Zo gebruikt KPN Adobe Experience Platform en AMANDA bij klantdata

Zo gebruikt KPN Adobe Experience Platform en AMANDA bij klantdata

Het ophalen en analyseren van klantdata wordt steeds geavanceerder. Met behulp van een Adobe Experience Platform en slimme, voorspellende AI-modellen wil KPN haar klantervaringen verbeteren. De enorme hoeveelheid data waar KPN mee werkt maakt dit een uitdagende klus die vraagt om een innovatieve aanpak. 

Het analyseren van klantdata van KPN, is dagelijkse kost voor Stephan, Product Owner Campaigning en Anastasia, Data Scientist en Business Analyst, beide werkzaam bij KPN. Anastasia werkt momenteel aan verschillende projecten. Zo werkt ze met een zelfgebouwde tool, genaamd AMANDA om data beter te analyseren. Met deze tool brengt Anastasia de waarde van klanten in kaart. Met de input van Anastasia gaat Stephan vervolgens aan de slag om marketingcampagnes richting klanten efficiënter te stroomlijnen. De Data Office- en Analytics-teams werken in principe onafhankelijk van elkaar, maar in de praktijk is er wel degelijk veel samenwerking.

Stephan: ‘Traditiegetrouw is marketing erg push gedreven. De meest makkelijke manier voor marketeers is om al je klanten een e-mail of een brief te sturen als er bijvoorbeeld een nieuw internetabonnement beschikbaar is voor een aantrekkelijke prijs. Maar dat is toch een beetje alsof je met hagel aan het schieten bent en hoopt dat je wat raakt. Door de implementatie en het gebruik van doelgerichte en geautomatiseerde data bedien je klanten beter en sluit je meer aan bij hun wensen.’

‘Ondanks dat we los van elkaar werken, zie je dat developers inhoudelijk elkaar goed weten te vinden als het nodig is’, vervolgt Stephan. ‘Zo hebben de developers binnen mijn team recent samengewerkt met Analytics collega’s van Anastasia om een interface op te zetten tussen onze systemen. Daarnaast hebben we vaak overleg over hoe wij de datamodellen geïmplementeerd hebben die door Analytics gebruikt (gaan) worden. Wat betreft AMANDA, hier werk ik veel samen met de Product Owner van AMANDA, en stemmen we veel met elkaar af tijdens projectoverleggen.’ 
​​​​​​​

De impact en potentie van data 
Bij data denk je al snel aan privacy. Binnen de KPN Data Office worden negen data principes gehandhaafd, waarmee het bedrijf borgt dat data bijvoorbeeld compliant is. Stephan: ‘Maar ook tijdelijkheid en betrouwbaarheid van data vallen daaronder. Binnen KPN zorgt de Privacy Office ervoor dat de privacy van klanten gewaarborgd wordt. Als we een nieuw soort gebruik van data willen implementeren, toetsen we deze altijd bij de Privacy Office om te zorgen dat we zowel voldoen aan de AVG als aan de verwachtingen van de klant. Meestal zijn we daarmee zelfs nog wat strenger dan de AVG.’ 

Momenteel wordt het Adobe Experience Platform bij KPN geïmplementeerd. Het betreft een open systeem, geschikt voor het bouwen en beheren van oplossingen voor uiteenlopende klantervaringen. Hierdoor kan KPN haar klantgegevens en content uit elk systeem centraliseren en standaardiseren. Met behulp van data science en machine learning moeten gepersonaliseerde klantreizen uiteindelijk verbeterd worden.

Dat klinkt natuurlijk prachtig op papier, maar in de praktijk beschikt KPN over een enorme berg data en het benutten ervan heeft impact op een miljoenenpubliek. Het inrichten van de verschillende systemen bij KPN om het juiste aanbod bij de klant te krijgen is een uitdagende puzzel, stelt Anastasia. ‘Er zijn meerdere uitdagingen. De eerste uitdaging zit in de hoeveelheid data. Er is gewoon simpelweg veel data en soms kunnen we dat niet allemaal verwerken. Ten tweede kan een fout enorme gevolgen hebben, dus we moeten alles driedubbel controleren voordat wij daadwerkelijk iets doen en heel veel experimenten uitvoeren om er zeker van te zijn dat het goed gaat.’ 

Daarnaast is er ook nog zoiets als noisy data; betekenisloze, nietszeggende data. Hoe ga je daarmee om? ‘Sommige data zijn misschien niet zo belangrijk of niet zo relevant en het herkennen hiervan is een kwestie van ervaring. Door veel te overleggen met collega’s leren we deze steeds beter te herkennen maar ook slimme modellen kunnen ons hierbij helpen’, aldus Anastasia. 

Tegelijkertijd dient zich de vraag aan “Wat zou de impact zijn als KPN niet de moeite zou nemen om een gepast aanbod te doen aan haar klanten?”. Anastasia is daar eerlijk over: ‘De impact is op dit moment nog redelijk klein, want we zijn nog niet zo ver als we zouden willen met personalisaties. We kunnen veel meer doen, meer data benutten, meer bronnen ontsluiten en meer bronnen gebruiken. Dat heeft gigantische potentie. Als we die experimenten nu niet doen en we die lessen nu niet leren, dan staan we in de toekomst met lege handen. Dan krijgen klanten waarschijnlijk een ongepast en saai aanbod dat waarschijnlijk helemaal niet bij hen past. Data analytics is vooral erg nieuw, maar het leereffect is gigantisch groot. Als we verder bouwen op datgene wat we al geleerd hebben, dan kunnen wij in de toekomst veel meer gaan doen en daar worden onze klanten ook blij van.’ 
 
