Klanttevredenheid en financiële

Transcriptie

1 Klanttevredenheid en financiële prestaties B Klanttevredenheid en financiële prestaties Empirisch onderzoek naar het verband tussen de klanttevredenheid en de financiële performance van verzekeringsmaatschappij DatZo 1 Drs. Igno Wouters RC 2 1 Inleiding B Theoretisch verband B Customer lifetime value en customer equity B Klanttevredenheid B Net Promotor Score B De casus DatZo B Verzekeringsmaatschappij DatZo B DatZo-NPS B Empirisch onderzoek B Opzet empirisch onderzoek B Beschikbare en gebruikte data B Analyse DatZo-NPS-enquêtedata B De vertrouwelijkheid van het onderzoek heeft de auteur genoodzaakt om niet de werkelijke naam te gebruiken. De gefingeerde naam DatZo is het schadebedrijf van een Nederlandse verzekeraar. Cijfers zijn uit concurrentieoverwegingen deels gefingeerd. 2 Drs. Igno Wouters RC is in februari 2011 afgestudeerd aan de Postgraduate Controllersopleiding van de Vrije Universiteit Amsterdam. Dit artikel is gebaseerd op zijn afstudeerscriptie. Hij is werkzaam als business controller Reggefiber.

2 B Klanttevredenheid en financiële prestaties 4.4 Onderzoek 1. DatZo-NPS-effect op korte termijn B Onderzoek naar klantbehoud B Onderzoek naar cross-sell en aanbeveling B Onderzoek naar netto effect B Onderzoek 2. NPS-effect op lange termijn B Absolute omvang portefeuille B Verandering omvang portefeuille B Samenvatting en conclusies B Literatuur B

3 Klanttevredenheid en financiële prestaties B Inleiding Naar aanleiding van de WoekerPolis-affaire en andere ontwikkelingen die tot behoorlijke imageschade van financiële instellingen hebben geleid, wordt de laatste jaren de klant steeds meer centraal gezet. Verzekeringsmaatschappij DatZo heeft in dit kader in 2009 de DatZo-Net Promotor Score (DatZo-NPS) geïntroduceerd. De NPS heeft binnen DatZo als doel de klant meer centraal te zetten in het denken en handelen van DatZomedewerkers. Het is een eenvoudige Key Performance Indicator (KPI) die veel medewerkers begrijpen. Binnen DatZo worden veel activiteiten ondernomen met als doel de NPS te verhogen. Bovendien is de NPS opgenomen in de performancedoelstellingen van het management van DatZo. Verondersteld wordt dat de activiteiten gericht op het creëren van klanttevredenheid (een hoge NPS) bijdragen aan de financiële doelen van DatZo: groei van omzet en winstgevendheid. De gedachte is dat tevreden klanten blijven en ontevreden klanten naar een concurrent overstappen. In de praktijk is echter nooit onderzocht of deze veronderstelling klopt. Dit roept de volgende vraagstelling op: Hoe sterk is het verband tussen klanttevredenheid, gemeten aan de hand van de NPS, en de financiële prestaties van DatZo? In dit artikel wordt aandacht besteed aan klanttevredenheid en financiële prestaties bij een Nederlandse verzekeraar. Centraal staat een empirisch onderzoek naar het verband tussen klanttevredenheid en financiële prestaties. Het aandachtsgebied van dit artikel is het schadebedrijf van DatZo. Schadeverzekeringen kennen over het algemeen een veel kortere looptijd dan pensioenen en levensverzekeringen. Hierdoor komen en gaan klanten makkelijker en wordt de impact van klanttevredenheid groter geacht. In een empirisch onderzoek wordt de relatie tussen de uitkomsten van de NPS-metingen en het waargenomen verkoopgedrag van schadeverzekeringen onderzocht. Zoals in paragraaf 4 verder wordt uitgelegd, richt het dataonderzoek zich op de verkoop via tussenpersonen, ook wel de intermediairs genoemd. Internetklanten en grote zakelijke klanten (corporates) blijven vanwege hun zeer beperkte aandeel bij DatZo buiten de scope van het onderzoek. Eveneens buiten de scope van het onderzoek ligt de vraag welke stuurvariabelen (bijvoorbeeld prijs, kwaliteit, service of bereikbaarheid) de NPS-score (significant) beïnvloeden en hoe deze score te verhogen is. In het vervolg van dit artikel wordt achtereenvolgens ingegaan op:

4 B Klanttevredenheid en financiële prestaties de theorie over klanttevredenheid en customer lifetime value als bruikbare modellen voor het bepalen van de waarde van een onderneming (paragraaf 2); DatZo en de Datzo-NPS (paragraaf 3); het empirisch onderzoek waarin het verband tussen de klanttevredenheid en de financiële prestaties van DatZo wordt onderzocht (paragraaf 4); samenvatting en conclusies (paragraaf 5). 2 Theoretisch verband Het verband tussen klanttevredenheid en financiële KPI s (zoals groei of winst) kan op verschillende manieren worden gelegd. Begrippen als customer lifetime value (CLV) en customer equity (CE) vormen hierbij belangrijke kaders. Deze begrippen worden uitgebreid besproken in de artikelen B2000 en B5005 van het Handboek. 2.1 Customer lifetime value en customer equity Slechts weinig producten verkopen zichzelf. Veelal zijn marketinguitgaven nodig om producten te verkopen. De impact van marketingprogramma s en assets (zoals klanten en merk) wordt nauwelijks in voor CEO en CFO relevante maatstaven uitgedrukt. In veel bedrijven vormen namelijk de financiële KPI s de gebruikelijke taal als het over prestaties gaat. Daarom is het noodzakelijk om de marketingactiviteiten te vertalen naar financiële KPI s zoals return on assets of return on equity. De relatie is bovendien interessant omdat de waarde van een bedrijf in toenemende mate wordt bepaald door intangible assets zoals intellectueel eigendom, het merk en het klantenbestand in plaats van fysieke activa (Srivastava, 2005). Rust, Lemon en Zeithaml (2004) hebben een raamwerk ontwikkeld om de impact van marketinginspanningen te analyseren en het rendement van de inspanningen te projecteren (zie figuur 1). Centraal in dit raamwerk staat het begrip customer lifetime value. CLV is eind jaren tachtig geïntroduceerd en wordt meestal gedefinieerd als de contante waarde van alle toekomstige netto kasstromen van een klant (vergelijkbaar met de netto contante waarde berekeningen van investeringen zoals onder anderen besproken door Brealey, Myers en Allen, 2011). Groot voordeel van CLV is dat het rekening houdt met de verwachte winsten van een klant in de tijd. Tegelijkertijd wordt de klant als een investeringsobject gezien waarin nu geïnvesteerd moet worden om in de toekomst winst te kunnen genereren. De optelling van alle CLV s van alle klanten van een bedrijf resulteert in de customer equity van een bedrijf.

