ClearPredictions voorspelt klantgedrag met machine learning

Welke marketeer wil dat nu niet: snel en efficiënt klantgedrag voorspellen en strategische upsell-mogelijkheden identificeren? ClearPredictions is nu al nauwkeuriger dan Google Prediction, zegt bedenker Onno Pistorius. “Binnen een aantal uren tot dagen kunnen marketeers met onze machine learning-technologie zelf klantgedrag voorspellen. Door ons softwareplatform ‘R’ te gebruiken, zijn wij niet meer afhankelijk van data scientists.”

Hoe zou je ClearPredictions omschrijven in een tweet?

“Software waarmee je zelf machine learning toepast om klantgedrag te voorspellen, zonder dat je een data scientist hoeft te zijn.”

Hoe is het idee ontstaan?

“Mijn vorige bedrijf maakte software voor callcenters. Ik merkte dat het omgevingen zijn waar veel bruikbare gegevens voor marketingdoeleinden worden gegenereerd. Drie jaar geleden begon ik daar iets mee te doen. Ik wilde onze klanten met behulp van predictive analytics voorzien van een goed doortimmerde analyse, op basis waarvan ze klantgedrag konden voorspellen. Op de traditionele manier leveren data scientists, softwareontwikkelaars en database-experts analyses op in een tijdspanne van bijvoorbeeld drie maanden. Maar ik was van mening dat het vele malen sneller en efficiënter kon. Dat was de aanleiding voor wat uiteindelijk ClearPredictions werd.”

Wat houdt ClearPredictions in?

“Het is een softwaretool waarmee je op een zeer eenvoudige manier complexe machine learning-technologie kunt toepassen. Die technologie is complex, enkel specialisten – met een statistische of wiskundige achtergrond – kunnen ermee overweg. Veel bedrijven gebruiken ons product om klantgedrag te voorspellen. Het doel van ClearPredictions is om de complexiteit van machine learning te elimineren en de technologie algemeen breed toegankelijk te maken. Waar het onderzoeksproces van gegevens over klanten en het voorspellen van hun gedrag voorheen weken tot zelfs maanden duurde, hebben wij het substantieel teruggebracht naar enkele uren tot dagen.”

Hoe ben je daarin geslaagd?

“ClearPredictions werkt onder de motorkap met R: een veelvuldig gebruikt softwareplatform. R is de populairste programmeertaal voor statistische berekeningen en predictive analytics. Het platform heeft wereldwijd zo’n twee miljoen gebruikers. Wij onttrekken de complexiteit rond R door gebruikers een interface te bieden die werkt met slepen en neerzetten, drag and drop dus. Dat maakt de functionaliteit voor een brede groep mensen beschikbaar.”

Wat maakt dat je beweert nauwkeuriger te zijn dan Google Prediction?

“ClearPredictions maakt een verschil. Stel: wij doen een project om een voorspelling te doen over de churn – de waarschijnlijkheid dat consumenten bijvoorbeeld een verzekeraar of energieleverancier dreigen te verlaten ten faveure van een concurrent. De klant ziet slechts een webpagina in de browser en wordt eenvoudig door de verschillende stappen van ons berekenproces geleid. Op de achtergrond gebeurt veel meer: daar maakt onze software voorspellende modellen aan. Uit een zogeheten Kaggle Challenge bleek dat wij dit enkele procenten nauwkeuriger doen dan Google Prediction.”

Hoe werkt het?

“Als gebruiker van ClearPredictions maak je eerst duidelijk wat je precies wilt weten. Een vraag van ABN AMRO gaat bijvoorbeeld over een accountmanager die honderd klanten onder zijn hoede heeft, maar in de komende periode slechts tijd heeft voor tien klanten. Wie zijn die tien waardevolste klanten en hoe komt hij tot die keuze? De accountmanager stelt in een afgeschermde cloud gegevens over zijn vraag beschikbaar, en vervolgens past ClearPredictions op zijn dataset tien algoritmen toe. De beste match wordt gebruikt om voorspellingen te maken over de klanten. De laatste stap is weer aan jou. Je uploadt een bestand met een selectie van klanten over wie je iets wilt voorspellen en een paar seconden later krijg je het antwoord. Dit doet ClearPredictions op basis van patronen in de dataset.”

Hoe verzeker je de veiligheid van klant gegevens?

“Gegevens worden altijd versleuteld opgeslagen; ook medewerkers van ClearPredictions kunnen de gegevens niet zien. Verder maken wij een onderscheid tussen privacygevoelige en niet-privacygevoelige data. Bij die laatste kun je bijvoorbeeld denken aan het aantal telefoontjes per kwartier van het afgelopen jaar, waarmee we voor ABN AMRO de werkdruk van hun callcenters voorspellen. CRM- of klantgegevens worden daarentegen altijd zó gedepersonaliseerd dat ze niet meer terug te voeren zijn tot een persoon.”

