Customer Feedback Metrics

Transcriptie

1 Customer Feedback Metrics De voorspellende kracht van klanttevredenheid, NPS en andere metrics Evert de Haan M.Sc. Prof. dr. Peter C. Verhoef Prof. dr. Thorsten Wiesel Rapport RUGCIC ISBN

2 CIC 2 Inhoudsopgave Samenvatting pag. 3 De bestaande metrics pag. 8 De inzichten van metrics pag. 15 Metrics in relatie tot bedrijfsresultaten pag. 21 Metrics in relatie tot retentie pag. 29 Een dashboard van metrics pag. 45 Gebruik van NPS in de praktijk pag. 53 CV s van de auteurs pag. 57 Belangrijkste referenties pag. 61 Customer Insights Center pag. 65

3 Samenvatting Achtergrond en aanbevelingen

4 CIC 4 Waarom Customer Feedback Metrics monitoren? Customer feedback metrics geven bedrijven inzichten over de attitudes van haar klanten. Deze metrics zijn in staat om toekomstig klantgedrag en bedrijfsprestaties te voorspellen. Hiernaast kunnen deze metrics gebruikt worden om de impact van marketingactiviteiten te kwantificeren en geven ze managers de kans om slechte campagnes op tijd te stoppen en om succesvolle campagnes sneller uit te rollen. Tot slot kunnen metrics gebruikt worden om de accountability en daarmee de positie van de marketingafdeling in het bedrijf te verbeteren, wat uiteindelijk positieve gevolgen heeft voor de financiële resultaten van het bedrijf. Srinivasan, Vanhuele en Pauwels (2010), onderzoek naar de toegevoegde waarde van metrics Verhoef en Leeflang (2009), onderzoek naar de invloed van de marketingafdeling binnen bedrijven

5 CIC 5 Wat houden de begrippen in? Customer Feedback Metrics (CFMs) Dit zijn niet direct observeerbare attitudes die een klant heeft over (onderdelen van) het bedrijf. Deze metrics worden gemeten met behulp van enquêtes. Klanttevredenheid Een veel gebruikte en onderzochte CFM die meet in welke mate de klant tevreden is over (onderdelen van) het bedrijf. Net Promoter Score (NPS) Een populaire CFM die meet in welke mate klanten bereid zijn het bedrijf aan vrienden of collega s aan te bevelen. Afhankelijk van de score kunnen klanten gecategoriseerd worden als detractors, passives of promoters. Customer Effort Score (CES) Een nieuwe CFM die meet hoeveel moeite het de klant kost om een verzoek in behandeling te laten nemen door het bedrijf.

6 CIC 6 Hoe populair is dit onderwerp? Hoe klanttevredenheid in relatie staat tot klantgedrag en bedrijfsresultaten heeft in de afgelopen jaren veel wetenschappelijke aandacht gekregen. De populariteit van customer feedback metrics bij bedrijven is groot, met name met de komst van de Net Promoter Score (zie een kleine selectie van NPSgebruikers in het overzicht hieronder). Bedrijven hebben weinig zicht op de voorspellende kracht van bepaalde metrics, terwijl dit van cruciaal belang is om ze in te kunnen zetten als stuurvariabelen. overzicht van bedrijven die gebruik maken van de NPS

7 CIC 7 Hoe Customer Feedback Metrics te gebruiken? Het gebruik van meerdere metrics geeft significant betere voorspellingen. Klanttevredenheid en de Net Promoter Score versterken elkaar en zijn beide goede indicatoren voor toekomstig klantgedrag en bedrijfsresultaten. Wees terughoudend met het adopteren van nog niet breed onderzochte (nieuwe) metrics. De beloftes van deze metrics zijn vaak rooskleuriger dan de werkelijkheid. Om het meeste uit metrics te halen kies (1) voor een asset die gemonitord moet worden (bijvoorbeeld customer equity ), (2) een belangrijk meetbaar onderdeel van deze asset (bijvoorbeeld retentie), (3) kijk welke customer feedback metrics het beste (sterkst en vroegst) veranderingen in dit onderdeel kunnen voorspellen. Het bijhouden/optimaliseren van metrics is geen doel op zich! Metrics bieden inzichten over de staat van het klantenbestand en kunnen helpen problemen in kaart te brengen, strategieën te ontwikkelen en de bedrijfsresultaten te verbeteren.

8 De bestaande metrics Welke customer feedback metrics zijn er

9 CIC 9 Customer Metrics classificatie in twee dimensies In marketing wordt gebruik gemaakt van een groot scala aan metrics om inzichten te verkrijgen over het klantenbestand en zijn te classificeren in twee dimensies: In sommige gevallen gaat het over observeerbaar klantgedrag, in andere gevallen over nietobserveerbare attitudes die gemeten kunnen worden met enquêtes. Sommige metrics kijken terug naar ervaringen en gedrag uit het verleden, terwijl andere metrics richten op intenties en verwacht gedrag in de toekomst. De focus in dit rapport ligt op attitude metrics die verzameld worden via enquêtes ( customer feedback metrics ) en hoe deze metrics in relatie staan met klantgedrag en bedrijfsprestaties. Tijd Achteruitkijkend Vooruitkijkend Bron Klantpercepties (attitude/niet observeerbaar) Klantgedrag (wel observeerbaar) Klanttevredenheid, Customer Effort Score Retentie, Cross-sell percentage, Share-of-Wallet Net Promotor Score, Loyaliteitsintenties Customer Lifetime Value Subjectief/ veel ruis Objectief/ weinig ruis Hoe rechtstreekser gedrag wordt gemeten, hoe objectiever de bevindingen zijn en hoe minder last er is van onder ander sociaal wenselijk antwoorden en common method bias van enquêtes. Daarom is het aan te raden om altijd te kijken naar hoe attitude metrics in verband staan tot werkelijk (toekomstig) gedrag.