5 Klanttevredenheid en financiële prestaties B Marke ng investment Driver improvement(s) Improved Customer percep ons Increased customer a rac on Increased customer reten on Cost of marke ng investment Increased CLV Figuur 1. Rendement marketinginvesteringen Increased customer equity Bron: Rust, Lemon en Zeithaml (2004) Return on marke ng investment De belangrijkste componenten van CLV zijn: klanten; opbrengsten; kosten; disconteringsvoet; tijdshorizon. Klanten Bij bedrijven met niet-contractuele producten is het lastig om vast te stellen wie de klanten zijn, omdat niet elke klant in het klantenbestand nu en/of in de toekomst voor omzet en winst zal zorgen. Vanwege het contractuele karakter van verzekeringen is het bij een verzekeraar eenvoudiger om vast te stellen wie (eind)klanten zijn. Alle klanten hebben een of meer verzekeringen lopen en de klantrelatie loopt tot het moment dat alle verzekeringen zijn beëindigd. Naast eindklanten vervullen de tussenpersonen ook een belangrijke klantrol. Tussenpersonen

6 B Klanttevredenheid en financiële prestaties beheren de portefeuille van verzekeringen van hun klanten, DatZo s eindklanten. Opbrengsten De opbrengsten kunnen worden onderverdeeld in koopgedraggerelateerde en niet-koopgedraggerelateerde opbrengsten. De eerste betreft opbrengsten uit transacties en kent drie dimensies: lengte: klantretentie, klantduur, herhalingsaankopen; breedte: verschillende producten en diensten, cross-selling; diepte: hoeveelheid, volume. Dit koopgedrag is bij verzekeraars vanwege het contractuele karakter van de verzekeringen goed waar te nemen. Niet-koopgedraggerelateerde opbrengsten bestaan uit verkoop aan nieuwe klanten als gevolg van mond-tot-mondreclame door bestaande klanten. Volgens Verhoef (2004) zou het belang van deze opbrengstenfactor wel eens kunnen toenemen omdat klanten in grote virtuele netwerken deelnemen. Denk hierbij ook aan consumentenprogramma s als Kassa en diverse internetforums. Niet-koopgedrag is heel lastig waarneembaar. Echter, het niet meenemen van dit aspect leidt tot een onderschatting van de CLV van klanten. Kosten Kosten kunnen worden opgedeeld in klantspecifieke kosten en niet-klantspecifieke kosten. De klantspecifieke kosten worden of door de klant geïnitieerd of door de onderneming. De door de klant geïnitieerde kosten kunnen per klant enorm verschillen. Sommige tussenpersonen leveren hun aanvragen en mutaties digitaal aan, terwijl andere tussenpersonen dit nog ouderwets per post doen. Reichheld (1996) stelt dat de klantgeïnitieerde kosten gedurende de duur van de klantrelatie afnemen omdat klanten bekender worden met de onderneming en producten daardoor minder service en aandacht vragen. Toch zijn maar weinig ondernemingen in staat de klantspecifieke kosten aan de juiste klanten toe te wijzen, omdat een bedrijf dan alle door de klant geïnitieerde acties exact moet bijhouden (Verhoef, 2004). Niet-klantspecifieke kosten zijn helemaal moeilijk aan een klant toe te wijzen en hebben vaak het karakter van marketingactiviteiten gericht op het merk. Disconteringsvoet De disconteringsvoet vertegenwoordigt de kosten van kapitaal en de onzekerheid/het risico van de toekomstige opbrengsten en kosten. Vaak wordt hier de weighted cost of capital (WACC) gebruikt. Deze WACC is niet-klantspecifiek want deze houdt geen rekening met het risico per klant.

7 Klanttevredenheid en financiële prestaties B Tijdshorizon Eigenlijk zou de winst tot in het oneindige berekend moeten worden. Echter, hoe verder in de tijd, hoe onzekerder de opbrengsten en kosten worden. Bovendien wordt de invloed van kasstromen die ver in de toekomst liggen door verdiscontering verwaarloosbaar. Daarom is het reëler om de tijdshorizon te laten aansluiten bij de planningshorizon; in veel ondernemingen is deze drie tot vijf jaar. In dat kader stellen Malthouse en Blattberg (2003) dat de term customer lifetime value misleidend is en eigenlijk long term customer value zou moeten zijn. Er is veel onderzoek gedaan naar CLV-modellen: van heel eenvoudige tot zeer complexe modellen. De vraag hierbij is hoe nauwkeurig ze zijn in het schatten van de toekomstige waarde van de individuele klanten. Het koopgedrag van klanten verschilt erg per bedrijfstak. Daardoor is het beste CLV-model afhankelijk van de bedrijfstak. In de context van dit artikel is het niet noodzakelijk om een model te vinden dat de CLV (en CE) het beste voorspelt. Veel belangrijker is het om inzicht te krijgen in de componenten die de hoogte van de CLV beïnvloeden en dan vooral het effect van de NPS op CLV en CE. Donkers, Verhoef en De Jong (2007) hebben onderzoek gedaan naar een geschikt CLV-model voor de verzekeringsindustrie (op basis van een casestudy van één Nederlandse verzekeringsmaatschappij). Zij maken onderscheid tussen eenvoudige en complexere CLV-modellen. De eenvoudige modellen kijken naar de totale duur van de klantrelatie (klantbehoud) en de gemiddelde winst per klant. De complexe modellen houden rekening met de verschillende producten en/of diensten die klanten afnemen en de verschillende winstmarges per product/ dienst. Andere aspecten die deze complexe modellen onder andere kunnen meenemen zijn het aantal producten en/of diensten die een klant afneemt en eventuele loyaliteitsprogramma s (pakket- of collectiviteitskortingen). Donkers e.a. concluderen dat de eenvoudige modellen al een goede voorspelling van de CLV geven. In deze eenvoudige modellen moet dan naast klantbehoud ook cross-selling (= groei) worden meegenomen omdat anders de CLV te veel onderschat wordt. Complexere modellen leiden niet tot betere voorspellingen van de CLV. In de verzekeringswereld is het behoud goed te meten. Een klant die (deels) afscheid neemt, beëindigt namelijk zijn of haar verzekering(en). Dit wordt royement genoemd en wordt in de polisadministratie geregistreerd.

