Kelola ketidakpastian: Menggunakan data untuk memetakan kursus Anda

Diterbitkan: 2020-04-28

Ringkasan 30 detik:

  • O-data adalah data dari penjualan, keuangan, SDM dan operasional lainnya. Ini memberi tahu Anda tentang tingkat kemenangan, profitabilitas berdasarkan lini produk, dan pengurangan karyawan.
  • X-data adalah kategori yang muncul yang mendorong inisiatif seperti CRM: keyakinan, emosi, sentimen. Umpan balik manusialah yang menunjukkan kesenjangan antara apa yang Anda pikir sedang terjadi dan apa yang sebenarnya terjadi.
  • Dengan menggabungkan O-data dengan X-data Anda, Anda dapat menemukan jenis interaksi produk dan layanan apa yang menciptakan promotor dan pencela. Kemudian Anda dapat menggunakan data ini untuk menghitung NPS untuk sebagian besar basis pelanggan Anda.
  • Generasi muda saat ini di dunia kerja tidak memiliki waktu atau keinginan untuk menjadi bagian dari organisasi yang tidak secara eksplisit mencoba untuk terhubung dengan mereka pada tingkat pribadi, dan juga berbagi keyakinan dan mentalitas tersebut di luar tembok perusahaan.

Sentimen selalu menjadi pendorong perilaku konsumen. Ini memainkan peran yang lebih besar sekarang karena lebih banyak interaksi kita sehari-hari dengan merek bersifat digital. Pertanyaan untuk merek adalah “bagaimana cara mengukur sentimen tentang pengalaman konsumen saya dengan cara yang membuatnya dapat ditindaklanjuti?”

Langkah pertama adalah mengenali "celah pengalaman" yang menjadi tantangan bisnis saat ini. Perusahaan telah mencoba untuk menutup kesenjangan ini selama bertahun-tahun – tetapi mereka melakukannya dengan jenis data yang salah.

Mereka telah melakukan pekerjaan yang hebat dalam mengumpulkan apa yang kami sebut "O-data" – data dari operasi. Mereka sudah mulai mengumpulkan “X-data” – nama lain untuk data pengalaman. Tetapi perusahaan telah melakukan pekerjaan yang buruk dalam memanfaatkan X-data dan pekerjaan yang lebih buruk lagi menghubungkannya dengan O-data untuk menghasilkan wawasan yang benar.

Apa itu O-data dan X-data?

O-data adalah data dari penjualan, keuangan, SDM dan operasional lainnya. Ini memberi tahu Anda tentang tingkat kemenangan, profitabilitas berdasarkan lini produk, dan pengurangan karyawan.

Bisnis telah banyak berinvestasi dalam mengotomatisasi pengumpulan dan distribusi O-data. Anda dulu harus mendapatkan keuangan untuk menghabiskan berminggu-minggu merekonsiliasi buku untuk mendapatkan analisis P&L yang terperinci. Sekarang Anda dapat mengklik tombol dan membuat laporan.

X-data adalah kategori yang muncul yang mendorong inisiatif seperti CRM: keyakinan, emosi, sentimen. Umpan balik manusialah yang menunjukkan kesenjangan antara apa yang Anda pikir sedang terjadi dan apa yang sebenarnya terjadi.

Bisnis di seluruh industri mengumpulkan lebih banyak data daripada sebelumnya. Solusinya tidak harus mengumpulkan lebih banyak data. Sebaliknya, ini untuk mengumpulkan data yang benar dan melakukan pekerjaan yang lebih baik untuk menghubungkan X dan O.

Misalnya, katakanlah perusahaan Anda memiliki dua kumpulan data: Skor Net Promoter yang mengukur loyalitas pelanggan (data-X) dan kepemilikan produk pelanggan dan riwayat dukungan (data-O). Dengan X-data, Anda dapat menghitung NPS untuk pelanggan yang merespons.

Anda dapat memeriksa umpan balik mereka dan mencoba memahami apa yang mendorong perilaku promotor dan pencela. Anda dapat belajar dari ini, tetapi wawasan hanya berlaku untuk orang-orang yang kebetulan menanggapi survei.

Dengan menggabungkan O-data dengan X-data Anda, Anda dapat menemukan jenis interaksi produk dan layanan apa yang menciptakan promotor dan pencela. Kemudian Anda dapat menggunakan data ini untuk menghitung NPS untuk sebagian besar basis pelanggan Anda.

Mungkin kepemilikan versi produk tertentu yang terkait dengan jenis masalah layanan pelanggan tertentu sangat mungkin menimbulkan pencela.

Anda dapat mengidentifikasi semua pelanggan dengan profil tersebut dan mengambil tindakan proaktif untuk memperbaiki masalah — meskipun mereka mungkin tidak pernah mengeluh.

Contoh di atas adalah hipotetis. Tetapi kami melihat contoh nyata di bidang perusahaan yang menutup kesenjangan pengalaman dengan pengelolaan data-X dan data-O yang lebih terampil.