10 CIC 10 Klanttevredenheid: Een gefundeerde metric De impact van klanttevredenheid op (toekomstig) klantgedrag en bedrijfsprestaties is uitvoerig onderzocht en empirische generalisaties hierover zijn beschikbaar. Klanttevredenheid is relatief eenvoudig te meten, de relevantie van klanttevredenheid is gemakkelijk te communiceren naar mensen buiten de marketingafdeling (zoals de CEO en investeerders) en klanttevredenheid kan eenvoudig gemeten worden voor verschillende touch points, voor verschillende producten/diensten en over industrieën heen (inclusief non-profit organisaties). Metingen van klanttevredenheid worden onder andere verricht door de American Customer Satisfaction Index, de Norwegian Customer Satisfaction Barometer, de National Customer Satisfaction Index UK en de Dutch Customer Performance Index. Hanssens (2009), overzicht van empirische generalisaties over de impact van marketing website van The American Customer Satisfaction Index

11 CIC 11 Top-2-box: Beter vanwege niet-lineaire verbanden De impact van klanttevredenheid op (toekomstig) klantgedrag en bedrijfsprestaties is volgens divers onderzoek niet-lineair. De gemiddelde klanttevredenheidsscore is daarom niet het belangrijkste, maar met name het percentage klanten dat (zeer) tevreden is. Vanwege dit niet-lineaire verband wordt er ook wel aanbevolen om te kijken naar het percentage respondenten dat de twee meest positieve opties hebben aangekruist. Deze score wordt ook wel de top-2-box genoemd. Een bijkomend voordeel is dat het klantenbestand eenvoudig te segmenteren is in een groep klanten die wel onder de top- 2-box valt (en daarmee interessant is voor de toekomst) en een groep klanten die hier (nog) niet onder valt (en die mogelijk extra aandacht verdient). Morgan en Rego (2006) tonen het belang van de top-2-box aan

12 CIC 12 Net Promoter Score: Populair maar betwist De Net Promoter Score (NPS) is in 2003 geïntroduceerd door Frederick F. Reichheld in de Harvard Business Review als the one number you need to grow. De NPS-vraag is: Hoe waarschijnlijk is het dat u [bedrijf X] aan een vriend of collega zou aanbevelen? (0=zeer onwaarschijnlijk, 10=zeer waarschijnlijk). Klanten die een score tussen de 0 en 6 geven zijn detractors, zij die een 7 of 8 geven zijn passives en de personen die een 9 of 10 geven zijn promoters. Om tot de officiële NPS voor een bedrijf te komen wordt het percentage detractors afgetrokken van het percentage promoters. Door zijn eenvoud en intuïtiviteit kent de NPS een grote groep gebruikers. Wetenschappelijk onderzoek naar de NPS is echter schaars en veel bestaand onderzoek is sceptisch over de NPS. Reichheld (2003), artikel waarin de NPS wordt geïntroduceerd

13 CIC 13 Customer Effort Score: Nieuw en discutabel In 2010 introduceerden Matthew Dixon en collega s een metric die belooft loyaliteit en bestedingen nog beter te kunnen voorspellen dan de NPS. De CES-vraag is: Hoeveel moeite kostte het u persoonlijk om ervoor te zorgen, dat <bedrijf X> uw verzoek in behandeling nam? (1=weinig moeite, 5=veel moeite) De gedachte achter deze metric is dat veel bedrijven al genoeg moeite hebben met het leveren van een adequate service. Hierop focussen moet prioriteit krijgen in plaats van proberen te excelleren, iets waar de NPS zich op richt. Een beperking van deze metric is dat het zich richt op één aspect van de service, terwijl de NPS en klanttevredenheid gaan over de bredere dienstverlening. Ook is de CES-vraag slechts te beantwoorden door een gedeelte van de klanten. Dixon, Freeman en Toman (2010), artikel waarin de CES wordt geïntroduceerd Wiesel, Verhoef en De Haan (2012), artikel waar de CES tegen het licht wordt gehouden

14 CIC 14 Samengestelde metrics: Completer en complexer Een andere mogelijkheid om tot een metric te komen is door verschillende items (gewogen) samen te voegen. Een voorbeeld hiervan is de Dutch Customer Performance Index, waarbij de waarde richting het bedrijf en de waarde richting de klant gemeten zijn met elk een viertal onderliggende items. Een voordeel van dit type metric is dat er een uitgebreide dashboard mee op te stellen valt. Hierdoor kan gekeken worden waar het bedrijf goed scoort, waar verbeterpunten liggen en welke items het belangrijkste zijn per sector. Een nadeel is dat door de grote hoeveelheid informatie dit type metric lastiger te begrijpen en te managen is. Ook dienen respondenten vele vragen te beantwoorden, wat voor problemen kan zorgen. Voor meer informatie over de DCPI, raadpleeg het CIC rapport van Wiesel, De Haan en Ou (2012).

15 De inzichten van metrics Wat weten we al over de impact van de verschillende metrics op bedrijfsprestaties en klantgedrag

16 CIC 16 Metrics meten impact en gevolgen van marketing Customer Feedback Metrics zijn een belangrijk signaal voor (marketing)managers. Ze zijn de stap tussen wat bedrijven doen (zoals marketingacties) en wat klanten doen (bijvoorbeeld retentie, aankopen, cross-buying). Dit beïnvloedt op zijn beurt wat bedrijven krijgen (bijvoorbeeld omzet, winst, marktaandeel, marktwaarde). Het monitoren van metrics kan daarmee zowel gebruikt worden om de impact van marketingactiviteiten te meten, als te voorspellen wat klanten zullen gaan doen. Metrics verhogen de accountability van de marketingafdeling, wat op haar beurt de prestaties van de marketingafdeling en het bedrijf verbetert. Wat bedrijven krijgen Wat klanten doen Wat klanten denken Wat bedrijven doen Financiële resultaten (winst en waarde) Klantgedrag (observeerbaar) Klantpercepties (Customer Feedback metrics) Marketingacties Gupta en Zeithaml (2006), overzicht van onderzoek naar de relatie tussen metrics, gedrag en resultaten Verhoef en Leeflang (2009), onderzoek naar de invloed van de marketingafdeling binnen bedrijven

17 CIC 17 Metrics zorgen voor betere en snellere inzichten Bij het testen van marketingcampagnes wordt vaak gekeken naar welk effect een campagne heeft op wat klanten denken (zoals brand awareness, aankoopintenties, aantrekkelijkheid campagne), maar wordt het daadwerkelijke gedrag niet belicht. Dit terwijl intenties maar beperkt correleren met daadwerkelijk gedrag. Traditionele econometrische modellen kijken naar het effect van marketingactiviteiten (bijvoorbeeld reclame) op wat klanten doen, maar negeren wat klanten denken. Onderzoek laat zien dat als customer metrics worden meegenomen, bedrijven beter én eerder in kunnen schatten hoe effectief een campagne zal zijn en hierdoor meer tijd hebben om een campagne bij te sturen of (in het uiterste geval) stop te zetten. Wat bedrijven krijgen Wat klanten doen Wat klanten denken Wat bedrijven doen Financiële resultaten (winst en waarde) Klantgedrag (observeerbaar) Klantpercepties (Customer Feedback metrics) Marketingacties Srinivasan, Vanhuele en Pauwels (2010) en Hanssens et al. (2014), onderzoek naar de toegevoegde waarde van metrics

