[column] Zo wordt 'empathizen met je klant' weer leuk

Toch wordt ‘empathizen’ vaak gezien als een dure, lastige en vertragende factor. De verleiding om de klant dan maar niet te vragen of het te reduceren als verplicht nummertje ‘for the record’ ligt op de loer. Gelukkig is daar AI als verlosser. Of niet? Of toch wel?

‘Empathizen’ is niet zo voor de hand liggend
In gesprek gaan met ‘doelgroepen’. Dat is mijn werk. Of het nu middels een online enquête is of in groepsgesprekken van 2,5 uur. Door het gesprek te voeren en vragen te stellen, probeer je inzichten op te halen die waardevol zijn voor het nemen van business beslissingen. Échte ervaringen, frustraties en behoeften die in gesprekken naar voren komen, openen deuren naar nieuwe ideeën en geven richting. Daar zit de waarde.
Toch is dit ‘empathizen’ helemaal niet zo voor de hand liggend voor veel bedrijven, zeker niet als het gaat om kwalitatief onderzoek. Een aantal oorzaken:
►Kwalitatief onderzoek wordt vaak gezien als 'n=1' en dus niet ‘significant’ of ‘representatief’. En dat is ook zo. Kwalitatief onderzoek gaat niet over significatie en je spreekt maar met een kleine groep mensen. Uitdaging in dit soort onderzoeken is om je kerndoelgroepen uit te nodigen. Door zorgvuldig te kiezen wie je wilt spreken, heb je veel scherper waar de kansen liggen.
►Een ander struikelblok is tijd en geld. Kwalitatief onderzoek vraagt een aanzienlijke investering en wanneer je voor hetzelfde geld n=1.000 mensen sneller kunt bevragen in een online enquête is de keuze snel gemaakt. Geen gekke gedachte. Hier is het van belang om het type inzichten te kunnen duiden. Kwalitatief onderzoek heeft een ander doel dan kwantitatief onderzoek. Wanneer er echt geen ruimte is voor kwalitatief onderzoek, zorg dan in ieder geval dat er voldoende open vragen in je enquête zitten. Zo zie je meteen of de enquête serieus wordt ingevuld en heb je meer duiding bij de cijfers. Ook kan het helpen om zo de waarde van kwalitatieve input te ervaren – al is het in de ‘light’ vorm.
►Een derde belangrijk struikelblok is de visualisatie van kwalitatieve data. Kwantitatieve data worden weergegeven in cijfers, diagrammen, tabellen en grafieken: handig! Iedereen ziet meteen – dit is het verhaal: 30% vindt dit, 70% vindt dat. Dus we kiezen voor dit (even gechargeerd uiteraard). “In ‘de board’ zijn cijfers prettiger om mee aan te komen”, hoor je vaak. En ook dat begrijp ik. Uitdaging is om in conclusies en aanbevelingen van kwalitatieve inzichten ook te kiezen voor visualisaties, duidelijke statements en een 1-page Management Summary. Maar ook een mind-shift is nodig: we moeten af van het idee dat kwantitatief onderzoek ‘beter’ is dan kwalitatief onderzoek. Het is anders en elke methode heet zijn eigen waarde.

Maar ook kwantitatief onderzoek is niet altijd voor de hand liggend om uit te voeren, terwijl juist dit type onderzoek snel en relatief ‘goedkoop’ kan. De moeilijkheid komt in beeld wanneer het om B2B-doelgroepen gaat. Want vind maar eens 300 facility managers in ziekenhuizen die verantwoordelijk zijn voor koffie of de persoon die ‘gaat’ over leaseauto’s binnen MKB-bedrijven – om maar wat te noemen. Laat staan specialisten. Dat zijn vaak kostbare en tijdrovende onderzoeken om uit te voeren.

Empathizen met AI-oplossingen
Ontwikkelingen in marktonderzoek gaan hard met de komst van AI-tooling. Wat dacht je van het ‘on the spot’ interviewen van synthetische persona’s die reacties van jouw kernklant nabootsen? Of AI-supported vragenlijsten, waarbij op basis van de antwoorden van iemand wordt doorgevraagd op de reacties. En natuurlijk AI-data analyses waarbij video-gesprekken of teksten worden geanalyseerd en gerapporteerd.
Vragen stellen aan je doelgroep, verdieping vragen om antwoorden, ideeën in een vroeg stadium voorleggen en kwantitatieve validaties uitvoeren met ‘één druk op de knop’. Oké, zo ver is het nog niet helemaal, maar dat is wel waar we naar toe gaan. Het zal een wereld van verschil maken in tijd en geld.
De vaart waarmee AI-tooling marktonderzoek kan helpen is groot, maar de stap naar een volledig geautomatiseerde benadering lijkt nog te prematuur. Het begrijpen van de context en het interpreteren van de betekenis achter de gegevens is een vaardigheid die momenteel nog afhankelijk is van menselijke expertise. Wat iemand zegt en wat iemand bedoelt kan bijvoorbeeld heel subtiel zijn en ook non-verbale communicatie kan nog niet volledig gevangen worden door AI-systemen.
En wanneer AI een centrale rol gaat spelen in het begrijpen van klantbehoeften, wat blijft er dan over van het ‘voelen’ van de ervaringen van de klant? Was dit niet juist hetgeen dat zoveel waarde kon bieden? Niet alleen door dieper te gaan met doorvragen, maar ook in de sfeer van vertrouwen informatie delen, zorgt voor de menselijke dimensie die maakt dat je jouw klant meer begrijpt. Vanuit dit begrip ontstaan nieuwe oplossingen, nieuwe inspiratie en nieuwe energie die marketing, communicatie en productontwikkeling kan stimuleren.
Maar misschien is dit wel een te romantisch beeld en biedt AI voldoende input en is dat ‘zelf voelen’ als marketeer of innovatiemanager helemaal niet meer nodig. Het is mijns inziens anno 2024 nog een kwestie om als bedrijf slim te navigeren tussen de mogelijkheden van AI en de waarde van menselijke inzichten.

En ChatGPT is het daar mee eens, zei hij net.