Künstliche braucht menschliche Intelligenz

Unternehmen haben großes Interesse daran, Feedback von ihren Kunden zu erhalten und auszuwerten, um die Customer Journey optimal auf den Kunden anpassen zu können und Probleme schneller zu erkennen. Dafür steht den Kunden heutzutage eine Vielzahl an digitalen Kanälen zur Verfügung: Social Media, Umfragen, Bewertungsseiten, E-Mails und viele weitere.

Der Anteil an modernen Textinteraktionen via Chatbot oder Mobile Messaging war laut dem Gartner Magic Quadrant for Digital Commerce 2019 im Jahr 2018 noch nur 15 Prozent, heute geht der gleiche Report von bis zu 70 Prozent aus. Daraus ergibt sich eine Reihe an unstrukturiertem Feedback, das aufwendig gesichtet und ausgewertet werden muss. Um die verantwortlichen Teams zu entlasten und so Zeit für die eigentliche Problemlösung zu schaffen, helfen smarte Textanalyse-Programme. Große Datensätze lassen sich mithilfe von KI- und Machine-Learning-Modellen (ML) in strukturierte Ergebnisse transformieren – und das in Echtzeit.

Qualitativ und quantitativ

Die neuen Technologien haben für Unternehmen auch einen Vorteil: Es wird deutlich günstiger und einfacher, Daten zu erfassen. Zudem gibt man dem Kunden mehr Möglichkeiten, genau seine bevorzugte Art Feedback zu geben, auszuwählen. Doch mit dem Erfassen ist es nicht getan. Um das Kundenfeedback auswertbar zu machen, muss es auch verarbeitet werden und aus unstrukturierten Daten müssen strukturierte Informationen werden. Dabei hilft Künstliche Intelligenz oder korrekter: Machine Learning. Dadurch sind viele Unternehmen nun in der Lage, sowohl strukturierte als auch unstrukturierte Daten und Signale wie direktes und indirektes Kundenfeedback, schneller zu analysieren und Entscheidungen in Echtzeit zu treffen, um das Kundenerlebnis, aber auch die finanziellen Resultate positiv zu beeinflussen.

Textanalyse-Programme nutzen teils branchenspezifisch vorgelernte KI-Modelle, um das gegebene Feedback effektiv zusammenzufassen und es in Themenschwerpunkte einzuteilen. Zudem lernen sie von Kommentar zu Kommentar dazu und die Einteilung wird immer genauer. Durch diese Zusammenfassung von Kommentaren in Themen wird die qualitative Analyse zur quantitativen Analyse: das Feedback muss nicht mehr von Mitarbeitern gelesen und sortiert, sondern nur noch analysiert werden. Diese jetzt strukturierten Informationen können zudem mit Betriebs-, Finanz- und anderen Umfragedaten verknüpft werden, sodass das Unternehmen Muster, Trends, Risiken und Chancen auf dieselbe Weise erkennen können wie mit numerischen Daten.

Dies ist ein Artikel aus unserer Print-Ausgabe 11/2022. Bestellen Sie ein kostenfreies Probe-Abo.

Viele der Textanalyse-Programme, wie z.B. Medallia Athena Studio, sind leicht zu bedienen und müssen nicht erst mühsam und mithilfe von Spezialisten kodiert werden. Sie ermöglichen es dem Unternehmen, neue KI- und ML-Modelle mithilfe von Low- oder sogar No-Code schnell zu erstellen und zu trainieren. Sie können Daten aus hunderten Quellen integrieren und geben einen umfassenden Überblick über die Customer Journey des Unternehmens.

Langfristige Erfolge

Der Kunde sieht das Unternehmen stets ganzheitlich. Das bedeutet, dass der Kunde vom ersten bis zum letzten Kontakt umfänglich betreut werden muss, um eine perfekte Customer Journey zu erhalten. Je früher in der Customer Journey das Unternehmen Daten sammeln und auswerten kann, desto besser kann es auf den Kunden eingehen. Im Idealfall liegen dem Service also schon Daten vor, bevor er persönlich mit dem Kunden spricht. Je besser man den Kunden verstehen lernt, desto höher ist die Wahrscheinlichkeit, ihn langfristig für das Unternehmen zu gewinnen.

Die wahre Leistung von ML wird erst in Kombination mit menschlicher Intelligenz deutlich. Die Textanalyse hilft Unternehmen, Probleme schneller durch einen automatisierten Prozess zu analysieren. Statt sich stundenlang durch Millionen Kommentare zu lesen, können Unternehmen und Mitarbeiter die gewonnene Zeit nutzen, um Maßnahmen zu formulieren.

Bildquelle: Getty Images/ iStock / Getty Images Plus