18 CIC 18 Vooral effect tevredenheid op klantgedrag duidelijk Klanttevredenheid heeft een positief effect op retentie, omzet per klant, het aantal afgenomen diensten, share-of-wallet, cross-selling en referrals. De link tussen de intenties van klanten en hun daadwerkelijk gedrag is positief maar zwak. Het is van belang voor bedrijven om niet te sturen op intenties, maar de link met daadwerkelijk gedrag te ontdekken. Er is slechts beperkt onderzoek gedaan naar het effect van NPS op (toekomstig) klantgedrag. Het meeste onderzoek focust zich op de relatie tussen NPS en de overall bedrijfsresultaten. Er is tevens geen onderzoek gedaan naar de impact van de CES op klantgedrag. Wat bedrijven krijgen Wat klanten doen Wat klanten denken Wat bedrijven doen Financiële resultaten (winst en waarde) Klantgedrag (observeerbaar) Klantpercepties (Customer Feedback metrics) Marketingacties Hanssens (2009), overzicht van empirische generalisaties over de impact van marketing website van The American Customer Satisfaction Index

19 CIC 19 Tevredenheid en bedrijfsresultaten Er is een positief verband tussen klanttevredenheid en toekomstige kasstromen, omzetgroei, winstmarges, aandelenkoers en het risicoprofiel van bedrijven. De relatie met marktaandeel is echter negatief. Een verklaring hiervoor is dat bedrijven die zich op een niche richten een laag marktaandeel hebben, maar daardoor de klanten beter kunnen bedienen. De relatie tussen klanttevredenheid en prestaties is niet lineair. Verschillende studies laat zien dat het draait om het percentage (zeer) tevreden klanten in plaats van de gemiddelde score. Daarom wordt er aanbevolen te kijken naar het percentage klanten dat de twee meest positieve opties aankruist, oftewel de top-2-box score. Wat bedrijven krijgen Wat klanten doen Wat klanten denken Wat bedrijven doen Financiële resultaten (winst en waarde) Klantgedrag (observeerbaar) Klantpercepties (Customer Feedback metrics) Marketingacties Gupta en Zeithaml (2006), overzicht van onderzoek naar de relatie tussen metrics, gedrag en resultaten Rego, Morgan en Fornell (2013), impact van klanttevredenheid op marktaandeel verder onderzocht

20 CIC 20 Metrics met elkaar vergeleken Er is in de loop der jaren een beperkt aantal onderzoeken gedaan naar de relatie tussen NPS en bedrijfsresultaten. De eerste onderzoeken die gedaan zijn waren kritisch tegenover de NPS. Deze onderzoeken maakten echter gebruik van een afwijkende NPS-vraag en schaal, waardoor de bevindingen niet door te trekken zijn naar de officiële NPS. In recent onderzoek, waar wel de officiële NPS is gebruikt, zijn de bevindingen positiever, al lijkt NPS niet (altijd) beter te presteren dan klanttevredenheid. Morgan en Rego 2006 Keiningham et al Van Doorn et al De Haan et al Klanttevredenheid + +/- + + Top-2-Box + +/ NPS - +/- + + CES n/a n/a n/a -- Morgan en Rego (2006), Keiningham, Cooil, Andreassen en Aksoy (2007), Van Doorn, Leeflang en Tijs (2013) en De Haan, Verhoef en Wiesel (2013); vier onderzoeken die onder andere klanttevredenheid met NPS hebben vergeleken in het voorspellen van toekomstige bedrijfsprestaties

21 Metrics in relatie tot bedrijfsresultaten De mate waarin metrics toekomstige bedrijfsresultaten kunnen voorspellen

22 CIC 22 Data verzameld in enquêtes en uit jaarrapporten In 2008 is een enquête uitgevoerd onder zo n klanten van diverse bedrijven, waarin onder andere de vragen zijn opgenomen voor de diverse metrics. De respondenten zijn klanten van 46 bedrijven in verschillende sectoren (banken, verzekeringen, nutsbedrijven en telecommunicatie). Data over bedrijfsresultaten (omzetgroei, brutomarge en cash flows) zijn verkregen uit de jaarrapporten van de bedrijven. Doel van het onderzoek is (a) te ontdekken of de metrics een voorspellende waarde voor bedrijfsresultaten hebben en (b) te kijken welke metric de sterkste relatie met bedrijfsresultaten heeft. Dit hoofdstuk is gabaseerd op het onderzoek van Van Doorn, Leeflang en Tijs (2013), voor exacte details kan dit onderzoek geraadpleegd worden

23 CIC 23 De onderliggende vragen van de metrics De onderstaande tabel geeft de vragen weer waarmee de metrics zijn gemeten. CFM Meetwijze Klanttevredenheid Al met al, hoe tevreden of ontevreden bent u met [bedijf X]? (1=zeer ontevreden, 5= zeer tevreden) Top Box Percentage van klanten die aangeeft zeer tevreden te zijn (een score van 5 hebben gegeven). Multi-item Kunt u aangeven hoe tevreden u bent met [bedrijf X] met betrekking tot de volgende aspecten? (1=zeer tevredenheid ontevreden, 10=zeer tevreden) Portfolio van beschikbare producten en diensten Prijs/kwaliteitverhouding van producten en diensten Advies op maat, oplossingen die aansluiten bij uw persoonlijke situatie en behoeften Duidelijkheid met betrekking tot de producten en diensten Algehele afhandeling van vragen en klachten Net Promoter Score Hoe waarschijnlijk is het dat u [bedrijf X] aan een vriend of collega zou aanbevelen (0=zeer (NPS) onwaarschijnlijk, 10=zeer waarschijnlijk). Getransformeerd op de officiële NPS-wijze zoals voorgesteld door Reichheld (2003). Loyaliteit Ik ben me momenteel aan het orienteren (1) niet aan het orienteren (5) op andere dienstverleners. Ik verwacht dat ik de komende 12 maanden minder (1) meer (5) gebruik ga maken van de producten en diensten van [bedrijf X]. Ik overweeg (1) overweeg niet (5) de komende 12 maanden weg te gaan bij [bedrijf X]. Als ik opnieuw zou moeten kiezen, zou [bedrijf X] niet (1) wel (5) mijn eerste keuze zijn. Ittner en Larcker (1998), Keiningham et al. (2007), Reichheld (2003), en Zeithaml, Berry & Parasuraman (1996); zijn de onderzoeken waar de vragen staan beschreven

24 CIC 24 Meting van de bedrijfsresultaten De onderstaande tabel geeft weer hoe de bedrijfsresultaten gemeten zijn. Bedrijfsresultaat Meetwijze Omzetgroei t (Omzet t omzet t-1 ) / omzet t-1 Brutomarge t Net operating cash flow t (Omzet t kostprijs van de omzet t ) /omzet t Resultaat voor belastingen t + afschrijvingen t belastingen t Morgan and Rego (2006) gebruiken vergelijkbare bedrijfsresultaten

