Webcare bij de Hollandse Meesters: een onderzoek naar Twittergesprekken van KLM en Heineken

 

Consumenten gebruiken social media in toenemende mate om klachten over een organisatie te uiten. Deze klachten worden snel met negatieve gevolgen (Huibers & Verhoeven, 2014). Om klachten te bestrijden zet Heineken een webcareteam, medewerkers die klachten op het web afhandelen, in. In bovenstaand voorbeeld zet het webcareteam het negatieve sentiment van de consument om in een positief eindsentiment. Maar lukt dit altijd? En hoe doet KLM dit?

Om hier achter te komen is een kwalitatieve conversatie-analyse uitgevoerd naar webcaregesprekken op Twitter. Taalhandelingen, conversational human voice (hierna CHV) zijn sentiment onderzocht.

Theorie  
Een mening uiten gaat makkelijk via social media. Electronic word-of-mouth (eWOM) is elektronische communicatie over diensten of producten (Lee &Youn, 2009). Deze communicatie kan de consument anoniem verzenden, waardoor de stap naar meningsuiting snel gezet is.

Negatieve informatie weegt zwaarder dan positieve informatie bij het vormen van een oordeel over een product of dienst (Lee & Youn, 2009). Een oplossing voor het behandelen van negatieve eWOM is webcare. Dit is een service waarbij organisaties reageren op uitingen van consumenten. Het dient als een instrument ter ondersteuning van klantrelatie, reputatie en brand management (Van Noort & Willemsen, 2012).

Twitter is een medium waar webcare toegepast wordt (Schultz, Utz & Goritz, 2011). Als webcaremedewerkers een menselijke toon gebruiken kunnen positieve merkbeoordelingen verkregen worden (Van Noort & Willemsen, 2012). De CHV is een boeiende, natuurlijke stijl van organisatorische communicatie. De stijl wordt waargenomen door het publiek o.b.v. interacties tussen webcaremedewerkers en consumenten (Kelleher, 2009).

Een menselijke manier van presenteren draagt bij aan succesvolle webcare (Beldad, De Jong en Steehouder, 2010). CHV is volgens Kwon en Sung (2011) vooral belangrijk om consumenten achter te laten met een positief gevoel over de organisatie. Zij identificeren de volgende kenmerken van de CHV:

• Personalisatie: persoonlijk begroeten, spreken in enkelvoud, de webcaremedewerker persoonlijk voorstellen
• Informeel taalgebruik: alledaags taalgebruik, afkortingen, spiegelen naar het taalgebruik van de klant
• Retoriek: een communicatiestijl die gericht is op het bevorderen van tweezijdige communicatie met stakeholders (blog Lotte Willemsen, 3 september 2014)

Om de kwaliteit van webcare te beoordelen, is het belangrijk om taalgebruik in webcaregesprekken te analyseren. Searle (1969) stelt dat met elke uiting een handeling gedaan wordt. Hoe dit geldt voor webcare conversaties wordt in dit onderzoek onderzocht, alsmede de CHV.

De besproken literatuur leidt tot de volgende onderzoeksvraag:

Hoe verhouden de webcaregesprekken van KLM en Heineken op Twitter zich ten opzichte van elkaar met betrekking tot talige aspecten in conversaties met consumenten?

De volgende drie deelvragen zullen ter ondersteuning van de hoofdvraag dienen:

1. Welke taalhandelingen komen voor in de conversaties tussen bedrijf en consument via Twitter?

2. Hoe wordt de CHV toegepast in uitingen van de organisaties via Twitter?

3. In hoeverre kunnen bedrijven een negatief sentiment van de consument ombuigen naar een positief sentiment via webcare op Twitter?

Methode
Voor dit onderzoek werd een corpus van tweets gemaakt. Van zowel het Twitter-account van Heineken als KLM werden 30 webcaregesprekken in het corpus opgenomen. De gesprekken stammen uit april 2015. Het waren zowel reactieve gesprekken (klant-organisatie-klant) als proactieve gesprekken (organisatie-klant-organisatie). Alle webcaregesprekken moesten uit minimaal drie beurten bestaan.

De gesprekken werden verzameld in een Excelbestand. Vervolgens werden de uitingen gecodeerd aan de hand van een codeboek. Het codeboek bestond uit de volgende aspecten:

1. Taalhandelingen, bijvoorbeeld begroeten, informeren.
2. CHV, bijvoorbeeld tutoyeren of emoticons.
3. Sentiment (het gevoel dat de talige handeling draagt), gecategoriseerd in negatief (-), neutraal (+/-) of positief (+). Als een consument niet meer reageerde op een uiting van een organisatie, werd dit geïnterpreteerd en gecodeerd als een negatief sentiment.