Stephan vult aan: ‘We proberen nu een aantal generieke opties te presenteren voor alle klanten. Dit doen we wel op basis van data, maar resulteert in vrij grove opties, terwijl we eigenlijk veel specifieker willen kunnen zijn. Dat is echter een enorme operatie om dit in alle systemen te realiseren, maar een operatie die we vol overtuiging ingezet hebben.’ 


Één customer data platform
​​​​​​​Het Adobe Experience Platform zou dus veel kunnen gaan veranderen in de toekomst. Het is gebouwd op RESTful API's en stelt het systeem open voor ontwikkelaars, zodat bedrijfsoplossingen eenvoudig kunnen worden geïntegreerd met behulp van bestaande tools. Ook kunnen partners eigen producten en technologieën bouwen en integreren als dat nodig is. Daarnaast maakt het gebruik van Adobe Sensei, kunstmatige intelligentie (AI) en machine learning (ML) technologie, om taken te automatiseren, klantervaringen te personaliseren en klantgegevens te voorspellen. 

Stephan illustreert de functionaliteiten van Adobe Experience met een aantal voorbeelden. ‘Als jij als klant net een nieuw digitaal tv-abonnement hebt afgenomen van KPN dan is het niet logisch dat je een paar uur daarna een banner te zien krijgt of een mail ontvangt waarin diezelfde dienst wordt aangeboden. Die klant zou die aanbieding dan logischerwijs niet meer hoeven zien. Een andere toepassing is bijvoorbeeld bij storingen. Als een klant een aantal zaken heeft opgezocht en online ingevuld dan zou je in een ideale wereld willen dat de helpdesk – mits de klant daar toestemming voor heeft gegeven uiteraard – deze gegevens ook al ter inzage heeft. Op die manier hoeft de klant bij een daadwerkelijk klantcontactmoment niet alsnog hetzelfde verhaal voor een tweede keer uiteen te zetten.’ 

Slimme, zelflerende modellen als multi-armed bandit
​​​​​​​
Aan het Adobe Experience Platform kunnen zogezegd eigen tools worden gekoppeld. Zo is Anastasia momenteel bezig met AMANDA; een geavanceerd model dat enerzijds kijkt naar de karakteristieken van de klant en anderzijds de context van bijvoorbeeld een aanbieding beoordeelt om zo de beste match tussen klant en propositie te krijgen. Met andere woorden, AMANDA kiest een campagne die het beste bij de klant past. Anastasia: ‘Het model heeft bepaalde waardes nodig en die worden weer bepaald door andere modellen. Alle modellen leren voortdurend en worden dus steeds beter in het voorspellen van klantgedrag, het lezen van klantcontext en het koppelen van de juiste campagnes daaraan. Zo wil je naar een situatie toe dat mensen die bijvoorbeeld net een nieuw huis hebben gekocht en gaan verhuizen een verhuizingkorting-banner te zien krijgen omdat dit aanbod bij hun wensen past. AMANDA beslist in deze hoe (via welke kanaal) en wat (welke content) we de klant laten zien op basis van klantcontext.’ Het model opereert als een multi-armed bandit agent.’  

In marketingtermen is een meerarmige bandietoplossing/ multi-armed bandit solution een 'slimmere' of complexere versie van A/B-testen dat gebruik maakt van algoritmen voor machine learning om dynamisch verkeer toe te wijzen aan variaties die goed presteren, terwijl minder verkeer wordt toegewezen aan variaties die minder goed presteren. In theorie zouden meerarmige bandieten snellere resultaten moeten opleveren omdat er niet hoeft te worden gewacht op één enkele winnende variant.

Een voorbeeld uit de praktijk is wanneer marketeers moeten beslissen welke aanbiedingen aan een bezoeker getoond moeten worden. Zonder informatie over de bezoeker zijn alle klik-uitkomsten onbekend. De vraag is dan ook: welke aanbiedingen/ banners zullen de meeste conversie krijgen? En in welke volgorde moeten ze verschijnen? Het doel van campagnes op de website is om de betrokkenheid te maximaliseren, maar bezoekers hebben verschillende soorten content waaruit ze kunnen kiezen. Zonder data-analyse en het op de juiste manier inzetten van diezelfde data is het lastig een specifieke strategie te volgen. Door de onbekende uitkomst en daaraan gekoppelde kleinere kans op 'payout’, is marketing automation met behulp van slimme AI-modellen zeer gewenst. Die leveren doelgerichte data op, maximaliseren de payout en kunnen vervolgens varianten serveren met hoogste conversiekans. 


Uitdaging en voldoening

Ook al stellen de vraagstukken rondom klantdata Stephan en Anastasia voor de nodige uitdagingen, het werk geeft beide veel voldoening. 

Anastasia: ‘Ik hou heel erg van uitdaging; van taken uitvoeren voortvloeiend uit nieuwe, moeilijke vragen en nieuwe inzichten vergaren. Ten tweede is het hebben van impact speciaal. Als je voor de consumentenmarkt werkt en ook zelf consument bent van KPN, dan ervaar je zelf hoe onze diensten beter worden en dan weet je dat het deels door jou komt, dat je ergens aan hebt bijgedragen.’ 

Stephan: ‘Het geeft mij voldoening om concreet resultaat te zien van de ideeën die ik met mijn team gebouwd heb. Zo hebben we op een gegeven moment het initiatief genomen om een nieuwe applicatie te bouwen om leads van klanten vast te leggen, aangezien dit op allerlei verschillende plekken gedaan werd. Toen die applicatie live ging zagen we een enorme verbetering in de leadverwerkingsprocessen ontstaan, maar kwamen er ook allerlei nieuwe ideeën naar voren die ineens mogelijk waren. Het is mooi dat KPN deze vrijheid verschaft om met iets dergelijks aan de slag te gaan.’ 

Interested?

Here's an overview of our vacancies.