8 B Klanttevredenheid en financiële prestaties 2.2 Klanttevredenheid Om klanten te behouden is klanttevredenheid van belang. Klanttevredenheid heeft te maken met de mate waarin de prestaties van een product of bedrijf zich verhouden tot de verwachtingen van de klanten. De verwachtingen zijn gebaseerd op de eigen ervaring, de mening van vrienden en collega s, de beloften van de aanbieder en die van de concurrenten. Bedrijven besteden veel tijd en geld aan klanttevredenheidsonderzoeken en in de wetenschap is veel onderzoek gedaan naar de effecten van klanttevredenheid. Volgens Reichheld (2003) zijn deze onderzoeken in de meeste gevallen complex, de uitkomsten dubbelzinnig en leveren ze geen duidelijke correlatie met de winst en groei van een onderneming. Zodoende heeft Reichheld onderzoek gedaan naar de meest effectieve klanttevredenheidsvraag (zie volgende paragraaf) Mensen doen niet altijd wat ze zeggen, ook met betrekking tot aanbevelen. Gupta en Zeithaml (2006) hebben een onderzoek gedaan naar het effect van niet-waarneembare kengetallen (what customers think) en waarneembare kengetallen (what customers do) op de financiële prestaties van ondernemingen (what firms get). Hun onderzoek heeft zich gericht op de donkere pijlen in figuur 2. What firms get Financial performance (profits and firm values) What customers do Behavioral outcomes (observable metrics) Figuur 2. Raamwerk impact klantwaardering op financiële performance Bron: Gupta en Zeithaml (2006) What customers think What firms do Perceptual measures (unobservable metrics) Marke ng ac ons Voorbeelden van niet-waarneembare kengetallen zijn onder andere klanttevredenheid, servicekwaliteit, loyaliteit en koop-

9 Klanttevredenheid en financiële prestaties B intenties. Voorbeelden van waarneembare kengetallen zijn onder andere het aantal nieuwe klanten, klantbehoud, cross-selling, CLV en CE. Gupta en Zeithaml trekken negen empirische conclusies over de relatie tussen niet-waarneembaar gedrag, waarneembaar gedrag en de impact van beide op de financiële prestaties. Relatie tussen what customers think en what firms get : 1. Verbetering in klanttevredenheid heeft een significante en positieve impact op de financiële prestaties van een bedrijf. 2. De relatie tussen klanttevredenheid en winstgevendheid is asymmetrisch (vanwege de sterke negatieve invloed van mond-tot-mondreclame heeft een daling van klanttevredenheid een grotere impact dan een stijging) en is niet lineair. 3. De mate waarin bovengenoemde relatie zich voordoet verschilt zowel per bedrijfstak als tussen bedrijven in dezelfde bedrijfstak. Volgens Gupta en Zeithaml (2006) heeft klanttevredenheid een grotere impact in de dienstverlenende industrie. Dit komt omdat bij productiebedrijven de kwaliteit van een product bepaald wordt door technische aspecten: grondstoffen, ontwerp en productieproces. Bij een dienst wordt de kwaliteit bepaald door de (eerstelijns)medewerkers. De kwaliteit van medewerkers kan meer variatie vertonen. Relatie tussen what customers think en what customers do : 4. Er bestaat een sterke, positieve relatie tussen klanttevredenheid en klantbehoud. Echter, andere relaties tussen nietwaarneembare (bijvoorbeeld servicekwaliteit of loyaliteit) en waarneembare kengetallen zijn onvoldoende duidelijk. 5. Klanttevredenheid en service zijn sterk gecorreleerd met gedragsintenties, maar gedragsintenties hebben geen goede voorspellende waarde voor daadwerkelijk gedrag. 6. De relatie tussen niet-waarneembare kengetallen ( what customers think ) en waarneembare kengetallen ( what customers do ) is niet lineair. Relatie tussen what customers do en what firms get : 7. Marketingbeslissingen gebaseerd op waarneembare kengetallen, zoals CLV, verbeteren de financiële prestaties van een bedrijf. 8. Klantbehoud is een van de belangrijkste variabelen van CLV en winstgevendheid. 9. Klantkengetallen, in het bijzonder CLV en CE, vormen een goede basis om de marktwaarde van een bedrijf te beoordelen. Het verband tussen klanttevredenheid en behoud/groei kan

