Video: Wat is er 'Big' aan 'Big Data'? | BIG DATA 2024
Wanneer u uw big data verzamelt, wat is dan uw volgende stap? Vandaag staat klantentrouw centraal, omdat de klant op de stoel zit als het gaat om het maken van een keuze voor interactie met een serviceprovider. Dit geldt in veel sectoren. De koper heeft veel meer kanaalopties en onderzoekt steeds vaker aankoopbeslissingen en neemt aankoopbeslissingen op vanaf een mobiel apparaat.
U moet uw klantinteracties beheren, gewapend met diepgaande en aangepaste kennis van elke individuele klant om te concurreren op een snelle, mobielgestuurde markt. Wat is er nodig om de juiste aanbieding aan een koper te geven terwijl hij een aankoopbeslissing neemt? Hoe zorgt u ervoor dat uw klantenservicemedewerkers gewapend zijn met aangepaste kennis over de waarde van uw klant voor het bedrijf en haar specifieke vereisten?
Hoe kunt u meerdere bronnen van gestructureerde en ongestructureerde informatie integreren en analyseren, zodat u klanten de meest geschikte actie kunt bieden op het moment van engagement? Hoe beoordeelt u snel de waarde van een klant en bepaalt u welk soort aanbod de klant nodig heeft, zodat u de klant tevreden kunt houden en een verkoop kunt doen?
Bedrijfsleiders bekijken big data-analyse steeds vaker als het geheime wapen dat ze nodig hebben om de volgende beste actie te ondernemen in zeer concurrerende omgevingen.
Bedrijven breiden hun gebruik van sociale media en mobiele computeromgevingen uit en willen hun klanten op het juiste moment bereiken. Om succesvolle klantresultaten te behalen in een mobiele wereld, moeten aanbiedingen zo gericht en persoonlijk mogelijk zijn. Bedrijven gebruiken hun analyseplatform in combinatie met big data-analyse met snelle verwerking van real-time gegevens om concurrentievoordeel te behalen. Enkele belangrijke doelen die ze willen bereiken, zijn
-
Vergroot het inzicht in de unieke behoeften van elke klant. Lever deze diepgaande klantinzichten op het juiste moment om ze actiegericht te maken.
-
Verbeter de reactietijd voor klanten op het moment van interactie.
-
Integreer realtime-inkoopgegevens met grote hoeveelheden historische aankoopgegevens en andere gegevensbronnen om een gerichte aanbeveling te doen op het verkooppunt.
-
Voorzie vertegenwoordigers van de klantenservice van de kennis om de volgende beste actie voor de klant aan te bevelen.
-
Verbeter de klanttevredenheid en klantbehoud.
-
Lever de juiste aanbieding, zodat deze waarschijnlijk door de klant wordt geaccepteerd.
Hoe ziet een next-de-beste actieoplossing eruit?Bedrijven integreren en analyseren grote hoeveelheden ongestructureerde en gestreamde gegevens van e-mails, sms-berichten, callcenternotities, online enquêtes, spraakopnames, GPS-eenheden en sociale media.
In sommige situaties kunnen bedrijven nieuwe toepassingen vinden voor gegevens die te groot, te snel of van de verkeerde structuur waren om eerder in analytische en voorspellende modellen te worden opgenomen. De modellen die bedrijven kunnen bouwen, zijn geavanceerder en kunnen realtime gegevens uit verschillende bronnen bevatten.
Bedrijfsanalisten zoeken naar patronen in de gegevens die extra inzicht in klantoordelen en gedrag zullen verschaffen. Snelheid heeft topprioriteit. Uw model moet de volgende beste actie zeer snel voorspellen als u succesvol wilt zijn in deze snelle mobiele wereld.
Geavanceerde technologie helpt bedrijven om bruikbare informatie te genereren in minuten in plaats van dagen of weken. Het voorspellen van de volgende beste actie vereist vaak het gebruik van geavanceerde algoritmes voor het leren van apparaten vanuit een cognitieve computeromgeving.
We kijken naar voorbeelden uit de echte wereld van bedrijven in de financiële-dienstensector die veel investeren in nieuwe manieren om klanten te begrijpen en erop te reageren.
Een wereldwijde bank maakt zich zorgen over de tijd die nodig is om toegang te krijgen tot klantinformatie. Het wil callcentervertegenwoordigers voorzien van meer informatie over klanten en een beter begrip van het netwerk van klantrelaties.
De bank implementeerde een big data-analyseoplossing die de manier verbetert waarop haar vertegenwoordigers klanten ondersteunen door hen een vroege indicatie te geven van de behoeften van elke klant voordat ze aan de telefoon komen. Het platform gebruikt sociale-mediagegevens om relaties te begrijpen en kan bepalen met wie de klant verbonden is.
De oplossing combineert meerdere gegevensbronnen, zowel intern als extern. Er kan een indicatie zijn van belangrijke levensgebeurtenissen die plaatsvinden voor deze klant. Als gevolg hiervan kunnen agenten de volgende beste actie ondernemen. Een klant kan bijvoorbeeld een kind hebben dat klaar is om van de middelbare school af te studeren, en dit is misschien een goed moment om een studielening te bespreken.
