L’introduzione da parte di Facebook delle “reactions” sta offuscando quanto dichiarato da Twitter il 19 febbraio 2016, ovvero il lancio di due nuove funzionalità per le aziende che permetteranno di garantire un servizio clienti ancora più efficace.
La tematica si inserisce quindi nell’ambito del Customer Care e Twitter sembra essere uno dei luoghi virtuali ideali per far incontrare aziende e consumatori.
Mensilmente sulla piattaforma Californiana avvengono interazioni legate al servizio clienti e, le aziende che hanno promosso il Customer Care su Twitter, ottengono notevoli risultati sia in termini di Customer Satisfaction, sia in termini di efficienza dei costi di risposta alle richieste informative che, se paragonate ad altri canali, si riducono di ⅙ rispetto, ad esempio, al costo di un servizio di call center.
L’aumento della Customer Satisfaction innesta un circolo virtuoso che, partendo da una crescita della fidelizzazione e passando per un aumento delle vendite (e quindi del Customer Life Time Value della propria base clienti), crea un aumento complessivo della Customer Equity, ovvero del valore della propria azienda.
Una ricerca apparsa sul blog di Twitter dimostra che quando un cliente interagisce su questo canale e twitta ad esempio una richiesta d’informazione piuttosto che un reclamo a una compagnia aerea e riceve risposta, è disposto a spendere 9$ in più per l’acquisto successivo con quella compagnia.
Dopo questa premessa veniamo alle due nuove funzionalità introdotte: i Messaggi Diretti per le aziende e il Customer Feedback.
In questo articolo ci concentreremo sul Customer Feedback cercando di fare un passo ulteriore, ovvero come i Text Analytics possono fornire ulteriori insight rispetto al già prezioso contributo di questa nuova funzionalità.
Il Customer Feedback di Twitter
Il nuovo strumento chiamato appunto Customer Feedback consente alle persone di esprimere con l’azienda le proprie opinioni dopo aver usufruito del servizio clienti su Twitter.
Le aziende da tempo manifestano di apprezzare molto i feedback ricevuti dagli utenti attraverso i classici Tweet e/o Messaggi Diretti, ma allo stesso tempo hanno sempre evidenziato due macro necessità fondamentali per migliorare i servizi e prodotti che vendono:
- misurare
- analizzare in modo strutturato.
Da qui la nascita del Customer Feedback di Twitter che dovrebbe rendere più facile per gli utenti la condivisione dei propri feedback con l’azienda, dopo l’utilizzo del Customer Care.
Lo strumento prevede due formati standard di domande:
- Net Promoter ScoreSM (NPS®)
- Customer Satisfaction (CSAT)
Questa nuova funzionalità non è ancora attiva ma entrerà in funzione nelle prossime settimane su alcuni brand selezionati.
Il Customer Feedback, la Business Intelligence e i Text Analytics
Nell’attesa che il Customer Feedback sia a disposizione di tutte le aziende che vorranno utilizzare questa nuova ed efficace funzionalità per misurare e monitorare i livelli di soddisfazione della base clienti che utilizza questo canale virtuale, proviamo a fornire un ulteriore valore aggiunto utilizzando una metodologia presente nell’articolo RICERCA SOCIALE & BUSINESS INTELLIGENCE: METODOLOGIE ED ESEMPI
L’unione tra quanto rilevato tramite il Customer Feedback con quanto analizzato tramite i Text Analytics può rappresentare e diventare un vantaggio competitivo per le aziende che utilizzeranno questa metodologia.
Ma vediamo in concreto come i Text Analytics possono aiutare e migliorare il già prezioso contributo derivante dalla sola misurazione del Net Promoter Score oppure della Customer Satisfaction.
Per farlo prendiamo come esempio la tematica del Net Promoter Score.
Il Net Promoter Score non è altro che un parametro che prova a misurare il grado di fedeltà del cliente. Tale metodologia è stata sviluppata nel 2003 da Fred Reichheld di Bain & Company e pubblicata sulla prestigiosa rivista “Harvard Business Review” con il famoso articolo “The One Number You Need to Grow”.
L’obiettivo era determinare un punteggio di soddisfazione del cliente facile da interpretare e confrontabile tra diverse aziende.
Il Net Promoter Score valuta in quale misura un cliente consiglierebbe una determinata impresa, un prodotto, un servizio, etc. ai propri amici, parenti o colleghi.
Al cliente viene posta una semplice domanda, ad esempio: “Se dovesse attribuire un valore compreso tra 0 e 10, quanto consiglieresti l’azienda X a un tuo amico?”, dove 0 è il valore più negativo e 10 il più positivo in questa scala di soddisfazione.
I valori rilevati vengono poi successivamente raggruppati in tre categorie:
- promotori: coloro che rispondono 9 o 10;
- passivi: coloro che rispondono 7 o 8;
- detrattori: coloro che rispondono da 0 a 6.
Il passo ulteriore che si può fare con i Text Analytics è quello di esplodere questo valore numerico analizzando le interazioni che il cliente ha avuto con il Customer Care poiché, anche a fronte di un Net Promoter Score molto elevato, ci possono essere dei problemi e/o opportunità latenti (es. reale su Net Promoter Score 10: “mi trovo molto bene con la mia auto, sono un vostro cliente ormai da 20 anni ma questo modello riscontro numerosi problemi con il cambio e con l’impianto di condizionamento).
I Text Analytics integrano e completano questi indicatori numerici grazie all’applicazione di modelli matematici e/o statistici alle parole e sono in grado di integrare, completare ed arricchire gli insight derivanti dalla sola misurazione del Net Promoter Score.
Molto utilizzato dai nostri clienti ad esempio è la mappa di coerenza tra Net Promoter Score e Sentiment.
Grazie all’analisi dei dati destrutturati (i commenti tra cliente e Customer Care, piuttrosto che un testo libero lasciato nel questionario di ricerca, etc.) con le metodologie dei Text Analytics (analisi semantica, categorizzazione semantica, cluster analysis, link analysis, etc.) è possibile individuare nei singoli verbatim analizzati, non solo ad esempio l’opinione complessiva sull’azienda ma di dettagliarla per i singoli argomenti di cui i clienti stanno parlando e confrontarla con il punteggio del Net Promoter Score.
Grazie alle analisi di sentiment è possibile identificare correttamente e puntualmente chi sono i veri “promotori” o “detrattori” della vostra azienda. Vediamo un esempio reale.
Sentiment Analysis vs Net Promoter Score
Sentiment Taxonomy
Mappa di coerenza tra Net Promoter Score e Sentiment
Davide Camera
Founder & Senior Partner
Excelle Business Consulting & Intelligence
Twitter: @davidecamera