25 CIC 25 Metrics correleren alleen met huidige omzetgroei Alle metrics, behalve loyaliteit, zijn gecorreleerd met de omzetgroei in 2008, maar niet met de omzetgroei in De verklarende waarde van de tevredenheidsmetrics en NPS voor omzetgroei verschilt niet significant van elkaar. n.s. = geen significante relatie tussen metric en bedrijfsresultaat Uit het onderzoek van Van Doorn, Leeflang en Tijs (2013), voor exacte details kan dit onderzoek geraadpleegd worden

26 CIC 26 Significante correlatie met huidige brutomarge Alle metrics zijn significant gecorreleerd met de brutomarge 2008, maar niet met de brutomarge Loyaliteit lijkt de brutomarge iets beter te verklaren dan de andere metrics, maar statistisch gezien zijn de verschillen niet significant. n.s. = geen significante relatie tussen metric en bedrijfsresultaat Uit het onderzoek van Van Doorn, Leeflang en Tijs (2013), voor exacte details kan dit onderzoek geraadpleegd worden

27 CIC 27 Loyaliteit correleert met toekomstige cash flows De metrics hebben weinig verklarende waarde voor de cash flow. De enige uitzondering is de loyaliteitsmetric: deze is wel gerelateerd aan de cash flow uit 2009 (oftewel het jaar ná dat de gegevens van de metrics zijn verzameld). n.s. = geen significante relatie tussen metric en bedrijfsresultaat Uit het onderzoek van Van Doorn, Leeflang en Tijs (2013), voor exacte details kan dit onderzoek geraadpleegd worden

28 Metrics hebben goede verklarende waarde voor huidige, maar niet toekomstige bedrijfsresultaten De metrics presteren allemaal ongeveer even goed in het verklaren van huidige bedrijfsresultaten. De tevredenheidsmetrics en NPS zijn, in tegenstelling tot loyaliteit, beide goed in staat om omzetgroei te verklaren. Loyaliteit verklaart op zijn buurt de brutomarges en cash flows iets beter dan de tevredenheidsmetrics en NPS. Er is al met al niet één individuele metric die als beste uit de bus komt. CIC 28 Uit het onderzoek van Van Doorn, Leeflang en Tijs (2013), voor exacte details kan dit onderzoek geraadpleegd worden

29 Metrics in relatie tot retentie De mate waarin metrics toekomstige klantretentie kunnen voorspellen

30 Klantniveau inzichtelijker dan bedrijfsniveau CIC 30 Naast het gebruik bedrijfsniveau kunnen metrics ook gebruikt worden om op klantniveau nieuwe inzichten te krijgen. De relatie op klantniveau is meer direct; de klant geeft een score op een metric en vervolgens wordt gekeken hoe dit een voorspeller is van toekomstig klantgedrag. Het bedrijfsresultaat is een stap hierna, namelijk de gevolgen van (veranderd) klantgedrag. Door de directere relatie en doordat er meer observaties zijn op klantniveau kan er duidelijker in kaart gebracht worden hoe de metrics van elkaar verschillen, zowel overall als tussen verschillende sectoren. Dit hoofdstuk is deels gebaseerd op het onderzoek van De Haan, Verhoef en Wiesel (2014), voor exacte details kan dit onderzoek geraadpleegd worden

31 CIC 31 Data verzameld over twee periodes In 2010 is een enquête verstuurd naar zo n klanten van diverse bedrijven, waarin onder andere de vragen zijn opgenomen voor de diverse metrics. Twee jaar later, in 2012, is naar dezelfde groep klanten een enquête gestuurd met daarin de vraag of ze nog steeds klant bij hetzelfde bedrijf zijn. Op deze tweede enquête is in totaal door klanten, verspreid over 98 bedrijven en 18 sectoren, gereageerd. Doel van het onderzoek is (a) te ontdekken of de metrics een voorspellende waarde hebben, (b) te kijken welke metric het beste scoort in welke sector en (c) om te kijken of een combinatie van metrics beter is dan één afzonderlijke metric. Beschrijvende gegevens van de verschillende sectoren zijn te vinden op de volgende pagina. Te zien is dat van de klanten er 73,1% nog steeds een relatie met het bedrijf heeft (retentie). Ook zien we dat voor de meeste sectoren de NPS negatief is, en dat 20,5% van de klanten in staat waren een CES te geven (oftewel een verzoek voor het bedrijf hadden), al verschilt dit sterk per sector.

32 Beschrijvende statistieken over sectoren heen Beste metric (op basis volgende pagina s) Retentie klanttevredenheidsmetrics NPS-metrics CES-metrics Tevredenheid (1-7) Top-2-box (0-1) NPS ( ) NPS waarde (0-10) CES beantwoord CIC 32 Algemene verzekaars NPS 74.8% % 2.17 Zorgverzekeraars % % 2.17 Banken Top-2-box 89.2% % 2.26 Mobiele Telecom CES 78.8% % 3.00 Vaste Telecom CES 77.9% % 3.30 Nutsbedrijven Tevredenheid 77.8% % 1.82 Benzinestations NPS waarde 47.2% % 2.00 Reisbureaus Tevredenheid 57.7% % 2.13 Vakantieparken NPS 70.3% % 2.36 Luchtvaartmaatsch. NPS waarde 60.5% % 3.00 Supermarkten % % 2.56 Drogisterijen Top-2-box 80.0% % 1.00 Warenhuizen NPS 83.6% % 2.00 Elektronicazaken Tevredenheid 70.8% % 2.07 Doe-het-zelf-zaken NPS 77.8% % 1.91 Woninginrichting NPS 71.1% % 2.31 Online Boeking Top-2-box 63.5% % 3.14 Online Retailers Top-2-box 76.5% % 1.94 Totaal 73.1% % 2.41 CES (1-5)

33 CIC 33 Retentie als uitkomstvariabele Om te kijken welke metric het beste presteert is gekozen om naar de retentiekans als uitkomstvariabele te kijken. Retentie wordt als ideale uitkomstvariabele gezien, omdat: Het klantenbestand is een van de meest waardevolle bezittingen van een bedrijf. Het verbeteren van retentie is 3-7 keer meer waardevol dan het verbeteren van winstmarges en keer meer waardevol dan de acquisitiekosten te verlagen. Retentie is een belangrijk onderdeel van de customer lifetime value (CLV) en daarmee van customer equity en de marktwaarde van een bedrijf. Retentie kan zowel op klantniveau, bedrijfsniveau als industrieniveau bestudeerd worden en is daarnaast over alle bedrijven en sectoren heen van belang. Gupta, Lehman en Stuart (2004) tonen het grote (financiële) belang van retentie aan ten opzichte van andere potentiële uitkomstvariabelen.

