Skip to ContentSkip to Navigation
Maatschappij/bedrijvenIndustry Relations

Big data: wat bepaalt klanttevredenheid?

Inhoud onderzoek

Bedrijven, onderwijsinstellingen en andere organisaties willen graag tevreden klanten. Maar welke factoren beïnvloeden deze klanttevredenheid? Onderzoekers van de Faculteit Economie en Bedrijfskunde aan de RUG hebben dit onderzocht samen met het adviesbureau MICompany en de Nederlandse Spoorwegen (NS). Centraal hierbij stond de klanttevredenheid van NS-reizigers. De onderzoekers analyseerden cijfers over vertragingen en uitval, vragenlijsten van reizigers en andere data, en verbonden deze met elkaar. Hieruit kwamen factoren die de NS handvatten geeft om de klanttevredenheid te verhogen. Ook ontwikkelden de onderzoekers op basis van de opgedane kennis algemene, voorspellende modellen voor klanttevredenheid.

Algemene modellen kunnen klanttevredenheid voorspellen
Algemene modellen kunnen klanttevredenheid voorspellen

In de praktijk

Een van de factoren die de klanttevredenheid van treinreizigers beïnvloedt, zo bleek uit het onderzoek, is de beschikbaarheid van een zitplaats. Het aantal zitplaatsen in een trein is vaak wel voldoende maar de reizigers zijn dan niet goed over de trein verspreid. De NS is daarom experimenten gaan doen om de bezetting van elke treincoupé te meten en deze informatie te tonen in de mobiele applicatie NS Reisplanner.

Gezamenlijke kansen

De vakgroep Marketing van de Faculteit Economie en Bedrijfskunde en het bedrijfsleven doen samen onderzoek naar klantinzichten en klantinteracties via het Customer Insights Center (RUGCIC). Denk daarbij aan de loyaliteit van klanten, de online beleving in webshops en de redenen van retour bij online aankopen. Voordelen van de samenwerking via het RUGCIC is onder meer dat onderzoekers contact houden met de praktijk en dat bedrijven toegang hebben tot seminars, workshops en ronde-tafelbijeenkomsten.

Hoogleraar Peter Verhoef, Faculteit Economie en Bedrijfskunde aan de RUG: ‘Gevonden verbanden ook toetsen aan praktijk’

‘Door de ingewikkelde brei aan gegevens is big data niet altijd eenvoudig om mee te werken. Soms komen de gegevens samen vanuit verschillende bronnen of er mist informatie. Ook kan het lastig zijn om gevonden verbanden in de data aan te wijzen in de praktijk. Als het nodig is passen we bijvoorbeeld nog andere onderzoeksmethodes toe om zeker te weten dat de gevonden relaties in het echt ook bestaan. Bij de NS hebben we bijvoorbeeld nog extra vragenlijsten en feedback van medewerkers van het spoorbedrijf meegenomen in het onderzoek.’

In het kort
Projectpartners: Rijksuniversiteit Groningen, Nederlandse Spoorwegen en MICompany
Wetenschappelijk projectleider: prof. dr. Peter Verhoef (RUG/Faculteit Economie en Bedrijfskunde)
Bijzonderheden: het onderzoeksproject was in 2016 een van de vijf genomineerden voor de Gary Lillien ISMS MSI practice prize, een prestigieuze marketingprijs

Laatst gewijzigd:28 maart 2018 12:16