belgedrag van klanten en de operationele capaciteit van callcentermedewerkers, verbeterde de effectiviteit bij het afhandelen van klantgesprekken, waren er minder herhaalde oproepen en nam het gespreksvolume af met 43%. Door de Tableau-dashboards werd ook de analysetijd van de klantenservice met 50% verkort en worden klantproblemen sneller opgelost. Senior managers gebruiken de dashboards om hun strategie te bepalen en voor de ontwikkeling van de belanghebbenden in de frontlinie die dagelijks oproepen beantwoorden en die het oproepgedrag, patronen en historische trends moeten identificeren.
De inzichten van onze dashboards helpen ons om de callcenteractiviteiten te optimaliseren, zodat klanten minder vaak hoeven te bellen. Door deze realtime dashboards te volgen, kunnen we zien dat het aantal oproepen en dispatches (de belangrijkste kostenfactoren) afneemt naarmate het oplossingspercentage en de tevredenheidsindex van klanten stijgen.
Geospatiale kaarten van Tableau helpen het Verizon-team de impact van servicedispatching te monitoren
Verizon Fios heeft bepaalde huishoudens die meerdere dispatches naar hun huis nodig hebben om problemen op te lossen. Het ACE-team wilde de nood voor meerdere dispatches verminderen en de klanttevredenheid verbeteren en heeft daarom een reeks Tableau-dashboards gemaakt waarmee dispatch-teams de geografische impact van dispatching van veldtechnici kunnen monitoren, niet alleen op staats- en postcodeniveau, maar ook op het niveau van individuele huishoudens. Met de dashboards werd dispatching voor 6,9 miljoen Fios-klanten geanalyseerd aan de hand van KPI's, zoals het aantal gegenereerde tickets, de frequentie van tickets, de geïnitieerde dispatches, de totale frequentie van dispatches plus de kostenimpact van deze dispatches. Gebruikers kunnen deze KPI's verder opdelen aan de hand van dimensies zoals het type klant, de verschillende soorten problemen die dispatches genereren en verschillende andere kenmerken van de kabelinfrastructuur.
Via kaartfuncties in Tableau, zoals de Mapbox-integratie, kon het team middels heatmaps een locatiegebaseerde impact identificeren en zien waar de ticket- en dispatchrates het uistekend deden of juist achterbleven, en welke variabelen invloed hadden op de frequente dispatches. Hierdoor kon Verizon de tijd voor de analyse van dispatches van technici met meer dan 50% verminderen en ontdekken hoe geospatiale kaarten ook andere organisatorische behoeften kunnen ondersteunen.
De integraties van Tableau met R en Python maken diepere digitale productanalyse mogelijk
Verizon Fios lanceert digitale producten om de klantbetrokkenheid te versterken. Een van die producten is de Fios-chatbot op Facebook Messenger, uitgebracht in 2017. Deze en andere producten helpen klanten bij de interactie met het merk en om vragen te stellen. De rol van analytics en rapportage bij de monitoring van KPI's voor acquisitie, betrokkenheid, klantontvankelijkheid en producteffectiviteit is cruciaal. ACE heeft specifieke KPI's voor de Fios-chatbot ontworpen en het gebruik ervan door klanten gemonitord. Via parameters met aangepaste datums in Tableau kon het team de productprestaties in de loop van de tijd meten voor de evaluatie van veranderingen per dag, week en maand. Daarnaast werd tekstanalyse toegepast met de Tableau R-integratie om een zinnige betekenis te onttrekken aan de chatsessies. De chattranscripties van klanten, opgeslagen als velden met onbewerkte tekenreeksen in de tabel, zijn vooraf bewerkt om hieruit categorische trefwoorden te extraheren. "Dit alles gebeurt in R, waar data worden geaggregeerd op basis van de frequentie van woorden. Vervolgens importeer ik dit in Tableau en visualiseer ik de woordfrequentie met woordwolken in verschillende kleuren en grootten. Hierdoor kregen we een goed inzicht in de mindset van onze klanten tijdens het chatten met de bot", aldus Sid.
Dankzij de flexibiliteit van Tableau konden ACE, het digitale team en het klantenserviceteam de antwoorden monitoren van elke categorie vragen die klanten de bot stellen. De geëxtraheerde informatie werd gebruikt om de intelligentie van de bot te trainen, zodat deze meer vragen herkent en op de juiste manier reageert om problemen op te lossen. Aan de hand van deze informatie kon worden bepaald wat de populairste klantcontactmomenten waren en zo personeel inzetten om grote aantallen service-events te verwerken, zoals stroomonderbrekingen of betaalde sportevenementen op Fios TV. Dit was de eerste keer dat Verizon een integratie van R met Tableau probeerde. De positieve resultaten, zoals bedrijfsmanagers die inzicht krijgen in de algemene reactie van klanten op een productlancering of inzichten gebruiken om productmarketing en -planning te onderbouwen, brachten Verizon ertoe om ook andere bronnen met Tableau te integreren. ACE maakte ook gebruik van TabPy om Python-modellen in Tableau te integreren en de toepassing van analytics verder te stimuleren.
Meer informatiebronnen