34 CIC 34 De onderliggende vragen van de metrics De onderstaande tabel geeft de vragen weer waarmee de metrics zijn gemeten. Er is voor deze metrics gekozen omdat ze nauw aansluiten bij de metrics die gebruikt worden door bedrijven en/of wetenschappelijk interessant zijn. CFM Klanttevredenheid Top-2-Box Net Promoter Score (NPS) NPS waarde Customer Effort Score (CES) Meetwijze Al met al, hoe tevreden of ontevreden bent u met [bedijf X]? (1=zeer ontevreden, 7= zeer tevreden) Een dummy variabele die aangeeft of de klant een score van 6 of 7 heeft gegeven op de klanttevredenheidsvraag. Hoe waarschijnlijk is het dat u [bedrijf X] aan een vriend of collega zou aanbevelen (0=zeer onwaarschijnlijk, 10=zeer waarschijnlijk). Getransformeerd op de officiële NPS-wijze om te zien of de groepen zoals voorgesteld door Reichheld (2003) ook daadwerkelijk logisch zijn. De ongetransformeerde (0-10) NPS-waarde. Heeft u geprobeerd [bedrijf X] te contacteren met enig vorm van verzoek? (yes/no), Zo ja: Hoeveel moeite kostte het u persoonlijk om ervoor te zorgen, dat <bedrijf X> uw verzoek in behandeling nam? (1=weinig moeite, 5=veel moeite) Ittner en Larcker (1998), Reichheld (2003), en Dixon, Freeman en Toman (2010); de onderzoeken waar de vragen staan beschreven.

35 CIC 35 Relatie tevredenheid-retentie in lijn met top-2-box Onderstaande grafiek laat de klanttevredenheidsscores zien die klanten in 2010 hebben gegeven en hoeveel procent er per gegeven score in 2012 nog steeds klant zijn (retentie). De error bars laten de betrouwbaarheidsintervallen zien. Opvallend is dat er geen significant verschil zit in de retentiekans tussen klanten die een score van 1 t/m 5 hebben gegeven (~65%). Ook is er geen verschil in de retentiekans tussen klanten die een 6 en 7 hebben gegeven (~80%). Wel verschillen deze twee groepen significant van elkaar. Deze uitkomst is in lijn met de gedachte achter de top-2-box. Retentie 100% 90% 80% 70% 60% 50% 40% Klanttevredenheidsscore

36 CIC 36 Tevredenheid beste voorspeller in drie sectoren Onderstaand grafiek toont het (gestandaardiseerde) effect van klanttevredenheid op retentie. De donker blauwe staven zijn statistisch significant, de zwart omlijnde staven zijn sectoren waar klanttevredenheid de beste voorspeller van retentie is. Klanttevredenheid heeft een significant voorspellend effect op retentie in 9 van de 18 sectoren. In drie van de sectoren is het zelfs de beste voorspeller van retentie. Effect op retentie 3,500 3,000 2,500 2,000 1,500 1,000,500,000 Door de standaardisatie mogen de effecten tussen de verschillende metrics met elkaar vergeleken worden. Voor het berekenen van de effecten van de metrics is er gebruikt gemaakt van een logistisch regressie model per industrie, waarbij elk bedrijf binnen de industrie zijn eigen intercept heeft. Alle modellen in dit hoofdstuk zijn op deze manier berekend, zodat we de resultaten met elkaar mogen vergelijken.

37 CIC 37 Top-2-box beste voorspeller in vier sectoren De top-2-box heeft een significant voorspellend effect op retentie in 12 van de 18 sectoren. In vier van de sectoren is het de beste voorspeller van retentie. Deze transformatie presteert gemiddeld genomen beter dan de ruwe klanttevredenheidsscore, wat komt door het niet-lineaire effect van klanttevredenheid op retentie. Effect op retentie 3,500 3,000 2,500 2,000 1,500 1,000,500,000

38 CIC 38 Relatie NPS-retentie deels in lijn met transformatie Voor de NPS zien we wat meer ruis. De groep die een één heeft gegeven heeft een opvallend hoge retentiekans. Voor de overige scores van 0 t/m 6 zijn er geen significante verschillen, in lijn met de gedachte dat detractors allemaal even negatief zijn (in dit geval een retentiekans van ~60% hebben). De groep van 7 t/m 9 verschilt niet significant van elkaar met een retentiekans van 75%- 80%. De groep passives is daarmee breeder dan volgens de officiële NPS. De echte uitschieters ( promotors ) zijn mensen die een 10 hebben gegeven. Deze groep heeft een retentiekans van ~93%. Retentie 100% 90% 80% 70% 60% 50% 40% NPS waarde

39 Officiële NPS beste voorspeller in vijf sectoren CIC 39 De officiële NPS (waar de transformatie voor promotors, passives en detractors wordt toegepast) heeft een significant voorspellend effect op retentie in 9 van de 18 sectoren. In vijf van de sectoren is het zelfs de beste voorspeller van retentie. Effect op retentie 3,500 3,000 2,500 2,000 1,500 1,000,500,000

40 CIC 40 NPS waarde beste voorspeller in twee sectoren Effect op retentie De NPS waarde (0-10) heeft een significant voorspellend effect op retentie in 10 van de 18 sectoren. In 2 van de sectoren is het de beste voorspeller van retentie. Opvallend is dat er nog al wat verschillen zijn in welke sectoren de officiële NPS en de NPS-waarde het beste presteert. De transformatie om tot de officiële NPS te komen lijkt nuttig in bepaalde sectoren (bijv. warenhuizen en online retailers), maar niet aan te raden in andere sectoren (bijv. banken en vliegmaatschappijen). 3,500 3,000 2,500 2,000 1,500 1,000,500,000

41 CIC 41 Verzoek alleen negatief als het veel moeite kost De grootste groep (79,5%) zijn klanten die geen verzoek hebben gehad bij het bedrijf en daarmee geen CES hebben kunnen geven. Hun retentiekans is 71%, wat significant lager is dan de 80% voor mensen die wel een CES hebben gegeven. De klanten die een drie hebben gegeven vormen een outlier met een relatief lage retentiekans. Klanten die een vijf hebben gegeven (oftewel die het veel moeite koste om hun verzoek in behandeling te laten nemen) hebben een significant lagere retentiekans dan de andere klanten. Een verzoek van een klant lijkt dus een positief effect te hebben op de retentiekans, behalve als het verzoek de klant veel moeite kost. Retentie 100% 90% 80% 70% 60% 50% 40% Geen CES gegeven 1 (weinig moeite) (veel moeite) CES waarde

42 CIC 42 CES in maar twee sectoren significante voorspeller Effect op retentie De CES heeft een significant voorspellend effect op retentie in slechts 2 van de 18 sectoren. In deze 2 sectoren is deze metric tevens de beste voorspeller van retentie. Het is met name de vraag óf klanten een verzoek hebben gehad, en dus de CES vraag hebben kunnen beantwoorden (bruine staven), die een rol speelt. Klanten die een verzoek hebben gehad in de vaste- en mobiele- telecomsector blijven loyaler. Dit zijn tevens de twee sectoren met de meeste verzoeken. 3,500 3,000 2,500 2,000 1,500 1,000,500,000 CES (score) CES gegeven (ja=1, nee=0)