10 B Klanttevredenheid en financiële prestaties echter ook negatief zijn, zoals Fornell (1995) stelt. Verklaringen voor een negatief verband tussen klanttevredenheid en marktaandeel: Als klanttevredenheid wordt gedefinieerd als het voldoen of overtreffen van de verwachtingen, dan is de klanttevredenheid eenvoudig te verhogen door de verwachtingen te verlagen. Klanttevredenheid gaat dan wel omhoog, maar dat is onvoldoende om klanten te behouden. Klanttevredenheid wordt vaak gemeten vanuit het bestaande klantenbestand. Als ontevreden klanten weggaan, stijgt de klanttevredenheid van de resterende customer base terwijl de verkopen en het marktaandeel dalen. Marktleiders hebben een meer dan evenredig groot aandeel in de distributie. Klanten kunnen mogelijk hun (kleinere) voorkeursmerk minder gemakkelijk vinden en kopen zodoende ongewenst het dominante merk. Deze klanten zullen minder tevreden zijn. Resumerend: de relatie tussen de marketingkengetallen en de financiële prestaties van een bedrijf is niet eenduidig. Toch lijkt er voldoende onderbouwing om te stellen dat klanttevredenheid een grote invloed heeft op de winst- en omzetgroei van een onderneming. 2.3 Net Promotor Score Reichheld heeft in 2003 de Net Promotor Score (NPS) ontwikkeld. Hij heeft onderzocht welke klanttevredenheidsvraag de best voorspellende waarde voor toekomstige bedrijfsgroei en winstgevendheid had. Dit bleek de vraag te zijn wat je klanten hun vrienden en collega s over je vertellen: How likely is it that you would recommend our company to a friend or colleague? De reden dat de bereidheid tot aanbeveling een belangrijke indicator voor groei en winstgevendheid is, ligt in het feit dat bij een aanbeveling de klant zijn of haar eigen reputatie op het spel zet. En dat risico zullen klanten alleen nemen als ze enorm loyaal zijn. Deze klanten zullen dus klant blijven en mogelijk leidt hun aanbeveling tot nieuwe klanten. De kracht van de NPS zit in de eenvoud. Enquêtes hoeven maar uit één vraag te bestaan, namelijk: Hoe waarschijnlijk is het dat u bedrijf/product X zou aanbevelen bij een vriend of collega? De antwoordschaal is tussen 0 en 10; 0 = zeer onwaarschijnlijk en 10 = zeer waarschijnlijk. Vervolgens worden de enquêtes geclusterd in drie categorieën: promotors: 9en10; passively satisfied: 7en8; detractors: 0 t/m 6. De NPS wordt berekend door het percentage promotors te verminderen met het percentage detractors (zie figuur 3). De berekening van de NPS is eenvoudig en wordt snel begrepen door

11 Klanttevredenheid en financiële prestaties B medewerkers. Belangrijk om te weten is dat de NPS wel aangeeft hoe loyaal een klant is, maar niet hoe je dat bereikt hebt en/of kunt verbeteren. Hiervoor zijn toch meer detailvragen noodzakelijk. How likely is it that you would recommend this company to a friend or colleague? Promoters Passives Detractors Extremely Likely Not At All Likely % of Promoters (9 or 10) % of Detractors (0 through 6) Net Promoter Score Figuur 3. Berekening NPS Bron: Stel dat 1000 klanten worden ondervraagd. Cijfer Aantal klanten Percentage 9 of 10 promotors % 7 of 8 passives % 0 tot 6 detractors % Totaal % De Net Promotor Score is dan 52% - 34% = 18. Reichheld merkt op dat er ook andere factoren naast klanttevredenheid zijn die een rol spelen met betrekking tot de groei van een onderneming, zoals de macro-economische ontwikkelingen en innovatie. Bovendien bleek de aanbevelingsvraag niet even effectief in elke bedrijfstak. In geval van (bijna) monopolies hebben de klanten weinig keus (zoals de aanbieder van vaste telefonie). Reichheld merkt bovendien op dat de NPS vooral gebruikt moet worden om de groei van een onderne-

12 B Klanttevredenheid en financiële prestaties ming als geheel te voorspellen; als voorspeller van individueel consumentengedrag is de NPS minder geschikt. 3 De casus DatZo Onderstaand wordt ingegaan op de situatie bij verzekeringsmaatschappij DatZo en de systematiek die bij DatZo wordt gehanteerd voor het meten van de DatZo-NPS. 3.1 Verzekeringsmaatschappij DatZo DatZo biedt als verzekeraar financiële bescherming en vermogensopbouw met een ruim assortiment aan producten en diensten, zoals levensverzekeringen, pensioenen, spaar- en beleggingsproducten en schadeverzekeringen. DatZo is verdeeld in drie soorten bedrijfsonderdelen: Verkooporganisaties. Er zijn aparte verkooporganisaties voor de verkoop aan corporates, eindconsumenten en tussenpersonen. De verkoop via tussenpersonen is voor DatZo veruit het grootste distributiekanaal. Back-offices voor pensioen-, leven-, bank- en schadeproducten. Deze back-offices voorzien de verkooporganisaties van producten en diensten en verzorgen de administratie van de verzekeringspolissen. Stafafdelingen. Hieronder vallen onderdelen zoals Financiën, Marketing en Personeelszaken. Schadeverzekeringen hebben als kenmerk dat ze de verzekeringsnemer (gedeeltelijk) schadeloos stellen na het optreden van een onzeker voorval 1, bijvoorbeeld brand of arbeidsongeschiktheid. 3.2 DatZo-NPS DatZo is in 2009 gestart met de DatZo-NPS, een afgeleide van Reichhelds s NPS. In de huidige klanttevredenheidsonderzoeken is sindsdien de volgende vraag opgenomen: Kunt u op een schaal van 0 tot 10 aangeven hoe groot de kans is dat u DatZo aanbeveelt bij vrienden of familie? Een 10 betekent dat u DatZo zeker aanbeveelt. Een 0 dat u dat zeker niet doet. DatZo hanteert de volgende categorieën: promotors: 8, 9 en 10; neutraal: 7; criticasters: 0 t/m 6. In tegenstelling tot Reichheld s NPS wordt het cijfer acht bij de DatZo-NPS dus bij de groep promotors getrokken. Dit is een bewuste keuze van DatZo waarvoor twee argumenten bestaan: 1 Levensverzekeringen hebben betrekking op een zeker voorval, namelijk overlijden. Levensverzekeringen keren uit bij overlijden voor een bepaalde datum of bij niet-overlijden na een bepaalde datum.