De onderzoekers analyseerden op deze manier ieder 1/3 van het corpus, waarna de uitwerkingen werden samengevoegd en besproken.

Resultaten

Uit de analyse van taalhandelingen, CHV en sentiment van webcaregesprekken door KLM en Heineken kwamen verschillende resultaten. Deze worden per deelvraag toegelicht, allereerst de taalhandelingen, waarna achtereenvolgens de CHV en het sentiment besproken worden.

1. Taalhandelingen

De resultaten van de taalhandelingen in de webcaregesprekken met Heineken (tabel 1) en KLM (tabel 2) tonen aan dat er met name alledaagse taalhandelingen voorkwamen. Deze tabellen bevatten de frequentste tien taalhandelingen .

Tabel 1. Taalhandelingen in webcareconversaties van Heineken

Taalhandeling	Aantal (N=180)	Percentage
Informeren	28	15.6
Vragen	26	14,4
Antwoorden	16	8.9
Uiten blijdschap	14	7.8
Bedanken	10	5.6
Verzoek doen	8	4.4
Complimenteren	7	3.9
Wedervraag	6	3.3
Toewensen	6	3.3
Adresseren	5	2.8

Deze resultaten (tabel 1) laten zien dat de taalhandelingen ‘informeren’ (15.6%) en ‘vragen’ (14.4%) het meest voorkwamen. Er werd vaak geantwoord (8.9%), blijdschap geuit (7.8%) en bedankt (5.6%). Alle overige taalhandelingen kwamen in minder dan 4.4% van de tweets voor.

De resultaten van de taalhandelingen in webcaregesprekken van KLM worden in tabel 2 weergeven.

Tabel 2 Taalhandelingen in de webcaregesprekken van KLM

Taalhandeling	Aantal (N=274)	Percentage
Antwoorden	32	11.7
Vragen	31	11.3
Adresseren	28	10.2
Informeren	23	8.4
Bedanken	18	6.6
Opmerken	10	3.6
Verzoek doen	9	3.3
Begrip/empathie tonen	9	3.3
Begroeten	8	2.9
Uitnodigen	8	2.9

Het overzicht van de taalhandelingen in de berichten van KLM toont aan dat ‘vragen’ (11,3%) en ‘antwoorden’ (11,7%) ook hier het meest voorkwamen. Opmerkelijk is ‘adresseren’, dit kwam in 10,2% van de gevallen voor. Bij Heineken was dit minder dan 3%. KLM sprak hun klanten vaker aan bij voornaam. Daarnaast kwamen ‘bedanken’ (6,6%) en ‘informeren’ (8,4%) ook bij KLM vaak voor.

2. CHV

Na het coderen en tellen van de taalhandelingen, is hetzelfde gedaan voor de CHV. De resultaten die hieruit kwamen staan in tabel 3.

Tabel 3 CHV Heineken en KLM

CHV	Heineken		KLM
	Aantal (N=106)	Percentage	Aantal (N=135)	Percentage
Informeel taalgebruik	25	23.6	-	-
Tutoyeren	21	19.8	40	29.6
Personalisatie	17	16	39	28.9
Retoriek	17	16	36	26.7
Interpunctie	13	12.3	12	8.9
Emoticon	12	11.3	8	5.9
Afkortingen	1	0.9	-	-

De CHV van Heineken uitte zich vooral als informeel taalgebruik (23.6%). Tutoyeren (19.8%), personalisatie (16%) en retoriek (16%) kwamen ook vaak voor. In mindere mate kwamen interpunctie (12.3%) en emoticons (11.3%) voor. In slechts 0.9% van de gevallen kort Heineken iets af. In voorbeeld 1 is de CHV van Heineken te zien:

Voorbeeld 1. CHV in tweet van Heineken

"@xxxx Zou je via een DM je gegevens naar ons willen sturen? Dan heb jij vandaag geluk

en komt er wat leuks jouw kant op! Cheers"

De webcaremedewerker gebruike een menselijke toon, omdat Heineken de consument tutoyeerde (‘jij/je’), uitdagende retoriek gebruikte (‘zou je.. sturen?’) en informeel sprak (‘wat leuks’ en ‘cheers’).

Als we vervolgens kijken naar hoe en hoevaak KLM een menselijke stem gebruikte, zien we dat hun webcaremedewerkers vaker CHV toepasten in tweets. Tutoyeren was nummer één (29.6%), gevolgd door personalisatie (28.9%) en retoriek (26.7%). KLM gebruikte geen informeel taalgebruik en afkortingen. Een voorbeeld van hun CHV is te zien in voorbeeld 2:

Voorbeeld 2. CHV in tweet van KLM

"@xxxx Wat vervelend, Anna! We sturen onze Sherlock er direct op af! Kun je ons wat

meer details geven over je telefoon?"

