Die Künstliche Intelligenz (KI) hat sich in den letzten Jahren vom Hype-Thema zum Technologie-Champion entwickelt, der Unternehmen bei der Optimierung ihrer CX-Strategien hilft. Weit verbreitet sind unter anderem Chatbots im Help-Desk oder Support-Bereich, die Kundenanfragen automatisiert beantworten und so die Effizienz steigern. Allerdings können smarte Algorithmen auch CX-Teams bei ihrer täglichen Arbeit unterstützen: Und zwar dann, wenn im Rahmen des Feedback-Managements Kundenkommentare und -meinungen strukturiert, gefiltert und für die Analyse aufbereitet werden müssen.

Was bedeutet strategisches CX-Management?

Ein strategisches CXM baut immer auf einem analytischen Ansatz auf. Das Feedback-Management leistet dazu einen wichtigen Beitrag, da es authentische Insights liefert, wie Kunden ihre CX erleben und empfinden. Dafür darf Feedback aber nicht nur gesammelt werden. Es geht darum, die Inhalte kontextuell zu verstehen und in den Aussagen Themenrelevanzen zu erkennen, mit denen das Kundenerlebnis verbessert werden kann. Richtig aufbereitet und analysiert, leisten diese Erkenntnisse dann einen wichtigen Mehrwert im operativen CXM: bei der taktischen Verwendung zur Automatisierung von passenden Kampagnen, Services und Angeboten oder zur Verbesserung von UX, Prozess-, Produkt- & Innovationsmanagement.

Offenes Kundenfeedback als wichtige Informationsquelle

Viele Unternehmen sammeln diese Feedbacks im Rahmen von NPS- oder CSAT-Bewertungen, Community Surveys oder Social Listening ein. Sie stehen dann aber bei der automatisierten Aufbereitung und Analyse vor einer Herausforderung. Wie können diese Daten effizient für das CX-Management bereitgestellt werden? Und wie lassen sich daraus Insights für bessere Kundenerlebnisse gewinnen? KI-Technologien wie Textanalyse oder semantische Themencluster können dabei unterstützen. Wie das funktionieren kann, zeigen die folgenden zwei Use Cases.

Textanalyse: Feedback logisch filtern

Mit einer Textanalyse werden große Mengen an Feedback-Daten nach vorab definierten Kriterien gefiltert und sortiert. In der Regel sind dies Kriterien wie positives und negatives Feedback oder Kritik und Anregungen. Angenommen am Touchpoint „Online-Shop“ kommt es zu häufigen Abbrüchen der Bestellprozesse. Führt das Unternehmen an diesem Touchpoint CSAT-Umfragen durch, weisen vielleicht schon negative KPIs auf ein Problem hin. Denn kein Kunde ist zufrieden, wenn er den Kauf nicht zu Ende tätigen kann. Um die genauen Ursachen zu verstehen, lohnt sich eine Analyse des offenen Kundenfeedbacks – aus Kommentaren der CSAT-Umfrage oder aus Beschwerden, die beim Support auflaufen. Mittels Textanalyse filtern CX-Teams aus der Masse an unstrukturierten Feedbackdaten alle Antworten heraus, die der Kategorie „Online-Shop“ oder „Bestellprozess“ entsprechen. Weitere Filter der Kategorie „negatives Feedback“ liefern dann unter Umständen Insights, dass für den einen Kunden die Shop-Seite zu lange Ladezeiten hat oder dass ein anderer Kunde mit den Bezahlungsmodalitäten nicht zufrieden ist. Damit wissen CX-Teams genau, was verbessert werden muss, um die Churn-Rate dieses Touchpoints zu optimieren.

Semantische Themencluster: Worüber Kunden reden

Semantische Themencluster stellen über smarte NLP-Algorithmen (Neuro-Linguistisches Programmieren) inhaltliche Zusammenhänge her, so dass die Software automatisierte Themenvorschläge erstellt, worüber Kunden diskutieren. Auch bei diesem Technologie-Ansatz wird eine Masse an unstrukturierten Daten logisch verknüpft und geordnet. Greifen wir dafür erneut das Praxisbeispiel „Online-Shop“ auf: Beschwert sich ein Teil der Kunden über umständliche Modalitäten bei der Bezahlung, während sich ein anderer gerne eine PayPal-Option wünscht, erkennen die Algorithmen dies als inhaltliche Zusammenhänge. Denn für die Software fallen beide Kundenaussagen in die Relation „Bezahlung“. Für das CX-Team sind diese semantischen Cluster wertvoll. Denn nun ist klar, dass Kunden einerseits mit den Bezahlprozessen unzufrieden sind, aber andererseits glücklicher wären, wenn es die Option „Bezahlen mit Paypal“ gäbe. Auch hier ergibt sich aus der Kundenfeedback-Analyse wieder eine Maßnahme, die die CX am Touchpoint „Online-Shop“ kundenzentriert verbessern kann.

Zusammenfassend lässt sich sagen, dass für CX-Teams eine der größten Herausforderungen beim Feedback-Management in der Sortierung von unstrukturierten Daten wie User-Kommentaren besteht. Smarte Technologien wie Textanalyse oder semantische Themencluster sind aber wertvolle Tools, die Ordnung schaffen. Richtig eingesetzt, fördern sie Insights zutage, mit denen CX-Teams für alle Touchpoints entlang der Customer Journey Maßnahmen für bessere Kundenerlebnisse entwickeln können. Die Verwendung von CSAT- oder NPS-KPIs ist selbstverständlich wichtig, da sie auf einen Blick die graduelle Entwicklung der CX anzeigen. Für ein tieferes Verständnis der tatsächlichen Kundenbedürfnisse führt aber an der Analyse des offenen Kundenfeedbacks kein Weg vorbei.

Stephan Abeler – cx/omni

Erfahren Sie mehr am Dienstag dem 7. September von 14:00 – 14::30 Uhr im Webinar:

„KI und CXM: Smartes Feedback-Management mit Textanalyse und semantischen Themenclustern“