13 Klanttevredenheid en financiële prestaties B in Nederland wordt een 8 al als een hoog cijfer ervaren en Nederlanders geven zelden een 10; 2. door deze berekening is de DatZo-NPS altijd hoger dan de NPS. Hogere scores werken motiverender dan lage scores. De DatZo-NPS wordt vervolgens berekend door het percentage promotors te verminderen met het percentage criticasters. Voor het volgen van de DatZo-NPS in de tijd heeft de gewijzigde berekeningswijze geen gevolgen. Vergelijken van de NPS met DatZo-NPS-scores van concurrenten is door de gewijzigde berekeningswijze echter niet zinvol. Op basis van de oorspronkelijke klantgegevens is de NPS wel eenvoudig te berekenen ten behoeve van externe benchmarking. Aan de DatZo-NPS zijn korte- en langetermijndoelstellingen gesteld. Deze zijn subjectief vastgesteld op basis van een grove benchmark met vergelijkbare ondernemingen in binnen- en buitenland (voor zover publiekelijk bekend) en uiteindelijk gebaseerd op gevoel. Voor heel DatZo is de doelstelling om een DatZo-NPS van +25% te bereiken. 4 Empirisch onderzoek In de voorgaande paragrafen zijn enkele theoretische aspecten van CLV en NPS behandeld. In CLV-modellen zijn de opbrengsten en kosten belangrijke componenten. In deze paragraaf wordt onderzocht of de relatie tussen de NPS en de omzet (opbrengsten) statistisch aannemelijk kan worden gemaakt. Dit wordt gedaan aan de hand van significantietoetsen (hypotheses). In de verzekeringsindustrie wordt de omzet gemeten aan de hand van de geboekte premie. De geboekte premie heeft betrekking op nieuw verkochte verzekeringen, ook wel de productie genoemd. Het grootste deel van de geboekte premie heeft echter betrekking op de premies van lopende verzekeringen die in het verleden zijn afgesloten. Dit deel wordt de portefeuilleomzet genoemd. 4.1 Opzet empirisch onderzoek DatZo onderscheidt drie klantgroepen: direct (via internet), tussenpersonen en corporates. Dit onderzoek beperkt zich om drie redenen tot de klantengroep tussenpersonen. Allereerst is deze klantengroep verantwoordelijk voor 98% van de portefeuille schadeverzekeringen (nog exclusief de volmachtportefeuille) en is daarmee de grootste klantengroep van DatZo. Daarnaast zijn voor deze klantengroep de meest bruikbare enquête- en verkoopdata beschikbaar. Tot slot is het aanbeve-

14 B Klanttevredenheid en financiële prestaties lingseffect beter zichtbaar bij tussenpersonen dan bij individuele klanten. Bij een tussenpersoon vertaalt een aanbeveling zich in meer verkoop c.q. een grotere portefeuille. Het aanbevelingseffect van internetklanten is alleen via extra registratie (bijvoorbeeld van actiecodes of de vraag Hoe bent u bij ons terechtgekomen? ) te meten. Nadeel bij de klantgroep tussenpersonen is dat naast aspecten als productkenmerken, prijs en service ook de (bonus)provisie voor de tussenpersoon een rol speelt bij het aanbevelen c.q. adviseren. De rol van (bonus)provisie wordt echter steeds minder als gevolg van de wettelijke invoering van Customer Agreed Remuneration (CAR). De essentie van CAR is dat de beloning van de onafhankelijke adviseur berust op een expliciete afspraak met de klant en wordt betaald door de klant. Voordeel hiervan is dat de advisering van tussenpersonen minder afhankelijk is van de provisie die verzekeringsmaatschappijen betalen. Het empirisch onderzoek bestaat uit twee delen: 1. kortetermijneffect: het verband tussen de DatZo-NPS-score van tussenpersonen en hun recente handelen: royement, productie en nettoproductie; 2. langetermijneffect: het verband tussen de DatZo-NPS-score van tussenpersonen en de omvang en verandering van hun portefeuilles. Voor de statistische analyses is gebruikgemaakt van het programma Minitab 15. Het verband tussen de DatZo-NPS van een tussenpersoon en de toetsingsvariabele (bijvoorbeeld productie) wordt getoetst aan de hand van een variantieanalyse (analysis of variance/anova). Een ANOVA test de nulhypothese dat de gemiddelden van de drie groepen (promotor, neutraal en criticaster) gelijk zijn. De p-waarde of overschrijdingskans die uit de ANOVA volgt, geeft aan hoe significant de gemiddelden verschillen. Hoe kleiner de p-waarde, hoe significanter de gemiddelden verschillen. In het onderzoek is de grens op 5% gelegd; indien de p-waarde van de toets kleiner dan 0,05 is, wordt de nulhypothese verworpen en is er sprake van een significant statistisch verschil. Bij de toetsing is uitgegaan van een betrouwbaarheidsinterval van 95%. De R-Square (R2) die uit de toets volgt geeft aan hoe groot de invloed is van de DatZo-NPS van de tussenpersonen op de toetsingsvariabele. Met andere woorden; wat de voorspellende waarde is van de DatZo-NPS op de toetsingsvariabele. Hoe groter, hoe beter. 4.2 Beschikbare en gebruikte data Voor het onderzoek waren de volgende data beschikbaar: Drie DatZo-NPS-metingen bij tussenpersonen: juni 2009, december 2009, juni De DatZo-NPS-metingen zijn uitgevoerd door een extern

15 Klanttevredenheid en financiële prestaties B marktonderzoeksbureau. DatZo heeft een bestand met alle tussenpersonen en hun contactgegevens aangeleverd voor het onderzoek. Het onderzoeksbureau heeft hieruit een selectie gemaakt en de enquêtes afgenomen. Per DatZo-NPS-meting worden tussenpersonen geselecteerd uit drie deelmarkten: Object Particulier, Object Zakelijk en Zorg & Inkomen. Elke meting per deelmarkt bestond uit een steekproef van ongeveer 75 tussenpersonen (in totaal dus 3 perioden x 3 deelmarkten x ongeveer 75 enquêtes). In elke enquête is onder meer vastgelegd: het tussenpersoon relatienummer (TP-nummer); het antwoord op de aanbevelingsvraag: Kunt u de mate van aanbevelen van DatZo aan uw vrienden of collega s aangeven op een schaal van 0 tot en met 10 : 0 = zeer onwaarschijnlijk 10= zeer waarschijnlijk; het aantal medewerkers bij de tussenpersoon dat meer dan 15 uur per week werkzaam is binnen het bedrijf. Aan de hand van de TP-nummers zijn de productie-, royement- en portefeuilleaantallen uit het datawarehouse van DatZo gehaald. Productie -/- royement = netto productie. Als meeteenheid is het aantal producten per maand gekozen. Bijbehorende premiebedragen zijn in dit onderzoek niet relevant. Verkoopcijfers kunnen opgesplitst worden in Object Particuliere, Object Zakelijke en Inkomens producten. Echter, omdat niet bekend is hoeveel medewerkers van de tussenpersoon voor de verschillende deelmarkten werken (en veel medewerkers bovendien voor meerdere deelmarkten zullen werken), wordt vooral naar de totale verkoop en portefeuille van de tussenpersoon gekeken. Om maand-/seizoensinvloeden zo weinig mogelijk impact te laten hebben op de cijfers, is gekozen om rondom de datum van elke DatZo-NPS meting de twee voorafgaande maanden te nemen en de twee volgende maanden: 06/2009: april 2009 t/m augustus /2009: oktober 2009 t/m februari /2010: april 2010 t/m augustus Per tussenpersoon is tevens de portefeuillestand in aantallen eind 2008, eind 2009 en oktober 2010 (laatste stand ten tijde van het onderzoek) opgehaald. De verkoopcijfers zijn genormaliseerd door deze te delen door het aantal medewerkers werkzaam bij de tussenpersoon. Op deze manier worden de cijfers tussen de kantoren vergelijkbaar.

