Klantcontactspecialist WEngage en UGent werkten drie maanden intensief samen aan een uitgebreide data-analyse. De daaruit afgeleide modellen voorspellen nu de volumes van oproepen, e-mails en andere klantinteracties en zorgen zo voor een betere bereikbaarheid van klantendiensten.
WEngage verzorgt het klantcontact van ruim 380 organisaties en wenste zijn dienstverlening nog beter af te stemmen op piek- en dalperiodes. ‘We gebruikten al langer een model dat rekening hield met seizoenen en feestdagen’, zegt Brecht Audenaert, Data Engineer bij WEngage. ‘Maar dat econometrisch model toonde eerder voorbije trends toegepast op de meest recente volumes dan dat het voorspelde en het model was arbeidsintensief om te onderhouden.’
Het bedrijf nam contact op met Dirk Van den Poel, professor Data Analytics en Big Data aan UGent en programmadirecteur van de master-na-masteropleiding Data Science for Business. ‘WEngage bleek met de vraag rond een datamodel een prima kandidaat voor een praktijkoefening als deel van een masterproef’, vertelt Dirk Van den Poel.
Combinatie van modellen
Twee masterstudenten van de UGent, Schuyler Helder en Evelien Van Overberghe, gebruikten vijf machine learning modellen en twee hybride modellen. Dat resulteerde in de ideale combinatie. ‘Elk model heeft zijn eigen sterktes in specifieke situaties’, legt Dirk Van den Poel uit.
‘Het mooie aan dit project is dat er effectief iets waardevols gebeurt met het dataonderzoek van onze studenten’
‘De klanten van WEngage werken in diverse sectoren, met elk eigen trends en patronen. Eén voorspellingsmodel maken voor alle situaties is dus erg lastig. Daarom ontwikkelden we hybride modellen. Deze werken met historische simulaties van de individuele modellen. Zo kan voor elk specifiek project de nauwkeurigheid van de verschillende modellen berekend worden. Daarna worden de historisch best presterende modellen voor die specifieke situatie gecombineerd. Dat blijkt een flexibele en krachtige aanpak om voorspellingen te doen’, vult Brecht Audenaert aan.
Dankzij machine learning kan op langere termijn voorspeld worden. Van den Poel: ‘WEngage weet zo maanden op voorhand wanneer er in welke afdeling van een specifieke partner een grotere vraag naar klantondersteuning verwacht wordt en kan zo de nodige voorzorgen nemen.’
Kant-en-klare applicatie
Parallel met het programmeerwerk van de twee studenten ontwikkelde Brecht Audenaert een applicatie die de oproep- en e-mailvolumes bij opdrachtgevers van WEngage visualiseert en voorspelt. ‘Dat kan bijvoorbeeld voor een klantendienst, maar ook voor een combinatie van meerdere departementen’, legt hij uit.
‘Dat leidt tot kortere wachttijden aan de telefoon, een betere beleving voor de eindklant en een betere inzetbaarheid van de beschikbare capaciteit’, zegt Brecht Audenaert.
‘Het mooie aan dit project? Dankzij de nauwe samenwerking met WEngage gebeurt er effectief iets waardevols met het dataonderzoek van onze studenten’, stelt Dirk Van den Poel. ‘Met de kant-en-klare applicatie die Brecht Audenaert gelijktijdig ontwikkelde, kan WEngage bovendien meteen aan de slag. Erg waardevol want dat zorgt voor continuïteit. Het project resulteerde, mede via de kennisoverdracht van de studenten, in een bruikbare tool die echt impact heeft op bedrijfsprocessen.’