
GrabIT
GrabIT alternatieven
Profieloverzicht
Over GrabIT
Wij zijn een groep van 40 ingenieurs die data- en software-engineeringdiensten en advies aanbiedt.
Ons team van ervaren specialisten beschikt over meer dan een decennium aan ervaring. Wij onderscheiden ons door de ontwikkeling van maatwerksoftwareoplossingen en het benutten van de transformerende kracht van generatieve AI en machine learning.
Neem contact op met de dienstverlener en ontvang zo snel mogelijk een reactie op uw vragen.
Locaties
Video
Diensten
- Software ontwikkeling: 30 %
- IT-recruitment: 10 %
- AI: 30 %
- BI en Big Data: 10 %
- IT-dienstverlening: 10 %
- IT-consulting: 10 %
Neem contact op met de dienstverlener en ontvang zo spoedig mogelijk een passend aanbod.
Portfolio
Klanten
Spar Slovenia Ericsson Du Telekom Telekom Slovenije Tus Trgovine Verizon NLB ING Telenet Hrvatski Telekom mts Intesa SanPaoloDownloads
Projecten

Beoordeling van de klantervaring
Case study van GrabIT
Beschrijving
We maakten deel uit van een team dat een nieuwe generatie meting van klanttevredenheid ontwikkelde door voor elke klant een uitgebreide Customer Experience Score (CES) op te stellen. In tegenstelling tot traditionele meetwaarden zoals Net Promoter Scores en enquêtes over klanttevredenheid wilden we de volledige klantervaring over alle interactiekanalen heen in kaart brengen. Door gebruik te maken van AI-modellen om elke interactie te beoordelen op basis van de impact ervan, genereerde de oplossing individuele CES-beoordelingen voor elk kanaal en bundelde die tot een totale score. Deze aanpak maakte een gedetailleerde analyse van klanttevredenheid op verschillende niveaus mogelijk, en maakte vervolgens segmentatie mogelijk op basis van demografische kenmerken, kanaalspecifieke tevredenheidsbeoordelingen en beoordelingen voor specifieke vestigingen, regio’s en medewerkers. Dit bood niet alleen een transparant inzicht in de gebruikersintentie, maar ook bruikbare inzichten om de klantervaring te verbeteren, technische problemen op te lossen en de gebruikers tevredenheid te verhogen via diverse contactmomenten.
Uitdaging
Het doel van het project was om voor elke klant van het telecombedrijf een Customer Experience Score (CES) op te stellen. De huidige meetwaarden voor het meten van klanttevredenheid zijn meetwaarden zoals Net Promoter Scores of enquêtes naar klanttevredenheid die onbetrouwbaar zijn gebleken: ze zijn belastend voor klanten, hebben lage responspercentages met sterke vertekeningen richting de uiterste einden (iemand vult een formulier in wanneer hij ofwel zeer tevreden ofwel zeer ontevreden is), zijn achterhaald en zijn vaak niet toepasbaar. Het idee is om een oplossing te creëren die de volledige ervaring van alle klanten in kaart brengt op basis van hun relatie met de aanbieder, over alle kanalen heen.
Oplossing
Een klant heeft veel interacties met het telecombedrijf (kanalen), via winkels, callcenters, de website en mobiele apps, upgrades en downgrades van pakketten, tot aan acties die de klant uitvoert of die hem/haar kunnen overkomen, zoals de hoeveelheid datagebruik, het aantal afgebroken oproepen, trage internetverbindingen, lage wachtrijen in winkels, lange wachttijden in het callcenter, interactie met livechat voor ondersteuning en meer. Het doel is om elke afzonderlijke interactie voor elke klant vast te leggen, operationele KPI’s op te stellen en ze met behulp van AI-modellen van 0 tot 100 te beoordelen, afhankelijk van hoe positief of negatief deze interactie zich voordoet. Trage internetverbindingen, lange wachtrijen en overdrachten tussen agents kunnen leiden tot negatieve ervaringsscores, terwijl positieve interacties hoge scores opleveren in de ranglijst. Op die manier maken we afzonderlijke CES-beoordelingen voor elk kanaal waarmee een klant met de aanbieder zou kunnen interageren, en kunnen we die samenvoegen om de totale klanttevredenheid te bepalen. Op die manier kunnen we niet alleen de tevredenheid van onze klanten analyseren, maar ook de tevredenheid van elk afzonderlijk kanaal (bijvoorbeeld winkels, internetbetrouwbaarheid, callcenters) apart evalueren. We kunnen ook segmentaties en drilldowns uitvoeren, bijvoorbeeld de CES-scores van specifieke demografische groepen. Dit platform biedt ons ook een robuust kader waarmee we de klanttevredenheid van individuele winkels kunnen analyseren (waarbij we de CES van de klanten die deze winkel hebben bezocht combineren), de CES tussen regio’s, de CES van medewerkers (indirect via de CES van klanten die zij hebben geholpen) en meer.
Resultaten
Door de ontwikkeling en implementatie van de Customer Experience Score hebben we een transparante aanpak gecreëerd om gebruikers tevredenheid te meten, waarbij alle componentbeoordelingen beschikbaar zijn waaruit de CES-score is opgebouwd. We kunnen zowel totaalscores als individuele beoordelingen bekijken, hiërarchische drilldowns, gelaagdheden en veel aanvullende analyses op basis van de data uitvoeren. Met behulp van deze technieken kan het bedrijf vervolgens concrete maatregelen nemen. Als bijvoorbeeld de CES-score in een bepaalde regio voor afgebroken oproepen laag is, kan dat een reden zijn om bepaalde technische problemen aan te pakken. Als de CES-score in een specifieke vestiging of voor een specifieke agent laag is, kunnen maatregelen worden genomen om de gebruikers tevredenheid te verbeteren voor gebruikers die met deze kanalen interacteren. De introductie van de Customer Experience Score bood niet alleen een transparant overzicht van gebruikers tevredenheid, maar maakte ook bruikbare inzichten mogelijk om de klantervaring te verbeteren, technische problemen op te lossen en de gebruikers tevredenheid te verhogen op verschillende contactmomenten.
Neem contact op met de dienstverlener en ontvang zo spoedig mogelijk een passend aanbod.
Meer case studies van de dienstverlener
Neem contact op met de dienstverlener en ontvang zo spoedig mogelijk een passend aanbod.
Beoordelingsoverzicht
Algemene beoordeling
reviews
Feedbax reviews