Wie maakt deze voorspellende modellen?

“Er zit geen team van mensen achter het maken van deze voorspellende modellen, de software doet het werk. Wel achter de organisatie van ClearPredictions. Maar het is de software die de touwtjes in handen heeft en die is de bepalende factor. De software berekent zelf welk type algoritme het nauwkeurigste werkt om een voorspellend model te maken. Het is onze pay-off, en dus onze unieke factor.”

Welk voordeel biedt die ontwikkeling?

“Dat we kunnen handelen zonder dat we afhankelijk zijn van mensen. Ik waag mij aan de voorspelling dat data scientists over een jaar de duurst betaalden zijn in de markt. Hun kennis en werkwijze zijn volledig geïntegreerd in onze software. De beslissingen die een expert neemt en de goede praktijkvoorbeelden die worden toegepast tijdens een project, hebben wij gevangen in logica en regels. Het ClearPredictions-platform wordt almaar slimmer, omdat wij voortdurend de feedback van klanten in ons product verwerken.”

Welke problemen los je op voor marketeers?

“Marketeers hebben vaak een vaag of misschien sterk vermoeden waarom klanten hun bedrijf verlaten of juist trouw zijn. Wij geven hen de feiten en eventueel aanvullende beweegredenen. Dat kunnen er vele zijn. Wij zien niet alleen dat iemand is overgestapt naar de concurrent omdat hij van woonplaats veranderd is, maar ook of zijn betaalgedrag, leeftijd of geslacht ermee te maken hebben. ClearPredictions hangt soms wel honderden kenmerken aan een klant, allemaal met voorspellende waarde. Onze machine learning-technologie gaat ver voorbij de reguliere analyses via Excel-documenten.”

Wie zijn jullie concurrenten?

“In Nederland zijn we de eerste met deze eenvoudig te gebruiken oplossing. In de VS is er een bedrijf dat iets soortgelijks doet als wij. Big ML heet het. De koek is vooralsnog zo groot, dat partijen als deze niet iedereen van dienst kunnen zijn. De vraag is simpelweg groter dan het aanbod. Momenteel zitten we nog in een luxe positie en volgen we de blue ocean-strategie.”

Hoe ziet jullie verdienmodel er uit?

“Het werkt ongeveer hetzelfde als bij een abonnement voor je mobiel. Iedere maand betaal je een vast bedrag waarvoor je een aantal voorspellingen kunt maken. Als die bundel op is, dan kun je ervoor kiezen om extra voorspellingen bij te kopen. Bijvoorbeeld nog eens een bundel voor tienduizend of honderdduizend stuks.”

Wie zijn klanten van ClearPredictions?

“In het verleden deden wij een project voor het Jeroen Bosch Ziekenhuis en momenteel zijn we bezig voor ABN AMRO. Verder werken we met de energieleveranciers Qurrent en Huismerk Energie. En er lopen momenteel pilots met de Nationale Theaterkassa, Tilburg University en Van Gansewinkel. Ons product kan toegepast worden op bijna iedere sector. De inhoud en de voorspellingen zijn anders, het proces blijft hetzelfde.”

Wat hield het project met het Jeroen Bosch Ziekenhuis in?

“Patiënten met een vage klacht gaan eerst naar hun huisarts. Huisartsen zijn generalisten, dus sommige patiënten worden vervolgens doorgestuurd naar het ziekenhuis. Hier moeten ze een vragenlijst invullen om meer inzicht te creëren over het ziektebeeld. ClearPredictions heeft op basis van de antwoorden op de vragenlijst vroegtijdig kunnen voorspellen wie een zeldzame ziekte heeft en wie niet. Specialisten hebben de kennis, wij leveren de technologie om die kennis effectiever te benutten. Door een nauwe samenwerking met de medisch specialisten matcht onze voorspellende technologie met hun deskundigheid.”

Wat staat er momenteel op je agenda?

“Producten die bovenop het softwareplatform komen verder ontwikkelen, zoals een dashboard voor callcentermanagers. Dat geeft ze inzicht in de dagelijkse bedrijfsvoering: hoe veel medewerkers moet ik de komende tien dagen inplannen om klanten telefonisch of per e-mail goed te woord te staan?”

En voor de toekomst?

“Halverwege 2017 willen wij een financieringsronde doen om verder te groeien. We zijn selectief in onze keuze. We zoeken investeerders die thuis zijn in de softwaremarkt en de potentie van machine learning snappen. Ze moeten een goed netwerk hebben en strategische groeimarkten herkennen.”

*) Dit is een artikel in de serie van de Accenture Innovation Awards dat ik schreef in samenwerking met mijn collega Lotte Anne van Vemde. ClearPredictions was deelnemer tijdens de Accenture Innovation Awards 2015. Bekijk hier de winnaars van dit jaar.