43 CIC 43 Top-2-Box is het vaakst significante voorspeller De top-2-box is in de meeste sectoren een significante voorspeller van retentie, terwijl de CES in de minste sectoren een significante voorspeller is. De officiële NPS is in de meeste sectoren de beste voorspeller, gevolgd door de top- 2-box. De twee klanttevredenheid gerelateerde metrics komen in 7 sectoren als beste uit de test, evenals de twee NPS-metrics. In twee sectoren (zorgverzekeraars en supermarkten) is geen van de metrics in staat om retentie te voorspellen. Significant in sectoren Beste in sectoren Klanttevredenheid 9 (50%) 3 (17%) Top-2-Box 12 (67%) 4 (22%) NPS (officieel) 9 (50%) 5 (28%) NPS (waarde) 10 (56%) 2 (11%) CES 2 (11%) 2 (11%)

44 CIC 44 Keuze voor metric afhankelijk van sector De CES is de beste metric in de mobiele- en de vast telecomsector. Dit zijn ook de twee sectoren met de meeste verzoeken (36,5% en 39,7%) en een relatief hoge CES (oftewel veel moeite om het verzoek in behandeling te nemen). De CES lijkt dus alleen geschikt voor sectoren waar er veel verzoeken van klanten zijn en waar er (veel) ruimte voor verbetering is met betrekking tot het afhandelen van deze verzoeken. De NPS en klanttevredenheid presteren het beste in de andere sectoren. Er is hier een minder duidelijk beeld over waar het onderscheid zit tussen in welke type sector de NPS of klanttevredenheid het meest geschikt is. Wel is de top-2-box in vrijwel alle gevallen in staat retentie significant te voorspellen, wat deze metric de veilige keuze maakt.

45 Een dashboard van metrics Het combineren van metrics is beter dan een losse metric

46 CIC 46 Meerdere metrics geven in potentie een beter beeld De NPS was geïntroduceerd als de one number you need to grow. Voordeel van het gebruik van een enkele metric is de eenvoud om het te monitoren, het te sturen en het binnen het bedrijf te communiceren. Er zijn ook aanhangers voor het gebruik van meerdere metrics, oftewel het maken van een dashboard van metrics. Voordeel van het gebruiken van meerdere metrics is dat de verschillende metrics elk hun eigen dimensie van de klant meten, waarbij elke metric unieke informatie toevoegd. In dit onderzoek is gekeken naar wat overall de beste metric is, hoe stabiel de impact van de metrics over de verschillende sectoren is, en of het combineren van metrics betere voorspellingen oplevert. Reichheld (2003), artikel waarin de NPS wordt geïntroduceerd De Haan, Verhoef en Wiesel (2013), artikel waarin het combineren van de metrics is onderzocht

47 CIC 47 Opzet van het geschatte model Met dezelfde data als in de vorige analyses is per metric een model geschat: Welke toelaat dat de verschillende bedrijven en sectoren elk hun eigen retentieniveau hebben. Welke toelaat dat het effect van metrics op retentie kan verschillen per sector. Waarbij de effecten worden opgesplitst op: o Klantniveau (bijv. het effect op retentie als een klant meer tevreden is dan de gemiddelde klant bij hetzelfde bedrijf), o Bedrijfsniveau (bijv. het effect op retentie als een bedrijf een hogere score op tevredenheid heeft dan haar concurrenten in dezelfde sector) Waarbij gecontroleerd wordt voor de relatielengte met het bedrijf en een aantal demografische variabelen die mogelijk ook (deels) retentie kunnen verklaren. De Haan, Verhoef en Wiesel (2014), uitwerking en achtergrondinformatie van het model

48 CIC 48 Klanttevredenheidsmetric stabiel over sectoren De impact van de klanttevredenheidsmetrics op retentie is stabiel over sectoren heen, terwijl de impact van de NPS en CES verschilt per sector. Dit maakt het voorspellen van retentie met klanttevredenheidsmetrics aanzienlijk efficiënter. De CES is alleen significant op klantniveau; klanten die een verzoek hebben gehad zijn over het algemeen loyaler, vooral als het verzoek weinig moeite heeft gekost. Het effect van de metrics is sterker op bedrijfsniveau dan op klantniveau; een gemiddelde klant is loyaler bij een bedrijf met een hoge score dan een even hoog scorende klant bij een gemiddeld bedrijf. Klanttevredenheid Top-2-Box NPS (waarde) NPS (waarde) CES Klantniveau + (stabiel) + (stabiel) + (heterogeen) + (stabiel) + (heterogeen) Bedrijfsniveau ++ (stabiel) ++ (stabiel) ++ (heterogeen) ++ (heterogeen) n.s. Uit het onderzoek van De Haan, Verhoef en Wiesel (2014), voor exacte details kan dit onderzoek geraadpleegd worden

49 CIC 49 Top-2-Box beste overall metric Om te kijken naar welke individuele metric het beste retentie kan voorspellen is de data opgesplitst in twee groepen; één deel om het model te schatten en één deel om retentie te voorspellen. Alle metrics waren beter in het voorspellen dan een model die alleen maar de controle variabelen bevatte; metrics geven dus extra informatie waarmee betere voorspellingen gedaan kunnen worden. De toegevoegde waarde van de CES is echter minimaal. De andere metrics voorspellen retentie substantieel beter, met de top-2-box als de beste voorspeller. Nagelkerke R² 0,10 0,08 0,06 0,04 0,02 0,00 Klanttevredenheid Top-2-Box NPS (officieel) NPS (waarde) CES Uit het onderzoek van De Haan, Verhoef en Wiesel (2014), voor exacte details kan dit onderzoek geraadpleegd worden

50 CIC 50 Top-2-box en NPS geven samen beste inzicht (1/2) Om te kijken of bedrijven het beste een single metric of een dashboard van metrics kunnen bijhouden zijn er modellen geschat met zowel één enkele metric als verschillende combinaties van metrics. Er is gekeken naar twee criteria om deze modellen te beoordelen, te weten de: BIC (Bayesian Information Criterion): een criterium dat meer de voorkeur geeft aan simpele modellen. AIC (Akaike Information Criterion): een criterium dat meer de voorkeur geeft aan complete modellen. De single metrics (op de CES na) zijn het beste volgens de BIC, met de top-2-box weer als allerbeste. Volgens de AIC krijg je met het monitoren van zowel de top-2-box als de officiële NPS de beste inzichten. Gaat de voorkeur dus naar volledigheid in plaats van eenvoud, dan kunnen het beste deze twee metrics gemeten worden. De resultaten zijn weergegeven in de grafiek op de volgende pagina. Uit het onderzoek van De Haan, Verhoef en Wiesel (2014), voor exacte details kan dit onderzoek geraadpleegd worden