De CHV van KLM uitte zich in de vorm van personalisatie (‘Anna’), tutoyeren (‘je’) en uitdagende retoriek (‘kun je … telefoon?’).

3. Sentiment

Een analyse van het gesprekssentiment was noodzakelijk om aan te tonen of webcare zijn doel (eindigen op een positieve noot) bereikte. De resultaten van deze analyse zijn in tabel 4 weergeven.

Tabel 4. Sentiment van burgers na een conversatie met Heineken- en KLM medewerkers op Twitter

Sentiment	Heineken		KLM
	Aantal (N=30)	Percentage	Aantal (N=30)	Percentage
Negatief > Negatief	3	10.0	4	13.3
Negatief > Neutraal	1	3.3	3	10
Negatief > Positief	3	10.0	2	6.6
Neutraal > Negatief	3	3.3	-	-
Neutraal > Neutraal	1	3.5	3	10
Neutraal > Positief	5	16.7	10	33.3
Positief > Negatief	1	3.3	-	-
Positief > Neutraal	1	3.3	-	-
Positief > Positief	12	40.0	6	20

De resultaten van Twitter-conversaties tussen consumenten en Heineken tonen aan dat webcaremedewerkers een negatief sentiment in een positief sentiment veranderde (10%). In 16.7% van de tweets konden webcaremedewerkers gesprekken met een neutraal beginsentiment ombuigen naar positieve conversaties. In 10% van de tweets lukte dit niet en bleef het sentiment negatief. Vaker kwam voor dat een positief beginsentiment ook positief eindigde (40%).

Ook uit de analyse van KLM is gebleken dat webcaremedewerkers een negatief sentiment konden ombuigen naar een positief sentiment (6.6%). In 33.3% van de tweets konden webcaremedewerkers een neutraal beginsentiment ombuigen naar een positief eindsentiment. In 13.3% van de tweets lukte dit niet en bleef het sentiment negatief. Vaker kwam voor dat een positief beginsentiment positief eindigde (20%). 

Voorbeeld 3. Van negatief naar positief sentiment Heineken

Woordvoerder	Tweet	Taalhandeling	CHV	Sentiment
Heineken	Heineken halve liter, geen half werk. Nu in het bierschap in handige 4pack. pic.twitter.com/TPEmWOBI5y	Informeren	Informeel taalgebruik	+
Consument	@Heineken_NL Die volwassen halve liters hadden we 30 jaar geleden toch ook! Wat is hier nou nieuw aan? @Brand_Bier @alfabier @Gulpener	Betwisten Vragen		-
Heineken	@xxxx De 50 cl zit nu in een groene fles en in handige 4pack Harald.	Antwoorden	Personalistie	+/-
Consument	@Heineken_NL Mooi. Dank voor het bericht, en proost!	Bedanken Uitluiden		+
Heineken	@xxxx Cheers!	Uitluiden	Informeel taalgebruik Interpunctie	+

In deze conversatie zien we dat de consument betwistend reageerde op een informerende uiting van Heineken. Vervolgens stelde de consument een vraag, waarbij hij andere biermerken tagt. Het sentiment van de consument is negatief. Hij snapte de tweet van Heineken niet. Heineken beantwoorde de vraag van de burger, waarbij de burger bij de naam wordt aangesproken. 

De consument bedankte Heineken voor de informatie en sluit de conversatie af met ‘proost!’. Heineken reageerde hierop met de uiting ‘cheers!’. De consument begon met een negatief sentiment, maar Heineken wist het om te buigen naar een positief sentiment door informatie te geven en de CHV te gebruiken.

Ook de webcaremedewerkers van KLM konden een negatief beginsentiment ombuigen naar een positief eindsentiment, getuige voorbeeld 4.

Voorbeeld 4. Van negatief naar positief sentiment KLM

Woordvoerder	Tweet	Taalhandeling	CHV	Sentiment
Consument	@KLM ik ben vandaag mijn telefoon vergeten in het voorvak van de stoel voor 20B op de vlucht KL1574 van athene naar amsterdam, help mij :((	Informeren, Verzoek doen		-
KLM	@xxxx Wat vervelend, Anna! We sturen onze Sherlock er direct op af! Kun je ons wat meer details geven over je telefoon?	Begrip tonen, adresseren Informeren Verzoek om verduidelijking	Personalisatie Tutoyeren Retoriek	+
Consument	@KLM hij is zwart en hij is van het merk Huawei. Heel erg bedankt voor het helpen!! :)	beschrijven, bedanken		+
KLM	@xxxx Bednakt voor je de extra informatie, Anna. We gaan ermee aan de slag en komen zo snel mogelijk bij je terug.	Bedanken, Adresseren, aankondigen	Personalisatie	+/-
KLM	@xxxx Oeps, we bedoelen natuurlijk 'bedankt.' :-)	corrigeren	Informeel taalgebruik Emoticon	+

De consument opende de conversatie door KLM te informeren dat ze haar telefoon vergat in een vliegtuig. Vervolgens verzocht ze de hulp van KLM. De consument begon de conversatie negatief, ze was verdrietig getuige de emoticon. KLM reageerde op de uiting van de consument door begrip te tonen. Hierbij werd de consument direct aangesproken. Vervolgens informeerde KLM de consument.

