Meer studiesucces met Data en AI in het wervingsproces!
De juiste student, op de juiste plek. Studentenwerving gaat tegenwoordig al lang niet meer om het binnenhalen van zovéel mogelijk studenten, maar om het begeleiden van de student in het maken van de juiste studiekeuze. De manier waarop scholieren zich vandaag de dag orïenteren en interacteren en de data die ze daarbij achterlaten biedt tal van kansen om iedere aspirant beter te leren kennen en zo te begeleiden naar de juiste studiekeuze.
Die data vertelt namelijk ontzettend veel over wie de aspirant student is, wat voor pad hij aflegt, wat voor pad we kunnen verwachten dat hij zal afleggen en waaraan hij behoeftes en ondersteuning nodig heeft. Maar hoe vind je als onderwijsinstelling nu je weg door dat oerwoud aan data? En hoe tover je die data nu om tot diepgaande inzichten? Hoe zorg je ervoor dat je deze data inzet om iedere aspirant student zo goed mogelijk te begeleiden en hem helpt de juiste keuze te maken? Een Customer Data Platform kan je helpen!
Data silo’s
Omdat de student zich tijdens zijn enrollment journey verkent via diverse kanalen (online & offline) en op diverse momenten in tijd komt deze data binnen op verschillende plekken, bij verschillende afdelingen en verschillende individuen. Men spreekt dan van datasilos. De informatie is er wel, maar leeft van elkaar geïsoleerd binnen de organisatie. De data is maar moeilijk toegankelijk voor de juiste mensen in de organisatie én door deze silo’s wordt het moeilijk een beeld op te bouwen van de student. Als logisch gevolg daarvan is het dus ook een enorme uitdaging voor de onderwijsinstelling om daad bij het woord te voegen als het gaat om persoonlijke aandacht en begeleiding in het studiekeuzetraject.
Gevolgen
Het maken van de juiste keuze is ontzettend belangrijk en de gevolgen van een verkeerde keuze zijn groot. 20% van de studenten die aan een opleiding begint, valt uit en maar zeven op de 10 studenten maakt zijn opleiding uiteindelijk af. Die voortijdige uitval vormt voor veel onderwijsinstellingen een doorn in het oog. Het kost simpelweg geld: iedere student die uitvalt, betekent een gemist inkomen van liefst € 8.000 per jaar per uitgevallen student. (bron: ScienceGuide, 16 sept. 2020) En dat terwijl op deze plek ook wellicht ook een andere student had kunnen zitten.
Dit los van de mentale klap en andere gevolgen voor de student zelf.
Gemiste kansen, maar goud in handen!
Om dit te voorkomen is in het oriëntatiereis van de student de juiste begeleiding nodig. De ontstane data silo’s bevatten een hoop achtergrond, gegevens en motivaties (of juist twijfels) van de aanstaande student. Hoe heeft hij zich georiënteerd in het traject? Heeft een inschrijver überhaupt deelgenomen aan oriëntatiedagen en voorlichting? Uit zijn of haar (online) gedrag misschien keuzetwijfels tussen opleidingen?
De crux is om al deze data op één plek bij elkaar te brengen, te betrekken op de unieke persoon dat zich in deze data bevindt en hem van hieruit te leren te begrijpen. Door dit profiel af te zetten tegenover een (vaak enorme) historische populatie van een onderwijsinstelling kunnen we kansen en risico’s op het individu in kaart brengen en kan de persoonlijke begeleiding écht beginnen.
Wat kan een Customer Data Platform doen dan?
Een Customer Data Platform (CDP) helpt je deze crux te doorbreken. Een CDP stelt je in staat om connecties te leggen tussen diverse datasilo’s en de diverse puzzelstukjes over ieder uniek individu bij elkaar te leggen.
Om tot nóg diepgaandere inzichten te komen kunnen ook externe bronnen worden gecombineerd, zoals data uit Studielink. Heeft iemand zich voor meerdere opleidingen ingeschreven? Dan twijfelt hij wellicht nog en kan een persoonlijk studieadviesgesprek deze student misschien wel een helpende hand bieden.
Door op deze manier oriëntatieactiviteiten van de aspirant én inschrijvingen binnen één platform te combineren, kan bovendien de conversie van voorlichtingsactiviteiten worden gemonitord en zodoende worden verbeterd.
Vervolgens… leren. voorspellen en acteren
Daar waar het unieke en volledige profiel binnen één platform gevat kan worden samen met honderdduizenden andere profielen van oud-aspiranten, afgestudeerden, uitvallers en huidige studenten kunnen deze resultaten uit het verleden worden gebruikt om te gaan voorspellen over aanstaande studenten. Wat is, op basis van dit profiel, het risico dat deze student uitvalt? Welke aanbevelingen kunnen we deze aspirant geven om zijn kans op succes te vergroten? Het zijn voorspellingen die zonder data alleen maar giswerk zijn, maar mét data en AI ineens heel tastbaar en handelbaar worden.
Zoals de juiste boodschap via het juiste voorkeurskanaal van de scholier of juist het versturen een notificatie naar het studiekeuze adviescentrum wanneer iemand met een hoog risicoprofiel zich heeft aangemeld voor een studie: Is het duidelijk dat iemand nog twijfelt over zijn opleiding, maar heeft hij zich nog niet ingeschreven? Dan volstaat het wellicht om deze persoon uit te nodigen voor een meeloopdag. Blijkt deze twijfelaar zich zelfs al te hebben aangemeld voor de opleiding, dan moet er wellicht een studiekeuzeadviseur in actie komen.
En mag dat allemaal zomaar?
Belangrijke vraag natuurlijk. Alles valt en staat bij toestemming van de student en de motivatie van de instelling om data te verwerken en te gebruiken. Ook moet er voor de instelling een goede reden zijn om om data te vragen en moet vervolgens de veiligheid van de data zijn verzekerd in haar datalandschap.
Daarnaast moet ook het ethische aspect van de toepassing van machine learning over deze data niet vergeten worden. Buiten kijf moet staan dat de toepassing ervan moet bijdragen aan de optimalisatie van het wervingsproces en de begeleiding van de student, door bijvoorbeeld risico’s te signaleren en daarop de dialoog met de aspirant student te starten. Nooit zou een algoritme mogen leiden tot een automatische afwijzing of diskwalificatie.
Eens zien hoe dat werkt?
Met Intouch365 ontwikkelden we een CDP oplossing specifiek in de context van een (hoger) onderwijsinstelling. Op donderdag 1 december om 11:00 laten we je zien hoe data science en machine learning middels een Customer Data Platform kunnen bijdragen aan de optimalisatie van het wervingsproces en uiteindelijk het op studiesucces van de student.
Get in touch
Meer weten van customer insights?
