Een analyse van contactredenen (contact-driver analysis) sorteert gesprekken op de echte reden waarom de klant contact opnam, niet op de tickettag. Ze laat zien welke contacten vermijdbaar waren en wat ze had voorkomen, zodat je de oorzaak hogerop oplost.
In het kort
- Ticketcategorieën tonen hoe het werk werd opgeborgen, niet waarom klanten contact opnamen.
- Medewerkers taggen snel en inconsequent, dus handmatige indelingen verschuiven.
- Lees de inhoud van elk gesprek, geen steekproef, voor een eerlijker beeld.
- De waardevolste contactreden is vaak het vermijdbare contact dat je kunt wegnemen.
Waarom ticketcategorieën geen contactredenen zijn
De meeste teams denken dat ze dit al doen, omdat ze ticketcategorieën hebben. Maar een ticketcategorie is wat een medewerker aan het eind van een gesprek uit een keuzelijst koos, meestal de dichtstbijzijnde optie, gekozen in een haast. Ze vertelt je hoe het werk werd opgeborgen, niet waarom de klant contact opnam. Dat zijn twee verschillende dingen, en precies in het verschil zit de nuttige informatie.
Een contactreden is de onderliggende oorzaak. Twee tickets die allebei onder facturatie staan, kunnen een totaal andere reden hebben: de ene klant begreep een factuurregel niet, de andere werd door een systeemfout twee keer aangerekend. Het eerste is een duidelijkheidsprobleem dat je oplost met betere formuleringen; het tweede is een bug die je in het product oplost. Een categorie gooit ze op één hoop; een contactreden houdt ze uit elkaar. Een analyse van contactredenen is een specifieke toepassing van root cause analyse op de vraag naar support, en het is de vaardigheid achter de taal over knelpunten en grondoorzaken in klantinzichten.
De categorieën die de analyse bruikbaar maken
Een indeling in contactredenen bewijst haar waarde als ze gesprekken scheidt op wat je eraan zou doen, niet alleen op onderwerp. Een bruikbare indeling ziet er zo uit.
| Soort contactreden | Wat het betekent | De actie waar het naar wijst |
|---|---|---|
| Vermijdbaar: frictie in het product | Een functie is verwarrend of werkt niet | Repareer of herontwerp de functie |
| Vermijdbaar: informatiegat | Het antwoord bestond, maar de klant vond het niet | Verbeter het helpartikel of de uitleg in het product |
| Vermijdbaar: procesfout | Een eerder contact of systeem deed zijn werk niet | Verbeter het proces hogerop |
| Nodig: echte hulp | De klant had een menselijk oordeel of een actie nodig | Help goed en efficiënt |
| Vraagsignaal: onvervulde behoefte | Klanten vragen steeds iets wat je niet aanbiedt | Geef het door aan de eigenaars van product of beleid |
Waarom handmatig taggen dit niet kan opleveren
De reden dat de meeste teams geen echte analyse van contactredenen hebben, ondanks hun categorieën, is dat handmatig taggen dat niet kan dragen. Medewerkers taggen aan het eind van een gesprek, onder tijdsdruk, uit een lijst die voor routering is ontworpen en niet voor analyse. Verschillende medewerkers taggen hetzelfde gesprek anders, de indeling verschuift als er nieuwe opties bijkomen, en niemand tagt oude tickets opnieuw als dat gebeurt. Het resultaat is een indeling die te rommelig en te oppervlakkig is om er een beslissing over product of beleid op te baseren.
De inhoud van het gesprek rechtstreeks analyseren, vermijdt dat allemaal. Lezen wat de klant echt zei, in plaats van wat er getagd werd, levert een contactreden op die de echte reden weerspiegelt, consequent toegepast volgens dezelfde norm op elk gesprek. En omdat het vanuit de inhoud werkt, kun je het opnieuw toepassen op oudere gesprekken om te zien hoe een contactreden evolueert, iets wat handmatige tags nooit toelaten.
