Het Nederlandse Snakeware heeft op basis van AI een review scanner ontwikkeld die klantreacties leest en classificeert. De scanner kan in een fractie van een seconde grote hoeveelheden klantreacties lezen, beoordelen en doorgeven aan de klantenservice. Het opstellen van de reactie blijft mensenwerk, maar het voorwerk is dan al gedaan door de techniek. Via AI ‘leert’ de review scanner, op basis van vooraf ingevoerde gegevens, om bepaalde negatieve topics te herkennen.
De echte waarde van klantreviews zit niet in de cijfermatige beoordeling of in de aangevinkte emoji’s, maar in geschreven tekst. Daarmee kan een klant, die de moeite neemt om zijn of haar mening te delen, bij uitstek duidelijk maken wat er aan de hand is. Maar dan moet er binnen het bedrijf wel tijd en personeel beschikbaar zijn om alle reacties te verwerken. De gemiddelde leessnelheid van de mens ligt rond de 240 woorden per minuut. Bij piekdrukte lopen bedrijven het risico dat klachten te lang blijven liggen of helemaal niet worden opgemerkt, wat kan leiden tot merkschade.
Staatsbosbeheer
Staatsbosbeheer is een van de eerste organisaties die werkt met de review scanner van Snakeware. Giel Mollema, productmanager kamperen Staatsbosbeheer: “Een van onze activiteiten is vakantiewoningen verhuren en kampeerplaatsen aanbieden. Voorheen evalueerden de medewerkers van ons klantcontactcentrum steeds via het Content Management Systeem de binnengekomen reacties om te kijken waar we onze service konden verbeteren. Dan was vaak nog onduidelijk om welke vakantiewoning of om welk kampeerterrein het ging. Dat kostte enorm veel tijd. Nu ontvangen we van elke klacht direct een melding waarop we per omgaande kunnen anticiperen en een eventueel probleem oplossen, bij wijze van spreken voordat de klant het kampeerterrein of de vakantiewoning heeft verlaten. Dat heeft een enorm positieve impact op de ervaringen met Buitenleven Vakanties en Staatsbosbeheer Kampeerterreinen.”
Model-as-a-Service
De review scanner werkt op basis van Model-as-a-Service: een datamodel dat speciaal voor de klant is ontwikkeld, dat vervolgens gemonitord en onderhouden kan worden. Het model wordt opgeleverd als een API en is daardoor direct klaar voor realtime gebruik. Het model wordt uitgerold volgens het OTAP-principe voor beheerste oplevering, en is schaalbaar, om ook grotere werkbelasting aan te kunnen. Ook zaken als tikfouten en sentiment in een bericht kunnen apart gelabeld en ondervangen worden.