Mendorong retensi karyawan

Volkswagen baru-baru ini memulai kampanye untuk meningkatkan loyalitas pelanggan di 104 dealernya di Australia. Itu telah mengumpulkan data pengalaman pelanggan dari pelanggan Australia, tetapi butuh waktu 3-4 bulan untuk berbagi hasil dengan karyawan dealer.

Pembuat mobil juga telah mempertahankan statistik tentang retensi karyawan di setiap dealer, tetapi tidak membuat hubungan apa pun antara retensi karyawan dan kinerja dealer.

Volkswagen mengubah taktik. Itu mulai mengumpulkan lebih banyak data pengalaman karyawan melalui beberapa titik kontak, menggunakan analitik prediktif. Itu mulai berbagi data pengalaman pelanggan dengan dealer secara real time.

Menghubungkan data pengalaman pelanggan dengan data advokasi karyawan dan statistik retensi, Volkswagen memperhatikan bahwa 10 dealer di jaringan Volkswagen Australia dengan retensi dan advokasi karyawan terbesar juga memiliki proporsi promotor pelanggan terbesar.

Pembuat mobil merespons dengan bekerja untuk menutup kesenjangan pengalaman di fasilitasnya - mendengarkan pekerja, menginvestasikan uang, dan memperbarui bangunan.

Hasilnya: Volkswagen mencatat tingkat retensi karyawan dan skor pengalaman pelanggan terkuat dalam 15 tahun. Dealer meningkatkan skor promotor bersih mereka sebesar 20 poin dalam waktu kurang dari 12 bulan.

Meningkatkan kepuasan pelanggan

ComEd menyediakan layanan listrik untuk lebih dari 3,8 juta pelanggan di Illinois Utara. Ini peringkat sebagai utilitas listrik terendah pada Indeks Kepuasan Pelanggan JD Power baru-baru ini.

Dari 40 faktor yang membentuk skor keseluruhan, ComEd berada di kuartil terendah untuk 39 di antaranya. Utilitas memiliki banyak O-data untuk mengevaluasi operasinya. Tapi itu tidak melakukan analisis kepuasan pelanggan yang mendalam, sehingga tidak memiliki wawasan mengapa skornya sangat rendah.

ComEd memutuskan untuk mengumpulkan lebih banyak data X. Analisis pengemudi menunjukkan peringkat kepuasan pelanggan yang rendah didorong terutama oleh komunikasi yang buruk dan kesalahpahaman mengenai harga.

Pelanggan juga tidak mengerti bahwa ComEd tidak bertanggung jawab atas sebagian besar tagihan mereka (utilitas menyalurkan energi tetapi tidak memasoknya). Pelanggan mengembangkan persepsi negatif yang kuat tentang ComEd, menyimpulkan bahwa harganya sangat tinggi.

Berbekal wawasan ini, ComEd mengubah tagihannya, menciptakan beberapa desain baru. Perusahaan melakukan serangkaian uji coba penagihan online untuk menentukan bagaimana pelanggan bereaksi dengan desain yang ada dan yang diusulkan.

Hasilnya: Dalam waktu kurang dari setahun, ComEd mengedarkan laporan tagihan baru ke 4 juta rumah tangganya. Ini meningkatkan skor kepuasan pelanggannya lebih dari proyek perusahaan utilitas listrik besar lainnya. JD Power mereferensikan desain ulang tagihan ComEd sebagai praktik terbaik untuk perusahaan utilitas.

Kesimpulan

Butuh beberapa tahun bagi merek untuk akhirnya mengejar sensasi pengalaman dan layanan pelanggan, dan bagaimana hal itu memengaruhi reputasi mereka.

Generasi muda saat ini di dunia kerja tidak memiliki waktu atau keinginan untuk menjadi bagian dari organisasi yang tidak secara eksplisit mencoba untuk terhubung dengan mereka pada tingkat pribadi, dan juga berbagi keyakinan dan mentalitas tersebut di luar tembok perusahaan.

Jika perusahaan bekerja keras dan memegang data X dan O mereka, mereka dapat bersaing dengan yang terbaik dari yang terbaik.

2020 adalah waktu bagi perusahaan untuk mengubah prioritas bisnis mereka, mengumpulkan data pelanggan, dan menganalisis cara memenuhi kebutuhan karyawan dan pelanggan mereka.

Sukses dimulai dari dalam dan diterjemahkan menjadi persepsi dari luar. Ambil data dan jalankan dengan itu. Ambillah dari ComEd – Anda tidak pernah tahu penghargaan apa yang akan Anda dapatkan.

Peter Maier adalah Presiden organisasi industri SAP. Dia dan timnya bertanggung jawab secara global untuk bisnis SAP dengan perusahaan dan organisasi di industri berikut: Aerospace & Defense, Automotive, High Tech, Industrial Machinery and Components, Chemicals, Defense & Security, Mill Products & Mining, Oil and Gas, Utilities , Sektor Publik, dan Perjalanan & Transportasi, Olahraga.