Van contactredenen naar actie hogerop
Een analyse van contactredenen loont alleen als ze iets verandert buiten het supportteam. Het hele punt van vermijdbare en nodige contacten scheiden, is dat de vermijdbare contacten vraag zijn die je kunt wegnemen in plaats van efficiënter afhandelen. Een verwarrende stap in het afrekenproces die honderden contacten per week oplevert, is geen bezettingsprobleem dat je oplost met snellere afhandeling; het is een productoplossing die de contacten volledig wegneemt, en de analyse van contactredenen maakt die zaak met bewijs in plaats van met anekdotes.
Twee dingen maken de analyse betrouwbaar genoeg om ermee naar een eigenaar van product of beleid te stappen. Dekking: een overzicht van contactredenen op basis van een steekproef kan net de redenen missen of verkeerd wegen die ertoe doen, dus door elk gesprek (in het Engels) te analyseren, kun je zeggen dat een contactreden een echt deel van de vraag vertegenwoordigt en geen gok is. En traceerbaarheid: als je een telling per contactreden kunt openklikken tot de echte gesprekken erachter, leest het productteam de echte woorden van klanten in plaats van over je indeling te discussiëren. De analyse van Kaizo werkt vanuit de gesprekken in je Zendesk- of Salesforce-helpdesk, dus elke contactreden is terug te volgen tot de gesprekken die ze opleverden. Dit is de analyselaag naast de bredere rapportage voor de klantenservice.
Veelgestelde vragen
Wat is een analyse van contactredenen?
Het is het indelen van klantgesprekken op de onderliggende reden waarom de klant contact opnam, zodat je ziet wat de vraag naar support veroorzaakt en daarop kunt handelen. Ze gaat dieper dan een keuzelijst met ticketcategorieën door te vragen wat het contact echt veroorzaakte, of het vermijdbaar was en wat het had voorkomen. Zo wordt supportvolume informatie over het product en het beleid erachter.
Hoe verschilt een contactreden van een ticketcategorie?
Een ticketcategorie is wat een medewerker uit een keuzelijst koos, vaak in een haast, en beschrijft hoe het werk werd opgeborgen. Een contactreden is de onderliggende oorzaak van het contact. Twee tickets in dezelfde categorie kunnen verschillende redenen hebben, de ene een formuleringsprobleem en de andere een bug in het product, die naar totaal verschillende oplossingen wijzen. Op de contactreden handel je.
Waarom volstaat handmatig taggen niet voor deze analyse?
Omdat medewerkers onder tijdsdruk taggen uit lijsten die voor routering zijn gebouwd, verschillende medewerkers hetzelfde gesprek anders taggen, de indeling verschuift en oude tickets nooit opnieuw getagd worden. Dat levert een indeling op die te rommelig en oppervlakkig is om er een beslissing over product of beleid op te baseren. De inhoud van het gesprek rechtstreeks analyseren, geeft een consequente, eerlijkere contactreden die je ook op oudere gesprekken kunt toepassen.
Wat doe je met een analyse van contactredenen?
Handel hogerop. Scheid vermijdbare contacten (frictie in het product, informatiegaten, procesfouten) van nodige, en neem de vermijdbare vraag weg in plaats van ze alleen sneller af te handelen. Een contactreden die honderden contacten per week oplevert, vraagt meestal een oplossing in het product of de inhoud, en de analyse maakt die zaak bij het verantwoordelijke team met bewijs in plaats van anekdotes.
Wat maakt een analyse van contactredenen betrouwbaar?
Dekking en traceerbaarheid. Een analyse van elk gesprek in plaats van een steekproef laat zien dat een contactreden een echt deel van de vraag is, en als je elke telling kunt openklikken tot de gesprekken erachter, leest het productteam de echte woorden van klanten in plaats van over je indeling te discussiëren.
Verwante begrippen
- Rapportage klantenservice
- Root cause analyse in de klantenservice
- Klantinzichten in de klantenservice
- Zo meet je gesprekskwaliteit (in het Engels)
- Zo scoor je 100% van je gesprekken (in het Engels)
Ontdek welke contacten niet hadden moeten gebeuren
Breng een maand aan gesprekken mee. We laten je de echte redenen zien waarom klanten contact met je opnemen, hoeveel van die vraag vermijdbaar was en welke oplossingen in product of inhoud ze zouden wegnemen, op basis van de gesprekken in je Zendesk- of Salesforce-helpdesk en met elke contactreden terug te volgen tot de gesprekken erachter.