16 B Klanttevredenheid en financiële prestaties Om de verkregen data te kunnen gebruiken, zijn enkele aannames gemaakt: Het opgegeven aantal medewerkers (meer dan 15 uur per week werkzaam) betreft enkel de medewerkers die werkzaam zijn voor de schadeverzekeringen. Sommige tussenpersonen verkopen ook levensverzekeringen en (aanvullende) pensioenverzekeringen. Er is geen additionele informatie beschikbaar om te controleren of de opgave correct is. De mening van de medewerker die de enquête invult is representatief voor de algemene mening binnen het kantoor van de tussenpersoon. Op de enquêteresultaten zijn de volgende bewerkingen gedaan: Onvolledige enquêtes zijn buiten beschouwing gelaten. Voorbeelden hiervan zijn tussenpersonen die de aanbevelingsvraag met weet niet hebben beantwoord, aangeven dat binnen hun kantoor 9999 personen werkzaam zijn, of een nul geven omdat ze uit principe geen aanbevelingen zeggen te doen. Aan de hand van een regelkaart (control chart) zijn de outliers in de verkoopcijfer (productie, royement, netto productie of portefeuillestand) geïdentificeerd. Deze outliers vertegenwoordigen ongebruikelijke waarden en zijn daarom zonder verder onderzoek verwijderd. 4.3 Analyse DatZo-NPSenquêtedata De uiteindelijke dataset levert de volgende inzichten. Alle geschoonde enquêteresultaten bij elkaar opgeteld geeft een gemiddeld aanbevelingcijfers van 7,071. Als de enquêteresultaten worden opgeknipt naar deelmarkt, wordt duidelijk dat het gemiddelde voor de deelmarkt Particulier (7,710) duidelijk hoger is dan de gemiddelden voor Object Zakelijk (6,615) en Inkomen (6,849). Opgeknipt naar periode resulteert een minder uitgesproken verschil in de gemiddelden: 7,010 in juni 2009, 7,115 in december 2009 en 7,087 in juni De berekening van de DatZo-NPS aan de hand van de geschoonde enquêteresultaten leidt tot de volgende scores. DatZo- NPS Inkomen Object Particulier Object Zakelijk 06/ ,5-33,3 = 3 62,1-18,2 = 44 28,8-27,3 = 2 12/ ,3-22,0 = 15 71,4-11,4 = 60 23,8-42,9 = / ,5-28,1 = 9 73,2-11,3 = 62 36,6-29,6 = 7

17 Klanttevredenheid en financiële prestaties B Histogram of Aanbeveling Mean 7,071 StDev 1,678 N Freq quency Aanbeveling Figuur 4. Histogram van DatZo-NPS-enquêteresultaten Histogram of Aanbeveling Inkomen PART ZK Inkomen Mean 6,849 StDev 1,637 N 186 Frequenc cy PART Mean 7,710 StDev 1,540 N 207 ZK Mean 6,615 StDev 1,658 N Aanbeveling Panel variable: Keten Figuur 5. DatZo-NPS per deelmarkt en per periode De algemene conclusie is dat de DatZo-NPS-score verbeterd is in de afgelopen anderhalf jaar en dat de deelmarkt Object Par-

18 B Klanttevredenheid en financiële prestaties ticulier veel hoger scoort dan de andere twee deelmarkten, Object Zakelijk en Inkomen. 4.4 Onderzoek 1. DatZo-NPSeffect op korte termijn Onderzoek naar klantbehoud In het eerste onderzoek is gekeken naar het verband tussen de DatZo-NPS-score van tussenpersonen en het effect op de omzet op korte termijn: productie, royement en netto productie in de vijf maanden rondom het moment dat de enquête werd afgenomen. Op basis van de theorie behandeld in paragraaf 2 is de verwachting dat promotors (tussenpersonen met een DatZo-NPS van 8, 9 of 10) een hoger klantbehoud laten zien. Klantbehoud kan worden gemeten aan de hand van het aantal geroyeerde (opgezegde) verzekeringen als percentage van het totaal aantal verzekeringen in de portefeuille van een tussenpersoon. Naar verwachting laten promotors een lager (relatief) royement zien. Dit leidt tot de volgende hypothese: H 0 = gemiddelde relatieve royement verschilt niet per DatZo-NPS groep H 1 = gemiddelde relatieve royement verschilt wel per DatZo- NPS groep Uitkomst ANOVA: P = 0,263: H 0 wordt niet verworpen, ofwel het relatieve royement verschilt niet significant per DatZo-NPS-groep. Van de drie DatZo-NPS-groepen hebben de promotors wel het laagste gemiddelde relatieve royement (2,788%). R-Sq = 0,47%: de variabele NPS-groep heeft nauwelijks een voorspellende waarde met betrekking tot de royementcijfers Onderzoek naar cross-sell en aanbeveling Op basis van de theorie behandeld in paragraaf 2 is de verwachting dat promotors (tussenpersonen met een DatZo-NPS van 8, 9 of 10) een hogere verkoop laten zien; enerzijds door cross-sell op bestaande klanten en anderzijds door aanbeveling bij nieuwe klanten (aanbevelingseffect). De cross-sell en het aanbevelingseffect kunnen samen gemeten worden aan de hand van de (bruto) productie per medewerker (= genormaliseerde productie). Dit leidt tot de volgende hypothese: H 0 = gemiddelde genormaliseerde productie verschilt niet per DatZo-NPS groep H 1 = gemiddelde genormaliseerde productie verschilt wel per DatZo-NPS groep Uitkomst ANOVA: P = 0,000: de productie verschilt significant per DatZo- NPS-groep. Promotors verkopen in vijf maanden tijd bijna vier keer zoveel nieuwe producten per medewerker als criticasters (8,410 respectievelijk 2,458).

