Case Study – Transavia

Brian Lamme

In CEM Posted

Een exemplarische case die aangeeft wat wij met PEBex proberen te bereiken is de ‘Transavia Case’ – waar Transavia, StoreSupport & insinto hebben samengewerkt om evidence-based customer experience te kwantificeren, te begrijpen en te verbeteren – en daarmee de financiele resultaten.


Transavia is een in 1965 opgerichte luchtvaartmaatschappij en vervoert zowel zakelijke als vakantie passagiers door heel Europa. Transavia is sinds 2003 onderdeel van KLM – dat deel uitmaakt van de Air France KLM Groep. Daarmee behoren zij tot de grootste luchtvaartgroep van Europa.

Transavia had in 2015 bijna 7 miljoen klanten en heeft meer dan 1500 medewerkers in dienst.

Probleemstelling

Transavia werkt met de Passenger Experience Index (PXI); key performance indicator die inzicht geeft in de passagierstevredenheid. Door het stelselmatig meten van de beleving van de passagiers en aspecten die hierop van invloed kunnen zijn beschikt Transavia over een veelheid van inzichten en data. Helaas waren deze inzichten niet op een onderbouwde manier aan elkaar gekoppeld waardoor het niet duidelijk was wat de cruciale drivers voor de Passenger Experience zijn en wat de invloed was van de Passenger Experience op de financiële prestaties.

Het doel dat wij samen met Transavia hebben opgesteld was derhalve duidelijk:

Aan de hand van gefundeerde modellen en het combineren van verschillende gegevensbronnen inzicht scheppen in mogelijkheden om de passagiersbeleving en het bedrijfsresultaat te verbeteren.

Aanpak

In samenwerking met Transavia heeft insinto een breed analysemodel opgezet waarbij een veelheid van aspecten die mogelijk invloed hebben op de PXI zijn onderzocht. Hiermee is een statistische koppeling gemaakt tussen de Passenger Experience en de financiële prestaties.

Het analysemodel bevat data over de passagiersbeleving op 24 touchpoints tijdens de customer journey. De emoties die de klant ervaart, bijzonderheden tijdens de vlucht (zoals vertraging of ontbreken van bagage) en externe factoren, zoals marktaandeel en het imago van Transavia, zijn hieraan gekoppeld. Daarmee bevat het model bevat data uit zowel interne als externe gegevensbronnen, over meerdere jaren.

Cruciaal hierbij is de koppeling van drivers, passagiersbeleving, tevredenheid en loyaliteit en hun onderlinge samenhang met het boekingsgedrag van passagiers. Daarmee ontstaat inzicht tussen de daadwerkelijke relatie tussen passagiersbeleving en financiële relaties.

Figuur 1: het onderzoeksmodel

Bevindingen

Voor ieder touchpoint die de passagier ervaart tijdens de customer journey is inzichtelijk gemaakt hoe dit touchpoint de passagiersbeleving en loyaliteit beïnvloedt en welke emoties en drivers daaraan ten grondslag liggen.

De data-analyse heeft – evidence based – laten zien dat slechts 6 van deze 24 touchpoints substantieel bijdragen aan een positieve passagiersbeleving. Gecombineerd met de emoties en drivers die van belang zijn, is nu bekend waarop gestuurd moet worden. De analyse heeft ertoe geleid dat er primair gestuurd wordt op de 6 touchpoints die er echt toe doen.

Daarnaast werd de negatieve invloed van incidenten tijdens een vlucht duidelijk, waarmee exact inzichtelijk is gemaakt hoeveel de PXI daalt bij bijvoorbeeld vertraging of problemen met bagage (alle andere belevingen van de passagier gelijk houdend).

Figuur 2: belangrijkste bijzonderheden om te voorkomen

Van grote meerwaarde is de directe relatie van tevredenheids- en loyaliteitsaspecten met het boekingsgedrag van de passagier en omzet van Transavia per klant.

Per touchpoint is een realistisch verbeterpotentieel bepaald. Zodat met het gebouwde algoritme per touchpoint het verbeterpotentieel omgezet kan worden in financieel gewin. Met als uiteindelijk inzicht, op gedetailleerd niveau, hoe en waar de passagier beleving realistisch verbeterd kan worden en hoeveel extra omzet dit oplevert voor Transavia.

Next steps

Een volgende stap is om proactief de PXI te gaan studeren. Op basis van Predictive Analytics weet Transavia straks wat het effect is van veranderingen in de organisatie op de PXI. Dit zorgt ervoor dat bijvoorbeeld pro-actief voorspeld kan worden of een geplande ingreep, incident of veranderingen (in processen) een negatief effect heeft op de PXI. Het model kan eveneens gebruikt worden om verschillende scenario’s te testen, de balans tussen kostenbesparing en PXI af te wegen voor de business en biedt Transavia dus de tools om de beste – evidence based – keuzes te maken.

Een tweede volgende stap is het uitbreiden van het model met kwantitatieve informatie over het gedrag van medewerkers. Uit het eerste onderzoek is gebleken dat het inchecken, de boarding en de beleving aan boord cruciaal zijn voor de passagiersbeleving. Kortom, het succes van Transavia valt en staat met het gedrag en de houding van medewerkers. Daarom wordt het model verder uitgebreid met statistische gegevens over het gedrag van medewerkers.

Door gericht te meten, gedrag te sturen, en significante relaties tussen factoren te bepalen, is Transavia steeds beter in staat om, evidence based, pro-actief de passagier beleving te bepalen en haar financiële resultaten te te verbeteren.

0 Comments

Leave a Comment