Het verhaal waarin we verschillende databronnen aan elkaar koppelden om zo nieuwe inzichten te vergaren in de wondere wereld van stroomstoringen

Transcriptie

1 Guiding you to digital maturity Het verhaal waarin we verschillende databronnen aan elkaar koppelden om zo nieuwe inzichten te vergaren in de wondere wereld van stroomstoringen Arend Zwanenveld Dirk Franssens Jules Stuifbergen Maurice Beerthuyzen Online Dialogue

2 Wie is Liander?

3 Online Dialogue verbetert bij Liander de online klantdialogen Onderzoeken en monitoren van uitingen op sociale media Trainen en adviseren webcareteams Adviseren op continue verbetering van klantdialogen En ook bij de ongestructureerde sociale dialoog doen we dat zoveel mogelijk met behulp van data

4 De social promoter score Positief: Positief: Positief: Positief: 1-20 Neutraal: Negatief: Negatief: Negatief: Negatief: Uitmuntend Zeer Goed Goed Ruim voldoende Voldoende Onvoldoende Ruim onvoldoende Slecht Zeer slecht Iedere social media uiting krijgt waardering mee: positief-neutraal of negatief. Hoe scoort Liander hierop als je positieve opmerkingen aftrekt van negatieve opmerkingen?

5 Het probleem van de netwerken Bedrijf SPS Aantal berichten NS -7 (16%-23%) Vodafone -16 (13%-29%) T-Mobile -9 (12%-21%) Ziggo -3 (14%-17%) UPC -16 (13%-29%) Telfort -8 (15%-23%) Xs4all -12 (11%-23%)

6 Liander 2012: Organisatie webcare is zichtbaar MAAND: POSITIEF NEGATIEF VOLUME GEBEURTENIS JANUARI 16% 47% 384 FEBRUARI 7% 74% 953 EXTREME KOUDE? MAART 7% 49% 681 APRIL 9% 71% 758 MEI 4% 75% 770 JUNI 11% 51% 638 K&S SLUIT AAN MET DRIE MEDEWERKERS? JULI 8% 51% 653 AUGUSTUS 12% 58% 457 SEPTEMBER 11% 58% 517 OKTOBER 9% 43% 589 TSC SLUIT AAN MET VIER MEDEWERKERS? NOVEMBER 17% 37% 571 DECEMBER 12% 52% 767 Verklaring tabel: Een overzicht van de positief en negatief sentiment van Liander. In juni sluit K&S aan. Dit zorgt ervoor dat het negatieve sentiment structureel onder de 60% duikt. TSC sluit aan in 6 oktober. Op dat moment duikt het negatieve sentiment onder de 40%.

7 Stroomstoringen: volume en sentiment

8 Maar wat als het kouder wordt? Heeft de kou invloed op het gedrag van mensen?

9 Liander kent het fenomeen

10 Men herkent het, maar

11 Onze hypothesen Hoe kouder het is, hoe meer stroomstoringen er voor komen Hoe kouder het is hoe groter het volume op twitter Hoe kouder het is hoe negatiever het sentiment

12 Situatie op stroomstoringen op Twitter Zien we de Liander-trend terug bij stroomstoringen algemeen? 637??

13 Alle tweets van 2010:?

14 Opeens zijn we op 4 juni 2010 massaal gaan twitteren?

15 Oorzaak piek? Massamedia? Eerste piek in juni 2010 De oorzaak? Heb ik iets ontdekt?

16 Nou nee.. Data rondom stroomstoringen op Twitter nog te onvolwassen. Pas in 2012 echte volumes

17 Welke data hebben tot onze beschikking? Het aantal tweets waarin Liander in combinatie met het woord Stroomstoring is gebruikt Het sentiment van die tweets Het aantal ingekomen telefoontjes Het aantal middenspanningsstoringen Het aantal afgehandelde klachten De gemiddelde temperatuur van 2012

18 Probleem: Te algemene data Data van Liander ( telefoon, aantal storingen) op maandniveau Is er ook data op dagniveau beschikbaar? Wel beschikbaar, maar daar hebben we nu geen tijd voor Urosk Dreamstime Stock Photos & Stock Free Images

19 Aan de slag! Methode: het berekenen van de correlatie tussen de verschillende variabelen. Meer vragen? Vraag het aan Dr. Dirk

20 Onze bevindingen: Het aantal calls hangt positief samen met het aantal tweets, dus wanneer er meer calls zijn dan wordt er ook meer getweet Corr = 0,536 Het aantal calls hangt samen met het aantal storingen (maar verband is niet zo sterk) Corr = 0,371 Het aantal Corr storingen = 0,677 zorgt relatief voor meer tweets

21 Wat willen we weten: Het aantal storingen en het aantal telefoontjes hebben minder correlatie dan je zou verwachten. Vooral Buitenveldert, Die hangen meteen aan de lijn Kan ik me voorstellen! Het is echt een verschil of de storing in Amsterdam plaatsvindt of in Friesland Is locatie van de storing bepalend voor voor de Rumour around

22 Onze oorspronkelijke hypothesen -/- corr =-0,388 X corr = -0,007 -/- corr =-0,31 V corr =0,0789 V Corr = -0,734

23 Voorzichtige conclusies Er zijn niet meer storingen als het koud is Dalende temperatuur heeft minder invloed op het aantal tweets De dalende temperatuur zorgt niet voor een negatiever sentiment Als het kouder wordt, wordt er wel meer gebeld!

24 Wat willen we weten? Wel meer telefoontjes als het koud is? Hoe komt dat? Verschil in correlatie telefoon en tweets. Wordt er over andere onderwerpen getwitterd dan gebeld? Herkenbaar! We krijgen bij Koud weer ook veel telefoon over kapotte CV ketels

25 Actiepunten: Leren of verschillende regio s een stroomstoring anders ontvangen Begrijpen of er verschil is tussen bellers en tweeters ( kwalitatieve analyse) Data verder verdiepen. Naast temperatuur ook info over storingen, calls en tweets op het uur van de dag, type storing, duur storing etc

26 Leerpunten Bereid je organisatie voor op je project Heb je niet meteen alle data? Begin dan gewoon met wat je hebt, wie weet wat je ontdekt Blijf kritisch, check drie maal je data en blijf de uitkomsten bediscussieren Bediscussieer je ontdekkingen met je collega s, zij roepen in een opwelling vaak hele nuttige dingen We staan slechts aan het begin: meer data roept meer vragen op Wordt vervolgd!

27 Maurice Beerthuyzen Tel: