För att arbeta kundcentrerat eller för att hitta samband mellan olika punkter i kund/medarbetar-resan kan systemet känna igen samma person över tid.
Exempel på användningsområden:
- Kunna följa hur de medarbetare som slutar sin anställning pga missnöje svarat tidigare i resan, så som vid rekrytering och onboarding.
- Kunna identifiera effekten på kundrelationen från relationsmätningen om man väljer eller inte väljer att stänga loopen på kundfeedback från någon annan kontaktpunkt, exempelvis kundtjänst.
- Kunna se tidigare svar från undersökningen när man arbetar med att stänga loopen på kundfeedback och därmed få en bättre totalbild.
Förutsättningar:
- Välj vilken uppgift som skall användas för att känna igen samma individ mellan olika undersökningar. Detta kan vara epostadress, kundnummer, anställningsnummer eller liknande. Använd gärna detta tillsammans med pseudonymisering för att kunna knyta personen anonymt och inte vara beroende av personuppgifter.
- Om det är en undersökning inom B2B, ta särskild hänsyn till om du vill följa företaget eller individen.
- Resultaten i undersökningen behöver placeras i samma resultatkälla i Quicksearch Analytics.
- Välj "variabel som länkar duplicerade respondenter som samma person" på inställningssidan för resultatkällan och välj här helst den pseudonymiserade uppgiften, annars den uppgift som ej är psuedonymiserad men beslutad ovan.
- Gör en komplett omläsning av resultatkällan för att analytics skall bygga om datastrukturen och identifiera personerna.
Detta räcker för att kunna se svar mellan undersökningar i exempelvis verktyget feedforward där man kan stänga loopen på kundfeedback. Det finns nu förutsättningar för att fånga svarsmönster mellan undersökningar.
Notera:
Om uppgiften som används är en personuppgift, som rensas av systemet enligt era policies kommer kopplingen mellan personen och svaren att tappas när personuppgiften rensas. Därför rekommenderar vi att använda psuedonymiserad uppgift för att hålla ihop personens svar över tid.