Klanten houden er niet zo van om gedwongen te worden, stelt Peter Verhoef, naast decaan ook hoogleraar marketing aan de RUG. Automatisering drijft klanten hoe dan ook een ‘digitale fuik’ in. Dat is geen oplossing voor alle klanten, laat staan dat bedrijven bij digitalisering rekening houden met verschillen. “Customer service gaat toch meer om het effectief bedienen van de klant.”

 

Prof. dr. Peter Verhoef (1972) is sinds juni 2019 decaan van de Faculteit Economie & Bedrijfskunde aan de Rijksuniversiteit Groningen. Hij is hoogleraar marketing en oprichter van het Groningen Digital Business Centre en Customer Insights Center. Zijn onderzoek richt zich op klantmanagement, loyaliteit, multichannel, big data en duurzaam koopgedrag. Hij publiceert in toonaangevende wetenschappelijke tijdschriften en ontving meerdere internationale prijzen voor zijn invloedrijke werk.

 

Media melden dagelijks nieuwe ontwikkelingen rondom AI. Hoe kijk jij aan tegen de AI-revolutie?

“In klantcontact – met name in contactcenters – zijn de afgelopen jaren al veel processen geautomatiseerd. Het aantal interacties tussen klanten en medewerkers zal teruglopen: die medewerker is relatief kostbaar. AI zal bijdragen aan nog verdere automatisering, de precisie zal verbeteren. Het gaat ook om de automatisering aan de ‘achterkant’: dat deel waar de klant weinig van merkt.”

“Ik merk zelf dat die doorgaande automatisering er soms ook toe leidt dat het lastig wordt om iemand aan de lijn te krijgen – toch vaak nog de gemakkelijkste manier om een vraag te stellen. Je moet als klant steeds vaker op zoek. Onlangs maakte ik dat zelf mee met een vraag over een pakketje. Het telefoonnummer van PostNL moest ik aan een chatbot vragen. Toen ik dat na de nodige moeite had gekregen moest ik bij het keuzemenu aan de telefoon oppassen dat ik niet weer werd doorgestuurd naar de chatbot. Als klant word je in de fuik geduwd van digitaal en geautomatiseerd; dat kan in veel gevallen leiden tot een snel antwoord. Maar de antwoorden sluiten niet altijd even goed aan op je vraag. Mijn zorg is dat op onderdelen de kwaliteit en de klantvriendelijkheid negatief worden beïnvloed door de inzet van AI.”

(tekst loopt door na onderstaande afbeelding)

 

Kan die vooruitgang in automatisering ook leiden tot een betere samenwerking tussen marketing en customer service als het gaat om het inrichten van de klantreis?

“In veel gevallen verloopt de klantenservice prima, zo zijn de FAQ’s vaak toereikend en bovendien is de digitale geletterdheid in ons land relatief hoog. De kans op problemen in customer journeys is vooral groter bij bepaalde doelgroepen – denk aan digitaal ongeletterden. Als je die ook in de digitale fuik duwt, help je ze dan nog goed? En er blijven vragen over waarbij klanten de zekerheid zoeken van een medewerker. De vraag is of klantreizen ook rekening houden met verschillende groepen. Klantreizen zijn vaak gericht op blauwdrukken van interne processen. Wil je wél rekening houden met verschillende doelgroepen, dan zou marketing hier een rol in kunnen spelen.”

 

Dat vraagt bijvoorbeeld ook om diversiteit in klantpanels: inclusief digibeten.

“Deze discussie speelt al langer. Wat is het effect als je bankfilialen gaat sluiten? Je kunt ook je perspectief aanpassen: wat bied je aan voor digibeten? Ieder bedrijf dat de massa bedient, heeft op dit vlak een verantwoordelijkheid. Je kunt niet iedereen richting AI duwen. In contact komen met een menselijke medewerker zou dus gemakkelijk moeten blijven. In mijn voorbeeld van PostNL was het vrijwel onmogelijk om een medewerker te spreken.”

 

Wat zegt dat over de customer effort score?

“Customer service is ooit in het leven geroepen om alle klanten zo goed mogelijk te bedienen. Men vergeet dat klanten verschillende behoeften hebben. Er zijn bijvoorbeeld nog altijd grote groepen klanten die bij voorkeur naar een fysieke winkel gaan, zo blijkt steeds opnieuw uit onderzoek. Digitale oplossingen houden daar geen rekening mee; klanten krijgen minder keuze. Klanten houden er niet zo van om gedwongen te worden.”