19 Klanttevredenheid en financiële prestaties B R-sq = 11,35%: de variabele DatZo-NPS-groep heeft een beperkte voorspellende waarde voor de productie, maar deze is wel hoger dan de voorspellende waarde voor royement Onderzoek naar netto effect In de voorgaande paragrafen zagen we dat promotors geen significant lager royement laten zien maar wel een significant hogere productie. Daarom is het interessant om naar het netto effect, de netto productie (productie -/- royement) per DatZo- NPS-groep te kijken. De netto productie geeft aan of een portefeuille van een tussenpersoon groeit of krimpt. Dit leidt tot de volgende hypothese: H 0 = gemiddelde genormaliseerde netto productie verschilt niet per DatZo-NPS-groep H 1 = gemiddelde genormaliseerde netto productie verschilt wel per DatZo-NPS-groep Uitkomst ANOVA: P = 0,000: ook de netto productie verschilt per DatZo-NPSgroep. Voor promotors is de gemiddelde netto productie per medewerker (2,610) significant hoger dan de gemiddelde netto productie per medewerker van criticasters (0,252). R-sq = 3,91%: de variabele DatZo-NPS-groep heeft een beperkte voorspellende waarde met betrekking tot de netto productie. 4.5 Onderzoek 2. NPS-effect op lange termijn Absolute omvang portefeuille In het tweede onderzoek is gekeken naar het verband tussen de DatZo-NPS-score van tussenpersonen en het effect op de omzet op lange termijn: de omvang van de portefeuille en de verandering van de portefeuille in de afgelopen twee jaar. In de vorige paragraaf is gebleken dat promotors een significant hogere (netto) productie hebben. Vraag is of promotors dan ook een significant grotere portefeuille hebben. Daarom is gekeken naar het verband tussen de DatZo-NPS en de (genormaliseerde) portefeuille in aantallen. Omdat de portefeuillestanden per jaareinde zijn, zijn de gegevens van december 2009 genomen. Dit leidt tot de volgende hypothese: H 0 = gemiddelde genormaliseerde portefeuille verschilt niet per DatZo-NPS-groep H 1 = gemiddelde genormaliseerde portefeuille verschilt wel per DatZo-NPS-groep Uitkomst ANOVA: P = 0,001: het verschil per DatZo-NPS-groep is significant. Voor promotors is de gemiddelde genormaliseerde totaalportefeuille per medewerker (210,1) significant hoger dan de

20 B Klanttevredenheid en financiële prestaties gemiddelde genormaliseerde totaalportefeuille per medewerker van criticasters (94,0). R-Sq = 8,11%: de variabele DatZo-NPS-groep heeft een beperkte voorspellende waarde met betrekking tot de portefeuilleomvang Verandering omvang portefeuille Tot slot is gekeken of de portefeuille van promotors significant is gegroeid over de afgelopen twee jaar: de periode 1 januari 2009 (= 31 december 2008) en 30 oktober Dit leidt tot de volgende hypothese: H 0 = gemiddelde genormaliseerde delta portefeuille verschilt niet per DatZo-NPS-groep H 1 = gemiddelde genormaliseerde delta portefeuille verschilt wel per DatZo-NPS-groep Uitkomst ANOVA: P = 0,000: het verschil per DatZo-NPS-groep is significant. Promotors laten een significante toename van de portefeuille zien (12,28 producten per medewerker) in de periode van bijna twee jaar. De DatZo-NPS-groepen neutraal en criticaster laten een (lichte) daling zien. R-Sq = 6,74%: de variabele DatZo-NPS-groep heeft een beperkte voorspellende waarde met betrekking tot de groei van de portefeuille in bijna twee jaar tijd. 5 Samenvatting en conclusies Dit artikel beschrijft de relatie tussen klanttevredenheid en financiële performance en tevens de uitkomsten van een empirisch onderzoek naar deze relatie bij een Nederlandse schadeverzekeraar. Volgens Reichheld (2003) is de Net Promotor Score (NPS) een uiterst effectieve klanttevredenheids-kpi om de omzet- en winstgroei van een bedrijf te voorspellen. Klanttevredenheid heeft een positief effect op klantbehoud en daarmee op de customer lifetime value (CLV) en customer equity (CE) van een onderneming. In de verzekeringsindustrie heeft naast klantbehoud ook cross-selling een belangrijk effect op de CLV. DatZo stuurt sinds begin 2009 actief op een vergelijkbare KPI, de DatZo-NPS. Op basis van de DatZo-NPS-metingen uit juni 2009, december 2009 en juni 2010 zijn de tussenpersonen van DatZo te groeperen in promotors, neutralen en criticasters. Aan de hand van verkoopcijfers en portefeuillestanden is gekeken of het gedrag van de verschillende groepen tussenpersonen significant verschilt.

