Slim bellen dankzij data

Olcay Yucekaya schreef er zijn masterthesis over: hoe bedrijven beter in kunnen spelen op het gewenste beltijdstip van cliënten. Met als resultaat een betere service, meer tevreden en daardoor loyalere klanten en uiteindelijk betere verkoopcijfers voor het bedrijf.

Tijdfactor 

De alumnus werkte zelf jaren als medewerker van de Bossche vestiging van callcenter 2Contact. Als geen ander kende hij de frustratie bij hemzelf en collega’s wanneer zij klanten belden op tijden waarop het niet uitkwam. “Het is niet leuk om te bellen met mensen die op dat moment niet op je zitten te wachten. De hoorn wordt erop gegooid, soms worden mensen onvriendelijk. Bovendien: je bereikt er niets mee. Daar wilde ik iets aan doen. Ik stelde aan Projectmanager Pieter Prins en Manager Operations Joke Lammers-De Weers van 2Contact voor om mijn thesis over dit onderwerp te schrijven. Universitair hoofddocent George Knox hielp me met het aanscherpen van mijn ideeën. Hij suggereerde om klantinformatie te gebruiken om zo een beter rendement uit de calls te halen. Dat vormde het startpunt. Vervolgens was de vraag: welke informatie gebruik ik? Ik probeerde me voor te stellen wat belangrijke factoren waren. Hoe bel je de klant op het beste moment? Zo kwam ik op het idee om de werkdag in halve uren op te delen.”

Kenmerken en variabelen

Hij onderzoekt of het mogelijk is klanten op basis van kenmerken en variabelen als leeftijd, gezinssamenstelling en woonplaats in groepen te verdelen. “Ik verwerkte data in een statistisch model. Binnen dit model kun je hiërarchie toepassen in zaken als woonplaats: per provincie, stad en postcode. Zo kun je heel specifieke lijsten samenstellen.” In zijn thesis ontdekt Yucekaya dat op basis van deze theorie een beter rendement behaald kan worden. “Als je op het voor de klant optimale tijdstip belt, zie je dat ze meer geneigd zijn om je te woord te staan, wat leidt tot prettigere gesprekken. Een klant gaat is hierdoor eerder geneigd een aankoop te doen of een betalingsregeling te treffen.” Dat blijkt ook uit de onderzoekscijfers.

Telefoonnummers worden automatisch een aantal keer gedraaid, om uiteindelijk wanneer er geen respons is, met rust gelaten te worden. Meestal ligt het percentage bereikte nummer tussen de 60 en 70%. In het model van Yucekaya is dat 93%. Bovendien bleek dat de callcentermedewerkers minder maar langere gesprekken per uur hielden, die resulteerden in 31% meer verkopen. Deze en meer resultaten presenteerde Olcay Yucekaya in zijn masterthesis.

’s Ochtends bellen

Dat is de theorie, de praktijk blijkt weerbarstiger. “Het kan bijvoorbeeld wel zo zijn dat de meeste mensen ’s avonds rond 20.00 uur gebeld willen worden, de meeste callcentermedewerkers werken ’s ochtends. Sommige bedrijven willen bovendien niet dat je in de avonduren belt. Ook was ik uitgegaan van een verdeling per halve uren, terwijl dat niet kon binnen ons systeem. Elk uur kon weer wel.” Yucekaya wilde niet opgeven. “Ik heb dit onderwerp als thesis gekozen juist omdat ik het in de praktijk wilde brengen. Waarom zou je een onderzoek doen om het vervolgens in de kast te zetten? Andere callcenters maken andere keuzes als bedrijfsresultaten tegenvallen. Dan gaat de dialer –een geautomatiseerde telefoon- bijvoorbeeld meer klanten bellen. Dat resulteert in meer telefoontjes en irritaties, soms ook telefoontjes waarbij er geen medewerker beschikbaar is en er dus opgehangen wordt: een abandoned call. Ik vind het veel logischer om de efficiency van je calls te vergroten.” Het kostte redelijk wat overleg om de aanpak van het onderzoek in de praktijk te brengen. Maar uiteindelijk is framework Smart-Call™ een feit.

Blijven leren

Je zou denken dat inmiddels alle callcenters overgestapt zijn op het nieuwe datagedreven belmodel van Yucekaya, maar niets is minder waar. Voorlopig werkt alleen 2Contact met Smart-Call™. Ondertussen werkt de gedreven data scientist aan het verbeteren van zijn framework. “Ik heb mijn eigen werkzaamheden inmiddels grotendeels geautomatiseerd. Het verzamelen en verwerken van data, plus het genereren van lijsten gebeurt nu vrijwel automatisch. Daardoor houd ik meer tijd over om me over de grote lijnen te buigen. Hoe kan ik het model en proces verder verbeteren? Is het bijvoorbeeld mogelijk om een computer te laten bellen met mensen en pas als zij hebben aangegeven bereid tot een gesprek te zijn, de call door te zetten naar een medewerker? Dat zou veel tijd en frustratie schelen. Ook ben ik bezig met het opleidden van anderen. Ik heb in mijn tijd op de universiteit geleerd hoe ik mezelf kan blijven ontwikkelen, hoe ik kan blijven leren. Dat probeer ik dagelijks toe te passen. Ik wil me nu verdiepen in genuine artificial intelligence. Als er op de universiteit onderzoekers of studenten met dit onderwerp bezig zijn, neem dan vooral contact met me op.”

Zie ook: Analytics Magazine INFORMS

Voor meer informatie: Olcay Yucekaya en George Knox

Linkedin Olcay Yucekaya

Auteur: Melinde Bussemaker