51 CIC 51 Top-2-box en NPS geven samen beste inzicht (2/2) Uit het onderzoek van De Haan, Verhoef en Wiesel (2014), voor exacte details kan dit onderzoek geraadpleegd worden

52 CIC 52 Conclusie Customer Feedback Metrics zijn in staat om toekomstige retentiekansen te voorspellen voor een grote verscheidenheid aan bedrijven en sectoren. Wat we zien is dat overall de top-2-box het beste presteert, voornamelijk door de simpliciteit in vergelijking met de NPS; de impact van de klanttevredenheidsmetrics is generaliseerbaar over sectoren heen, terwijl de impact van de NPS metrics sterk verschilt over sectoren. De number you need verschilt echter per sector; zowel de NPS als de klanttevredenheidsmetrics presteren het best in zeven sectoren. De CES presteert alleen in de vaste- en mobiel-telecom sector het beste. Er is echter niet one number you need ; het combineren van metrics verbetert de voorspellingen. Gelijktijdig de top-2-box als de officiële NPS gebruiken levert de beste voorspelling op, de CES toevoegen helpt echter niet. De verschillen in scores ten opzichte van de concurrentie is van groter belang om retentie te voorspellen dan de verschillen tussen klanten onderling. Uit het onderzoek van De Haan, Verhoef en Wiesel (2014), voor exacte details kan dit onderzoek geraadpleegd worden

53 Gebruik maken van metrics Hoe kunnen bedrijven in de praktijk metrics gebruiken om resultaten te sturen en nieuwe inzichten te creëren

54 CIC 54 De juiste gegevens verzamelen Om als bedrijf meer customer centric te worden en de marketingafdeling meer accountable te maken, dienen drie type gegevens verzameld te worden, namelijk: 1. De voor het bedrijf meest relevante metrics Verzamel bijvoorbeeld gegevens over bijvoorbeeld klanttevredenheid en de NPS. Dit kan periodiek door het ondervragen van een (vaste) groep klanten of continu (bijvoorbeeld als afsluiting van een contactmoment met de klant). 2. De voor het bedrijf meest relevante uitkomsten Hierbij kan gedacht worden aan uitkomsten op klantniveau (zoals retentie, aankoopmoment, up-, down- en cross- selling, share-of-wallet en customer lifetime value) als op bedrijfsniveau (zoals het aantal nieuwe klanten, kasstromen en omzet). 3. Door het bedrijf ondernomen activiteiten Dit kunnen bijvoorbeeld servicemomenten zijn bij een specifieke klant, speciale aanbiedingen richting de klant, of bijvoorbeeld advertentiecampagnes.

55 CIC 55 Koppelen van de gegevens om inzichten te creëren De drie verzamelde gegevens kunnen op onder andere de volgende manier eenvoudig in de praktijk geanalyseerd en toegepast worden: Vergelijk klanten die een hogere score hebben gegeven met klanten die een lagere score hebben gegeven. Verschillen de acties die richting deze klanten zijn ondernomen, worden deze klanten anders behandeld, gedragen deze klanten zich anders (hogere retentie/klantwaarde)? Dit kan een indicatie geven wat de scores van de klanten beïnvloedt, hoe dit verbeterd kan worden en wat dit (financieel) op kan leveren. Vergelijk de ontwikkeling (over tijd) van acties die het bedrijf heeft ondernomen, de impact die dit heeft op de metric-scores en de impact die dat op zijn beurt heeft op de uitkomsten. Door deze ontwikkelingen over tijd te bestuderen kunnen bedrijven beter begrijpen wat hun klanten drijft en wanneer ze wel of niet moeten ingrijpen. Ga experimenteren! Pas verschillende acties toe op groepen klanten om te zien hoe dit hun metricscores en hun gedrag beïnvloedt. Wat bedrijven krijgen Wat klanten doen Wat klanten denken Wat bedrijven doen Financiële resultaten (winst en waarde) Klantgedrag (observeerbaar) Klantpercepties (Customer Feedback metrics) Marketingacties Morgan, Anderson en Mittal (2005) hebben onderzoek gedaan naar hoe bedrijven metrics in de praktijk gebruiken en op basis daarvan een stappenplan gemaakt hoe dit verbeterd kan worden om zo betere inzichten uit deze informatie te halen.

56 CIC 56 Bijsturen op basis van metrics NPS (en andere metrics) kunnen zowel gebruikt worden om te kijken welke individuele klanten extra geholpen moeten worden, als om de dienstverlening systematisch te verbeteren. Het model hieronder geeft schematisch weer hoe de NPS-vraag in de praktijk gebruikt wordt. Als eerst wordt de klant na afloop van een contactmoment (bijvoorbeeld na het bellen van de helpdesk) de NPS-vraag gesteld. Als de NPS onder een bepaalde waarde zit (bijvoorbeeld onder de 8) wordt weer contact opgenomen met de klant om de tekortgeschoten dienstverlening te herstellen. De verzamelde gegevens kunnen periodiek geanalyseerd worden om zo de dienstverlener (zoals callcentermedewerkers) te beoordelen en om te kijken wat verbeterpunten zijn. Deze verbeterpunten worden in een actieplan verwerkt. Na uitvoeren van het actieplan kan gekeken worden hoe dit de toekomstige NPS beïnvloedt. Hierna begint het proces weer van voren af aan zodat er continu verbeterd kan worden. Figuur uit scriptie van Gerrit Huisman:

57 CV s van de auteurs

58 CIC 58 Evert de Haan M.Sc. Huidige functie: Promovendus aan de Rijksuniversiteit Groningen, vakgroep marketing. Ervaring: Van 2010 t/m 2012 betrokken geweest bij de Dutch Customer Perfomance Index (DCPI), betrokken bij wetenschappelijke onderzoeken en bedrijfsonderzoeken. E. de Haan M.Sc. Opleiding: Master of Science in Business Administration en Research Master in Economics and Business. Expertisegebieden: Marketing metrics, de customer journey en advertentie effectiviteit.

59 CIC 59 Prof. dr. Peter C. Verhoef Huidige functies: Hoogleraar marketing Rijksuniversiteit Groningen, founder van het Customer Insights Center, Marketing vakgroepvoorzitter faculteit Economie & Bedrijfskunde. Ervaring: Ruim 10 jaar ervaring in CRM-onderzoek. Opleiding: Bedrijfseconomie Erasmus Universiteit en gepromoveerd in de Economie bij het Tinbergen Instituut. Prof. dr. P.C. Verhoef Expertisegebieden: CRM, multi-channel, marketingstrategie.

