Data science laat callcenter efficiënt de klant bellen

Contactcenters proberen het bereik van hun telefonie te verhogen. Om dit te kunnen realiseren, maken ze gebruik van belsoftware die automatisch leads (een lijst met telefoonnummers en klantgegevens) afbelt. Deze softwarepakketten verhogen het tempo van lijsten afbellen om het bereik te verhogen. Dit veroorzaakt echter negatieve gevolgen voor zowel de consumenten als de contactcenters: consumenten worden te veel gebeld en contactcenters raken waardevolle leads sneller kwijt.

Het doel van het onderzoek naar Smart-Call™ was om beide negatieve gevolgen te beperken en het bereik te verhogen. Hiervoor werd de volgende onderzoeksvraag gehanteerd: Hoe kunnen we het beste het bereik van consumenten voorspellen, om zo de efficiëntie en doelgerichtheid van het klantcontact te verhogen? Efficiëntie doelt hierbij op het in bedwang houden van het beltempo om zo leads minder snel op te maken, en doelgerichtheid op het in gesprekken sneller tot een einddoel komen door mensen op tijden te bellen wanneer het hen uitkomt.

Allereerst is er een uniek voorspelmodel opgezet dat gebruikmaakt van de hiërarchie in klantgegevens, met self-learning artificial intelligence die zich vlot kan aanpassen aan veranderingen. Dit model is de kern van Smart-Call™. Vervolgens is de belsoftware hierop aangepast.

Na de implementatiefase is er op verschillende outboundprojecten een A/B-test geweest. Leads werden random verdeeld over twee groepen. De ene groep werd met Smart-Call™ gebeld en de andere groep met de reguliere methode. De belgroep en periode waren hetzelfde. Uit de resultaten bleek dat Smart-Call™ minder contactpogingen nodig heeft om een hoger bereik, hogere sales en hogere klanttevredenheid te realiseren. Bij projecten waarbij kwalitatief hoge klantdata (up-to-date, nauwkeurig en passend bij het project) worden aangeleverd, werkt Smart-Call™ beter.

Voorloper
2Contact wil voorloper blijven op het gebied van data science en innovatie. Hoewel Smart-Call™ organisatiebreed wordt ingezet, is het volop in ontwikkeling. Het theoretische model dat in het initiële onderzoek was opgezet, was namelijk anders dan Smart-Call™ in de praktijk. Het theoretische model in het onderzoek ging ervan uit dat er elk uur van de dag callagents aanwezig zouden zijn. In de praktijk varieert dit. Smart-Call™ is hierop aangepast. We verwachten in 2018 hier stappen in te zetten.

Hiervoor zijn Olcay Yucekaya en Hassan Boutaibi (eindverantwoordelijke WFM) in het laatste kwartaal van 2017 een samenwerking aangegaan, waarbij nieuwe data science-concepten zijn opgezet die belangrijke raakvlakken hebben met Smart-Call™.

Olcay Yucekaya momenteel werkzaam als Data Scientist bij 2Contact. Met een achtegrond in Marketing (M.Sc.) en Data Science brengt hij deze twee vakgebieden tot een in diverse concepten. Naast Smart-Call en Data Science bij 2Contact is hij bezig met concepten zoals (genuine) Artificial & Natural intelligence.

Tag

Onderwerp



Niet gevonden? Vraag het de redactie!

Heeft u het antwoord op uw vraag niet gevonden, of bent u op zoek naar specifieke informatie? Laat het ons weten! Dan zorgen we ervoor dat deze content zo snel mogelijk wordt toegevoegd, of persoonlijk aan u wordt geleverd!

Stel uw vraag