De CHV was gevolg van tutoyeren (‘je’) en uitdagende retoriek (‘kun je ons...’). De consument gaf een beschrijving van de vermiste mobiel en bedankte KLM voor het helpen. Hier was haar sentiment positief, te zien is aan de taalhandeling ‘bedanken’, de interpunctie (!!) en aan de emoticon. KLM bedankte de consument vervolgens voor de informatie en kondigde aan dat ze ermee aan de slag gaan. Ook hier sprak KLM de consument direct aan, wat een vorm is van CHV. Vervolgens ontdekte ze een spelfout in hun uiting, wat ze corrigeerde. Door de emoticon en het informele ‘oeps’ paste KLM CHV toe.

Conclusie

Zowel Heineken als KLM gebruiken alledaagse taalhandelingen in webcaregesprekken. Beide bedrijven gebruiken de CHV, dit uit zich vooral in personalisatie, retoriek en tutoyeren. Door te spreken op een menselijke toon kunnen bedrijven een negatief sentiment van de consument ombuigen naar een positief sentiment.

Wij raden bedrijven aan om in webcare de CHV te (blijven) gebruiken. Hierdoor kan een negatief sentiment omgebogen worden naar een positief sentiment. Ook door consumenten te informeren, begrip te tonen, adresseren, bedanken en toewensen kan een positief sentiment behaald worden. Aflsuitent toont bovenstaand filmpje een succesvol webcaregesprek d.m.v. CHB-gebruik.

Bibliografie
Beldad, A., De Jong, M., & Steehouder, M. (2010). How shall I trust the faceless and the intangible? A literature review on the antecedents of online trust. Computers in Human Behavior, 26(5), 857-869.

Huibers, J., & Verhoeven, J. (2014). Webcare als online reputatiemanagement: Het gebruik van webcarestrategieën en conversational human voice in Nederland, en de effecten hiervan op de corporate reputatie. Tijdschrift voor Communicatiewetenschap, 42(2), 165-189.

Kelleher, T. (2009). Conversational voice, communicated commitment, and public relations outcomes in interactive online communication. Journal of Communication, 59(1), 172-188.

Kwon, E. S., & Sung, Y. (2011). Follow me! Global marketers’ twitter use. Journal of Interactive Advertising, 12(1), 4-16.

Lee, M., & Youn, S. (2009). Electronic word of mouth (eWOM) How eWOM platforms influence consumer product judgement. International Journal of Advertising, 28(3), 473-499.

Noort, G., van, & Willemsen, L.M. (2012). Online damage control: the effects of proactive versus reactive webcare interventions in consumer-generated and brand-generated platforms. Journal of Interactive Marketing, 26(3), 131-140.

Schultz, F., Utz, S., & Goritz, A. (2011). Is the medium the message? Perceptions of and

reactions to crisis communication via twitter, blogs and traditional media. Public Relations Review, 37(1), 20-27.

Searle, J. R. (1969). Speech Acts. An Essay in the Philosophy of Language. Cambridge:

University Press.

Willemsen, L., Neijens, P.C., & Bronner, F.A. (2013). Webcare as customer relationship and reputation management? Motives for negative electronic word of mouth and their effect on webcare receptiveness. In S. Rosengren, M. Dahlén & S. Okazaki (Eds.), Advances in Advertising Research (Vol. IV): The Changing Roles of Advertising (pp. 55-69). Wiesbaden: Springer Gabler.

Willemsen, L. (2014, 3 september). Hoe persoonlijk moet je zijn in webcare? [Blog uit de wetenschap]. Geraadpleegd op 10 juni 2015 van http://www.swocc.nl/kennisbank-item/hoe-persoonlijk-moet-je-zijn-in-webcare/.

Over de auteurs 
Nicole Remmelzwaal, Mariëlle Salh en Linda Baltus zijn derdejaarsstudenten Communicatie- en Informatiewetenschappen aan de Vrije Universiteit te Amsterdam. In het kader van het vak Digitale Communicatie bestuderen zij een aantal wetenschappelijke artikelen over de implicaties van social media, en hoe bedrijven hiermee (kunnen) omgaan.