21 Klanttevredenheid en financiële prestaties B Uit het empirisch onderzoek volgt dat: 1. het relatieve royement (ten opzichte van de portefeuilleomvang) niet significant verschilt per DatZo-NPS-groep. Zowel promotors als criticaster royeren procentueel ongeveer evenveel verzekeringen. Criticasters lopen dus niet echt weg; 2. de productie (= nieuwe verkoop) per medewerker wel significant verschilt per DatZo-NPS-groep. Promotors brengen ongeveer vier keer zoveel nieuwe verzekeringen onder bij DatZo dan criticasters; 3. de netto productie (productie -/- royement), ofwel de absolute aangroei van een portefeuille, bij promotors significant hoger is dan bij criticasters; 4. promotors een significant grotere portefeuille hebben. Dit is waarschijnlijk het gevolg van bovenstaande punten; 5. ook over een periode van bijna twee jaar de portefeuille van promotors significant harder groeit dan van criticasters. Bij alle analyses valt op dat de R-Square erg laag is. Dit is het gevolg van de grote standaarddeviatie van de outputvariabele. De lage R-Square betekent dat de DatZo-NPS geen goede voorspeller voor de productie- en portefeuilleontwikkelingen bij een tussenpersoon is. Er zijn andere/meerdere variabelen nodig om de output (productie, royement of portefeuille) van een tussenpersoon goed te kunnen voorspellen. Dit is in lijn met Reichheld s conclusie dat de NPS vooral gebruikt moet worden om de groei van een onderneming als geheel te voorspellen; als voorspeller van individueel consumentengedrag is de NPS minder geschikt. Voor DatZo is met dit onderzoek statistisch bewezen dat het strategische initiatief om meer promotors te creëren het gewenste resultaat oplevert: groei van de portefeuille. Verrassend is dat de groei vooral komt uit nieuwe verkoop (productie) en niet zoals vaak wordt aangenomen uit een laag royement bij promotors en hoog royement bij criticasters. Bovenstaand onderzoek is een eerste stap om de financiële impact van de DatZo-NPS-score inzichtelijk te krijgen. Op basis van de verkregen uitkomsten zijn nog veel vervolgonderzoeken te verrichten, zoals: Hoe verhouden de kosten en de winst zich tussen promotors en criticasters? Zijn de inspanningen vanuit DatZo voor de tussenpersonen gelijk geweest? Verschillen de onderzoeksresultaten wanneer niet de DatZo-NPS-indeling maar de NPS (waarbij het cijfer 8 tot de groep neutralen wordt gerekend) indeling als verklarende variabele wordt gebruikt? Of is een heel andere indeling nog beter? De voorspellende waarde van de DatZo-NPS-score blijkt

22 B Klanttevredenheid en financiële prestaties zeer beperkt; welke factoren zijn mogelijk belangrijker om de omzet- en winstgroei te kunnen voorspellen? 6 Literatuur Brealey, R.A., S.C. Myers and F. Allen, Principles of Corporate Finance, 10 th edition, McGraw-Hill, New York, Donkers, Verhoef en de Jong, Modeling CLV: A test of competing models in the insurance industry, Quant. Market Econ., Gupta en Zeithaml, Customer Metrics and Their Impact on Financial Performance, Marketing Science, Gupta, Hanssens, Hardie, Kahn, Kumar, Lin en Ravishanker, Modeling Customer Lifetime Value, Journal of Service Research, Fornell, The Quality of Economic Output: Empirical Generalizations about its Distribution and Relationship to Market Share, Marketing Science, Malthouse en Blattberg, Evaluation the Predictive Accuracy of Customer Long-Term Values Models for Customer Relationship Management Strategies, Working Paper, North Western University Chicago, Petersen, McAlister, Reibstein, Winer, Kumar en Atkinson, Choosing the Right Metrics to Maximize Profitability and Shareholder Value, Journal of Retailing, Reichheld, The One Number You Need To Grow, Harvard Business Review, Reichheld, Markey en Hopton, The loyalty effect the relationship between loyalty and profits, European Business Journal, Rust, Lemon en Zeithaml, Return on Marketing: Using Customer Equity to Focus Marketing Strategy, Journal of Marketing, Srivastava en Reibstein, Metrics for Linking Marketing to Financial Performance, Marketing Science Institute (MSI), Verhoef, Customer Lifetime Value: een overzicht van de literatuur, Tijdschrift voor Economie en Management, vol XLIX, Verhoef en Donkers Decision Support Systems, Predicting customer potential value: an application in the insurance industry, 2001.

23 Klanttevredenheid en financiële prestaties B Bijlage 1. Stappenplan statistische analyse Voor de statistische analyse van de data zijn de volgende stappen doorlopen: 1. In Microsoft Excel een dataset samengesteld met daarin de volgende informatie per record/meting: Deelmarkt: Particulier, Zakelijke, Inkomen (of gesommeerd tot Totaal) Periode: 2009_06, 2009_12 of 2010_06 Tussenpersoonnummer Aantal medewerkers Aanbeveling: tussen 0 en 10 NPS: Promotor, Passive, Distractor DatZo-NPS: Promotor, Neutraal, Criticaster Genormaliseerde Productie Totaal in betreffende periode Genormaliseerde Royement Totaal in betreffende periode Genormaliseerde Netto Productie Totaal in betreffende periode Portefeuille Totaal ultimo 2008 Portefeuille Totaal ultimo 2009 Portefeuille Totaal oktober In Minitab 15 een Control Chart gemaakt op de outputvariabele (bijvoorbeeld op Genormaliseerde netto productie) om de outliers te verwijderen: Minitab: Stat > Control Charts > Variables Charts for Individuals > Individuals Upper Control Limit (UCL) op 3σ van het gemiddelde en de Lower Control Limit (LCL) op -3σ van het gemiddelde, of op nul indien de outputvariabele niet kleiner dan nul kan zijn Outliers buiten de Control Limits zijn uit de dataset verwijderd 3. Elementaire statistische gegevens van de geschoonde dataset berekenen: Minitab: Stat > Basic Statistics > Display Descriptive Statistics Inclusief Histrogram 4. Bepalen of de gemiddelde outputwaarde per DatZo-NPSgroep significant verschillen van de andere DatZo-NPSgroepen: Minitab: Stat > ANOVA > One-way analysis of variances H 0 = gemiddelde outputvariabele verschilt niet per DatZo-NPS-groep H 1 = gemiddelde outputvariabele verschilt wel per DatZo-NPS-groep Toetsing bij een betrouwbaarheid van 95%

24 B Klanttevredenheid en financiële prestaties P-waarde kleiner dan 0,05 houdt in dat H 0 onwaarschijnlijk is R-Square (R-Sq) geeft aan hoe groot de invloed is van de onderzochte invloedsfactor (in casu de DatZo-NPS groep) is op de outputvariabele. Hoe hoger hoe beter.