Hoe WML meer inzicht krijgt ik verhaalverkeer van klantcontact (in samenwerking met Inergy)

WML (Waterleiding Maatschappij Limburg) wilde graag meer inzicht krijgen in de aanleidingen en oorzaken van klantcontact. Om hiermee de impact van herhaalverkeer aan te tonen en dit in de toekomst, waar mogelijk, te voorkomen. Met hulp van Inergy is dit gelukt. Myrko Webers, hoofd afdeling klantenservice bij WML, en Melvin Agten, Data Scientist bij Inergy, vertellen over dit succesvolle project.

 “Het begon bij onze Willy Wortel raad”, begint Myrko. “Dat is een intern innovatie platform van WML om nieuwe initiatieven te ontplooien in de vorm van pilots. We hebben een enorme hoeveelheid data en wilden daar graag meer waarde uit halen.” Het bedrijf schakelde Inergy in om de mogelijkheden van de data inzichtelijk te maken en een concrete use case te ontwikkelen.

“Mijn collega Hedwig van Berlo is strategisch beleidsadviseur en coördinator van het WML Innovatie Lab / de Willy Wortel raad”, vervolgt Myrko. “Zij was op zoek naar een big data case binnen het klantdomein omdat we daar tot op heden nog weinig mee gedaan hadden binnen WML. We wilden graag ontdekken wat de mogelijkheden waren en ook leren hoe we zoiets aan moeten pakken.”

Advanced analytics
“WML levert water in de gehele provincie Limburg”, legt Melvin uit. “De continuïteit van levering en de kwaliteit van het kraanwater staan voorop. Daarnaast wil het bedrijf zijn klanttevredenheid zo hoog mogelijk houden. Tijdens dit project hebben we advanced analytics toegepast op alle klantcontact data. WML heeft om onze expertise gevraagd omdat het zelf nog geen kennis en ervaring had met Data Science projecten.”

“Wat wij prettig vonden, was dat Melvin in het begin hele dagen op onze klantenservice afdeling aanwezig was. Zo zat hij letterlijk tussen de klantenservicemedewerkers in en stelde hij continu allerlei vragen. Op die manier heeft hij ons primaire proces direct goed doorgrond, draagvlak gecreëerd en konden wij tegelijkertijd veel van hem leren”, vertelt Myrko.

(On)gestructureerde data
WML heeft verschillende kanalen voor klantcontact: telefoon, mijnWML, e-mail, brief en sociale media. Er is sprake van herhaalverkeer wanneer een klant regelmatig contact opneemt met WML over hetzelfde onderwerp. “Om te identificeren welke klanten voor herhaalverkeer zorgen, heb ik een model ontwikkeld. In het CRM-systeem van WML wordt alle klantdata van de afgelopen jaren opgeslagen. Zo ook de datum, het tijdstip en onderwerp van wanneer iemand bijvoorbeeld heeft gebeld of gemaild”, legt Melvin uit. “Dat noemen we de gestructureerde data”.

“Per klantcontact maken we ook handmatig aantekeningen in het systeem”, vertelt Myrko. “Een paar zinnen met daarin bijvoorbeeld de aanleiding van de klant om te bellen. Dat noemen we de ongestructureerde data.” Melvin: “In de analyse heb ik onderscheid gemaakt tussen die twee soorten data. De ongestructureerde data zijn een mooie aanvulling op de gestructureerde data. Ze bevestigen veelal de bevindingen uit de gestructureerde data en vullen deze aan met nieuwe inzichten.”

“Melvin heeft voor ons gekeken naar de verbanden in de data die iets zeggen over waar de grootste hoeveelheid herhaalverkeer zit en waarom”, vult Myrko aan. “De resultaten daarvan zijn opgeleverd in een Power BI dashboard. Zeer waardevol inzicht voor ons, want met behulp van het interactieve dashboard en de inzichten vanuit de ongestructureerde data hebben we nu een goed beeld van waar (ongewenst) herhaalverkeer plaatsvindt en kunnen we aan de slag met het terugdringen hiervan. Bovendien kunnen we het dashboard blijven updaten met de gestructureerde data waardoor we kunnen monitoren hoe het een en ander zich ontwikkelt over tijd en of we effect van verbeteracties gaan zien.”

Sentimentanalyse en text mining
Interessant is de sentimentanalyse die is toegepast op de ongestructureerde data. Daarmee is met behulp van modellen in Python* getoetst waar negatief en positief sentiment in de processen zit. Hierbij draait het om de betekenis en context van woorden en woordcombinaties. “In totaal heb ik sentimentanalyse toegepast op meer dan één miljoen teksten. Dat zijn dus de teksten die handmatig zijn ingevoerd in het CRM-systeem op basis van contactmomenten met de klant”, vervolgt Melvin. “Om de betrouwbaarheid te toetsen heb ik een paar honderd geclassificeerde teksten gedeeld met Myrko. Het algoritme van de sentimentanalyse deed het heel goed, maar de uitkomsten van veel teksten waren als neutraal geclassificeerd. Dat heeft te maken met het feit dat ze vanuit medewerkers perspectief zijn geschreven en niet vanuit dat van de klant.”

Bij klachten bleek tekst mining een waardevol hulpmiddel. Bij deze methode wordt er bijvoorbeeld gezocht naar de originaliteit van woorden en woordcombinaties. “Als er klachten zijn worden die bij ons geregistreerd in het CRM-systeem”, zegt Myrko. “We hadden een vermoeden dat niet iedereen klachten op dezelfde manier registreerde. Dat bleek ook het geval. De inzichten uit diverse text mining methoden lieten ons zien dat een groot deel van de klantcontacten niet als klacht werd geregistreerd, terwijl de uitkomsten uit de ongestructureerde data ons iets anders vertelden. Omgekeerd bleek ook dat er klantcontacten als klacht waren geregistreerd waar geen woord of woordcombinatie met klacht in zat. Hier duiken we natuurlijk verder op in om te kijken waar het mis gaat en waarom. In het vervolg leidt dit wellicht tot andere afspraken.”

Toekomst
“Het is mooi om te zien hoe wij als Inergy WML hebben kunnen helpen in het creëren van inzicht. Uiteraard faciliteren we dit bedrijf ook in de toekomst graag over hoe het de inzichten uit de data kan gebruiken”, concludeert Melvin tevreden.

“En zeker niet onbelangrijk is dat dit project succesvol afronden ook te maken had met de uitstekende verdeling qua werk. Het mooie eindresultaat komt omdat er echt als team is samengewerkt. Zo had ik als Data Scientist de kennis van WML hard nodig. Daardoor wist ik precies wat de definities waren van de data in het CRM-systeem. Glimlachend: “Allebei kijken we nu terug op een succesvol project. Een prachtige start voor wellicht nog andere mooie projecten die WML in de toekomst helpen waarde uit de data te halen.”

 

*Python is een veelgebruikte programmeertaal binnen het data science vakgebied, waarin onder andere teksten geanalyseerd kunnen worden.

 

Ook met Inergy werken?

Richard van Seeters

Bel ons op 0348 45 76 66

Mail Richard van Seeters via richard.van.seeters@inergy.nl