“Lies, damned lies, and statistics”

Het vierde artikel uit de reeks van negen korte artikelen over klanttevredenheids-onderzoeken. In deze serie, die speciaal wordt geschreven voor de Servicemanager, en op de websites van NVSM, AFSMI en Comparable te lezen is, bekijk ik dit wijdverbreide fenomeen van verschillende kanten. Vrijwel alle bedrijven zetten immers stelselmatig klanttevredenheidsonderzoeken in, zo vaak, zo direct, soms zo opdringerig, dat de vele vragen ons zelfs gaan irriteren!  Dus misschien eens wat meer specifieke aandacht voor het onderwerp? Voor de zin en de onzin? Voor het waarom en het hoe? Vandaar!

We spreken gemakkelijk over “de klant”. En we nemen zonder aarzeling namens hem of haar het woord. We overschatten daarbij vaak onze eigen beperkte kennis en menen ten onrechte recht van spreken te hebben. We baseren ons dan, behalve op onze intuïtie, met regelmaat op zoiets als “het gemiddelde” als de maat der dingen. De gemiddelde omzet per maand, de gemiddelde reparatiefrequentie, de gemiddelde wachttijd, de gemiddelde klanttevredenheid. Het gemiddelde is immers een gemakkelijk getal. Je telt alle waardes van je waarnemingen op en deelt ze door het aantal en dan kun je iets zeggen over de populatie. En dat is natuurlijk ook zo.

Masai, Miele en Modaal inkomen

Toch: het gemiddelde is vooral veelzeggend als de waarnemingen min of meer gelijk verdeeld zijn rondom dat gemiddelde. Er moeten voldoende scores zijn. En ze mogen niet te ver van het gemiddelde af liggen. In het Engels heet dat een Bell curve, vanwege de symmetrische vorm. Veel zaken tonen zich in zo’n gelijke verdeling. Maar niet alle. Als je de lengte van de Masai in een grafiek zou plotten, zou je waarschijnlijk een mooie klokvorm zien. Maar klanttevredenheid toont zich nogal eens grilliger. Net als inkomensverdeling of Miele-apparatuur in huishoudens. De curve die u dan ziet is heel lang aan de linkerkant en heel kort rechts. Enkele gezinnen hebben alles van Miele, de meeste hebben slechts één wasmachine of één stofzuiger. De verdeling is dus scheef. Bij inkomens toont de grafiek slechts enkele waarnemingen rechts van het gemiddelde. Maar verreweg de meeste inkomens staan allemaal links. Ter aanvulling staan er dan, om ons te helpen de data samen te vatten, enkele alternatieve maten voor ons ter beschikking, zoals de modus (bij inkomens: het modale) en de mediaan. De eerste is de meest voorkomende waarde, de laatste de middelste, als je alle waarnemingen op een rij zet.

Segmentering

Als uw gemiddelde klanttevredenheid een zeven en een half is, kunt u soms tevreden zijn. En soms niet. Als alle waarnemingen zich tussen de zeven en de acht bevinden, dan hoeft u niet ongerust te zijn. U moet wel aan de slag en u kunt gestaag uw best gaan doen voor aan een beter cijfer. Maar als u honderd respondenten heeft met een vijf en honderd met een tien, dan is uw situatie complexer. Kennelijk bedient u een deel van uw klanten perfect, en een deel ook niet. Segmentering is daar noodzakelijk. U zult beide groepen respondenten afzonderlijk moeten zien te gaan begrijpen. Het gemiddelde verhult hier de waarheid méér dan dat hij hem verduidelijkt.

De Top 2000

Segmenteren, een geografisch voorbeeld. Nederland is een klein land, maar toont, anders dan u misschien verwacht, soms grote geografische verschillen. Niet in  de Top 2000, het eindejaarsfeest op Radio 2. Daar scoren de regio’s grotendeels gelijk. In Drenthe, het zal u niet verbazen, staat Daniel Lohues erin. In Friesland is het Friestalige nummer in de Top 2000 "In Neije Dei" van De Kast, op nummer 615. Maar meestal komen de provinciale hitlijsten behoorlijk met de landelijke overeen. Toch hebben veel bedrijven de ervaring, dat de noordoostelijke provincies qua klanttevredenheid nadrukkelijk anders scoren dan de Randstad. Lager, dus. Eén wel gehoorde verklaring is dat inwoners van deze provincies alleen antwoord geven op surveys als ze ontevreden zijn. Anders niet. In tegenstelling tot wat wordt vermoed – de mensen in de grote steden heten veel mondiger – scoort de Randstad juist vaak aan de positieve kant, in elk geval op services. Het heeft dus zeker zin om bij klantonderzoeken op regio te segmenteren.

Pareto’s Law

Nog belangrijker bij klantonderzoek is het om te segmenteren naar soorten klanten. Wat dacht u van deze. Als Pareto’s wet nog geldt, en dat doet hij, dan verdient u uw geld aan 20 procent van uw klanten. De meeste andere zijn verliesgevend, of vallen in het gunstigste geval onder de noemer break even. Als dat waar is dan zit er een ellendige structurele meetfout in uw klantonderzoek. De klanten  waar u namelijk niets aan overhoudt zijn oververtegenwoordigd in uw onderzoek. Dat betekent dat de mening van uw profijtelijke afnemers onzichtbaar wordt en verdwijnt in het totaal. U gaat uw onderneming vervolgens modelleren naar de wens van klanten waarbij u géén winst maakt. Op de lange duur desastreus, lijkt me. In dit geval werd u, door uw eigen onderzoek, op het verkeerde been gezet. Toch loog er niemand tegen u. Behalve uw statistics.

René Degen

U kunt deze artikelenreeks ook automatisch via email ontvangen. Stuur uw verzoek naar rene.degen@comparable.eu