Unternehmen wollen zunehmend mit quantitativen und qualitativen Erkenntnissen aus unstrukturierten Daten wie dem Kundenfeedback ihre CX messen. Insbesondere das Kundenfeedback spielt eine wichtige Rolle, da es prozessuale Schwachstellen in der Organisation aufdeckt. Somit ist Customer Experience Management (CXM) auch immer Prozessoptimierung. Für Unternehmen heißt das, sie müssen Insights aus dem Kundenfeedback und Prozesse zusammenbringen. Denn leider werden Prozesse oft nur auf Grundlage von nicht validierten Interpretationen der Kundenmeinung bewertet. Smarte Algorithmen wie Text Mining unterstützen bei der Analyse. Sie verwandeln Kundenmeinungen in aussagekräftige Daten und ermöglichen eine Zuordnung zum Touchpoint-Prozess.

Warum Kundenfeedback und Prozesse zusammengehören

Beschweren sich Kunden über eine beschädigte Produktverpackung, entsteht das negative Erlebnis am Touchpoint „Produkt“. Die Verbesserung muss aber auf Prozessebene davor erfolgen. Das kann von der Überprüfung der Logistikprozesse auf Ursachen für die Beschädigung bis zur Bestellung stabilerer Verpackungsmaterialien reichen. Das Beispiel zeigt: Durch das Kundenfeedback wissen Unternehmen, was ihrer Zielgruppe wichtig ist und sie können Prozesse kundenorientiert ausrichten. Wird zudem schon auf Prozessebene optimiert, behebt das die Fehlerquelle dauerhaft und steigert die Kundenzufriedenheit.

Warum sich der Kundendialog lohnt

Diese Insights lassen sich proaktiv über offene Kommentarfelder im Rahmen von NPS-Abfragen ermitteln. Dort werden Kunden gezielt gefragt, wie sie ihr Erlebnis am Touchpoint empfunden haben. Neben der qualitativen Einordnung liefern diese Befragungen dann konkrete Anhaltspunkte und Ideen für Optimierungen. Damit diese Textinformationen aussagekräftig und vergleichbar werden, müssen sie hinsichtlich Relevanz und Qualität modelliert werden. Denn Kundenmeinung offen formuliert besteht mitunter aus Fremdwörtern, Abkürzungen und subjektiv empfundenen Behauptungen, die nicht den Tatsachen entsprechen.

Textanalyse mit smarten Algorithmen

KI-Technologien können diesen Vorgang automatisieren. Text Mining mit dem Ziel einer Sentiment-Analyse kann Textinformationen strukturieren, bündeln und auswerten. Dann wissen CX-Teams, ob ein Feedback relevant ist, ob es positiv oder negativ gemeint ist und zu welchem Touchpoint bzw. internen Prozess es gehört. So ist auch besser zu erkennen, welche Abteilung für die Umsetzung der Verbesserungsmaßnahmen auf Prozessebene verantwortlich ist.

Die Zukunft gehört dem ganzheitlichen CXM

Das Customer Experience Management (CXM) vieler Unternehmen ist von Customer Journey Maps und Experience-Metriken geprägt. Sie sind zweifelsohne eine wichtige Grundlage, um Touchpoints modellhaft abzubilden und um theoretische Optimierungspotenziale aufzuzeigen. Kundenfeedback in Form von Messwerten wie NPS und CSAT weisen nur auf Fehler ohne die Ursachen hin. Durch die konsequente Analyse und Integration des Kundenfeedbacks in die Prozessebene gehen Unternehmen einen Schritt weiter: Sie verwandeln Insights in Actions. Entscheiderinnen und Entscheider sind damit in der Lage, Kundenerlebnisse besser zu verstehen und können diese weit vor dem Touchpoint am Kunden optimieren.

Stephan Abeler – cx/omni

Weitere Best Practices, wie Sie Kundenfeedback für Ihr CXM nutzen und richtig interpretieren, erfahren Sie im Webinar

„CXM Best Practices: Bessere Customer Experience durch Kundenfeedback-Analyse“