 

Klantdata en AI maken gepersonaliseerde dienstverlening steeds beter mogelijk. Daarvoor moeten klanten wel data delen. Hoe kunnen organisaties balanceren tussen datagebruik en consumentenvertrouwen?

We hebben binnen onze vakgroep het PRICAL-model ontwikkeld. Wat kost het en wat levert het op als je je data deelt? Daarbij spelen economische en rationele elementen, risico’s en emotionele nadelen een rol. Met het PRICAL-model kan je voorspellen of consumenten wel of niet bereid zijn hun data te delen in specifieke situaties. Denk aan de afwegingen die een consument moet maken bij het afsluiten van een autoverzekering die het rijgedrag monitort. Het PRICAL-model gaat er van uit dat mensen afwegingen maken, maar een deel van die afwegingen wordt beïnvloed door gemak en maken we zelfs onbewust, dus zonder calculatie. We klikken meestal snel op ‘accepteer’ als we verder willen in een digitale journey. Bij de ‘veilig rijden’-verzekering bestaat de kans dat consumenten juist terughoudend zijn omdat ze weten dat ze regelmatig te hard rijden – ‘wie weet delen ze mijn data met de politie!’

 

In de wereld van AI is een goede datahuishouding een voorwaarde voor succes.

“Als bedrijven veel data hebben, kan dat ook leiden tot het ‘where is Waldo’-effect. Machine learning kan helpen om slimmere analyses te maken waarbij je niet meer álles hoeft te weten van al je klanten. Gegevens van individuele klanten gaan op in de datamassa en daarmee word je als klant een onzichtbaar individu. AI kan in dat opzicht bijdragen aan betere waarborgen op het gebied van privacy, hoe raar dat misschien ook klinkt. En aan de andere kant kan het juist ook een risico zijn als je met beperkte data toch een ‘volledig’ beeld kan genereren – denk aan de Toeslagenaffaire. Dit is in ieder geval een actueel onderzoeksgebied.”

Bias moeilijk uitroeibaar – Bij gemeente Amsterdam werd een pilot opgezet voor het met behulp van AI voorkomen van bijstandsfraude. Ondanks een transparante aanpak bleek aan het einde van de pilot dat het vertrouwen in het systeem beperkt was, zegt Verhoef. Het systeem van gemeente Amsterdam werd getraind op vijftien kenmerken, zoals inkomen en woonsituatie, om te bepalen of een bijstandsaanvraag ‘onderzoekswaardig’ was. Er werd bewust gekozen voor een ‘ethisch algoritme’ dat niet zou kijken naar gevoelige kenmerken als etniciteit, nationaliteit of geslacht. Ondanks die maatregelen rolde er toch een systeem met bias uit; de AI-pilot kreeg geen vervolg.

 

AI-agents staan ook volop in de belangstelling. Deze autonome agents worden beter wanneer ze gespecialiseerd zijn en kunnen meer bereiken wanneer ze in teamverband samenwerken. Zo kunnen ze ook aan de slag voor consumenten.  

“Hier werd lange tijd geleden al over gesproken in vakbladen zoals Harvard Business Review. De vraag is hoe onafhankelijk dit soort AI-agents zijn – als je betaalt met je data, is het weer de vraag hoe die daarna worden gebruikt. Dit soort oplossingen kan goed voor je werken, zeker als ze werk uit handen nemen en zorgen voor tijdsbesparing. Misschien heb je straks een AI-agent nodig om de juiste AI-agents te vinden.”

 

Gaat AI een rol spelen in het dichter bij elkaar brengen van customer service en marketing?

“Dat is lastig te zeggen. Marketing houdt zich met name bezig met branding en communicatie – soms zit er wat sales in of raakt het klantbehoud. Customer service gaat toch meer om het effectief bedienen van de klant. Ik denk dat marketing zeker kan bijdragen aan customer service, maar je merk opbouwen, dat is toch echt het terrein van marketing. Ik zie niet meteen hoe AI hier verandering in gaat aanbrengen. GenAI genereert output op basis van datgene wat er al was. Creativiteit en echte innovatie – dus niet incrementele innovatie – moet denk ik vooral uit mensen komen, al word ik steeds voorzichtiger met dit soort uitspraken. Belangrijk is te beseffen dat het nog onduidelijk is wat AI in de toekomst zal brengen.”

(Ziptone/Erik Bouwer)

Customer Experience, Featured