60 CIC 60 Prof. dr. Thorsten Wiesel Huidige functies: Hoogleraar value based marketing aan de Westfälische Wilhelms-Universität te Münster (Duitsland) en research affiliate aan de Rijksuniversiteit Groningen. Ervaring: Betrokken (geweest) bij de Vrije Universiteit Amsterdam. Genomineerd voor o.a. de INFORMS Marketing Science Practize Prize (2010) en de MSI/H. Paul Root Award (2008 en 2012). Prof. dr. T. Wiesel Opleiding: Studie economie en bedrijfskunde en gepromoveerd aan de Goethe-Universiteit te Frankfurt (Duitsland). Expertisegebieden: De marketing-finance interface, Marketing Performance meting, digitale marketing en marketing strategie.

61 Belangrijkste referenties Overzicht interessante wetenschappelijke vervolgliteratuur

62 CIC 62 Belangrijkste referenties (1/3) De Haan, E., Verhoef, P. C., & Wiesel, T. (2014). The predictive ability of different customer feedback metrics for retention. Working paper. Dixon, M., Freeman, K., & Toman, N. (2010). Stop trying to delight your customers. Harvard Business Review, 88(7/8), Gupta, S., & Zeithaml, V. (2006). Customer metrics and their impact on financial performance. Marketing Science, 25(6), Gupta, S., Lehman, D. R., & Stuart, J. A. (2004). Valuing Customers. Journal of Marketing Research, 41(1), Hanssens, D. M. (2009). Empirical generalizations about marketing impact. Cambridge: Marketing Science Institute. Hanssens, D. M., Pauwels, K., Srinivasan, S., Vanhuele, M., & Yildirim, G. (2014). Consumer Attitude Metrics For Guiding Marketing Mix Decisions. Marketing Science (forthcoming). Ittner, C. D., & Larcker, D. F. (1998). Are non-financial measures leading indicators of financial performance? An analysis of customer satisfaction. Journal of Accounting Research, 36(3), 1-35.

63 CIC 63 Belangrijkste referenties (2/3) Keiningham, T. L., Cooil, B., Andreassen, T. W., & Aksoy, L. (2007). A longitudinal examination of net promoter and firm revenue growth. Journal of Marketing, 71(3), Morgan, N. A., Anderson, E. W., & Mittal, V. (2005). Understanding Firms' Customer Satisfaction Information Usage. Journal of Marketing, 69(3), Morgan, N. A., & Rego, L. L. (2006). The value of different customer satisfaction and loyalty metrics in predicting business performance. Marketing Science, 22(5), Pauwels, K. (2014). It s not the size of the Data It s how you use it. New York: AMACOM. Rego, L. L., Morgan N. A., & Fornell, C. (2013). Reexamining the market share-customer satisfaction relationship. Journal of Marketing, 77(5), Reichheld, F. F. (2003). The one number you need to grow. Harvard Business Review, 81(12), Srinivasan, S., Vanhuele, M., & Pauwels, K. (2010). Mindset metrics in market response models: An integrative approach. Journal of Marketing Research, 47(4), Van Doorn, J., Leeflang, P. S. H., & Tijs, M. (2013). Satisfaction as a predictor of future performance: A replication. International Journal of Research in Marketing, 30(3),

64 CIC 64 Belangrijkste referenties (3/3) Van Doorn, J., Verhoef, P. C., & Bijmolt, T. H. A. (2007). The importance of non-linear relationships between attitude and behavior in policy research. Journal of Consumer Policy, 30(2), Verhoef, P. C., & Leeflang, P. S. H. (2003). Understanding the effect of customer relationship management efforts on customer retention and customer share development. Journal of Marketing, 67(4), Verhoef, P. C., & Leeflang, P. S. H. (2009). Understanding the marketing department s influence within the firm. Journal of Marketing, 73(2), Wiesel, T., De Haan, E., & Ou, Y.-C. (2012). Customer Performance Trends: Resultaten van drie jaar DCPI onderzoek. Rapport RUGCIC, Wiesel, T., Verhoef, P. C., & De Haan, E. (2012). There is no single best measure of your customers. Zeithaml, V. A., Bolton, R. N., Deighton, J., Keiningham, T. L., Lemon, K. N., & Petersen, J. A. (2006). Forward-looking focus: Can firms have adaptive foresight. Journal of Service Research, 9(2),

65 Customer Insights Center Voor marketingmanagers die resultaten willen zien Op alle teksten en afbeeldingen rusten auteursrechten voorbehouden aan het Customer Insights Center

66 CIC 66 Waarom een Customer Insights Center? U wilt bijvoorbeeld: a. Meer inzicht in wensen en gedrag van uw klanten. b. Nieuwe ontwikkelingen in het marketingvakgebied toepassen. c. Bewezen succesfactoren bij marketingimplementaties toepassen. Wij bieden tastbare resultaten: 1. Een platform voor professionals ter kennisuitwisseling. 2. Jaarlijks twee seminars over toepassing van nieuwe klantinzichten. 3. Jaarlijks drie onderzoeksrapporten met wetenschappelijk toepasbare kennis. 4. Hoogstaand wetenschappelijk en praktijkrelevant onderzoek. 5. Diverse opleidingen ter verbetering van klantkennis van uw medewerkers. 6. Kennismaking met bijna of recent afgestudeerde topstudenten. 7. Maatwerkoplossingen ten aanzien van marketingonderzoek en -onderwijs. Zie voor meer informatie

67 CIC 67 Voor marketing managers die resultaten willen zien Wetenschappelijke kwaliteit Het Customer Insights Center (CIC) vormt een onderdeel van de Faculteit Economie & Bedrijfskunde van de Rijksuniversiteit Groningen. Wetenschappelijke kwaliteit staat daar voorop. Theorie vertaald naar praktijk Vaak zijn wetenschappelijke publicaties over marketing, klanten en klantgedrag niet rechtstreeks geschikt voor implementatie in de praktijk. Daarom vertalen wij de nieuwste wetenschappelijke kennis naar toepasbare adviezen, rapporten, opleidingen, workshops en seminars voor het bedrijfsleven. Onderscheidend vermogen We zijn geen commercieel adviesbureau, maar bouwen op non-profit basis aan een langetermijnrelatie met onze leden uit het bedrijfsleven. Zie voor meer informatie

68 CIC 68 Customer Insights Center leden Premium leden Basis leden Bijzondere projectleden Tevens bestaan allianties met (inter-)nationale onderzoekscentra. Zie voor het actuele overzicht

69 CIC 69 Customer Insights Center onderzoeksrapporten Onderzoeksrapporten worden exclusief verstrekt aan leden. Zie voor het actuele overzicht

70 CIC 70 Meer informatie? Dr. Jelle T. Bouma Tel / j.t.bouma@rug.nl Op alle teksten en afbeeldingen rusten auteursrechten voorbehouden aan het Customer Insights Center