Worawut - stock.adobe.com
Warum Sentimentanalyse für den Kundenservice wichtig ist
Sentimentanalyse-Tools sind unerlässlich, um die Kundenstimmung zu erkennen und zu verstehen. Unternehmen, die solche Software nutzen, können den Kundenservice verbessern.
Tools zur Stimmungs- beziehungsweise Sentimentanalyse liefern Erkenntnisse darüber, wie Unternehmen das Kundenerlebnis und den Kundenservice optimieren können.
Die Sentiment- oder Stimmungsanalyse ist eine Natural-Language-Processing-Anwendung (NLP). Sie analysiert die menschliche Sprache sowie den geschriebenen Text und deckt die emotionalen Zustände des Sprechenden und Schreibenden auf. Im Business-Umfeld stehen im Fokus solcher Analysen in der Regel die von Kunden erzeugten Sprach- oder Textprodukte. Diese liefern beispielsweise Hinweise über die Einstellung von Kunden zu bestimmten Marken oder Produkten.
Um die Kundensprache und -texte auf positive oder negative Einstellungen zu untersuchen, können Unternehmen eine auf Methoden des maschinellen Lernens basierende Sentimentanalysesoftware verwenden. Mit den Erkenntnissen der Software können Verantwortliche dann sinnvoll reagieren – zum Beispiel mit mehr Empathie seitens des Kundenservices. Ziel der Sentimentanalyse ist es in den meisten Fällen, die Kundenbeziehung zu verbessern und die Kundenloyalität zu erhöhen.
Meist liefern die Interaktionen der Kunden mit dem Unternehmen Sprachdaten. Kunden-Unternehmens-Interaktionen sind allerdings nicht die einzige Quelle für solche Analysen. Unternehmen können die Kundenstimmung auch durch die Auswertung sozialer Medien wie Facebook erfassen. Das Monitoring sozialer Medien liefert erhebliche Datenmengen für NLP-Analysen. Damit können soziale Medien genauso wichtig sein, die Stimmung von Kunden zu erfassen, wie die direkte Interaktion.
Wenn das Unternehmen einmal festgelegt hat, wie es positive und negative Stimmungen in Kundenäußerungen erkennen und analysieren will, kann es seine Interaktionen mit dem Kunden verbessern. Durch die Untersuchung historischer Daten über Kundeninteraktionen und -erfahrungen kann das Unternehmen zukünftige Aktionen und Verhaltensweisen des Kunden vorhersagen und darauf hinarbeiten, diese Aktionen und Verhaltensweisen positiv zu gestalten.
Warum Sentimentanalyse notwendig ist
Die Sentimentanalyse kann die Kundenloyalität und -bindung durch verbesserte Services und Kundenerfahrungen optimieren.
Hierzu ein Beispiel: Ein Kunde stellt per E-Mail oder Chat eine Support-Anfrage. Das NLP-Machine-Learning-Modell führt eine Stimmungsanalyse des E-Mail- oder Chat-Textes des Kunden durch. Der Algorithmus erkennt den emotionalen Zustand des Kunden. Fühlt sich der Kunde in diesem Szenario aufgeregt oder klingt er verärgert, geben Geschäftsregeln, die sich auf diesen emotionalen Zustand beziehen, dem Kundendienstmitarbeiter die Anweisung für eine entsprechende Reaktion.
In diesem Beispielfall wird die Support-Anfrage unmittelbar auf höchste Priorität hochgestuft. Gleichzeitig wird ein Kundendienstmitarbeiter aufgefordert, sofort direkten Kontakt aufzunehmen. Letztendlich führt das Bewusstsein des Kundendienstmitarbeiters für den emotionalen Zustand des Kunden zu einer einfühlsameren Reaktion als eine Standardreaktion. Das Ergebnis ist eine zufriedenstellende Lösung des Problems und einer Verbesserung der Kundenbeziehung.
So simpel dieses Szenario auch erscheinen mag: Es zeigt plakativ, wie effektiv die Stimmungsanalyse die Kundenerlebnisse verbessern kann. Das Szenario ist gleichzeitig ein Beispiel für Augmented Intelligence, bei dem NLP die menschliche Leistung nicht ersetzt, aber unterstützt. In diesem Fall arbeitet der Kundendienstmitarbeiter mit Machine-Learning-Software zusammen, um mit einer anderen Person einen empathischeren Austausch zu ermöglichen.
Das Szenario ist aber nur eines von vielen möglichen. Die Stimmungsanalyse ist nicht nur ein Tool, das Unternehmen bei direkten Kundeninteraktionen einsetzen, sondern auch eine Ressource für das Markenmanagement in sozialen Medien.
Die positive oder negative Stimmung eines Kunden drückt sich nicht nur direkt gegenüber dem Unternehmen aus, sondern auch gegenüber anderen Kunden. Menschen teilen ihre Gefühle über die Produkte oder Dienstleistungen einer Marke gern und häufig in sozialen Medien mit – egal ob sie positiv oder negativ sind. Wenn ein Kunde ein Produkt oder eine Dienstleistung einer Marke mag oder nicht mag, postet er eventuell einen Kommentar dazu – und diese Kommentare können sich summieren. Solche Beiträge ergeben eine Momentaufnahme der Kundenerfahrung, die in vielerlei Hinsicht genauer ist als das, was eine Kundenbefragung des Unternehmens ergeben kann.
Hier kommt Social Media Monitoring ins Spiel. Durch die Auswertung der Kommentare, die Kunden über die Marke posten, kann das Sentimentanalyse-Tool die Stimmungen in den sozialen Medien erfassen und so Erkenntnisse gewinnen. Diese Aktivität kann zu gezielteren, empathischeren Reaktionen auf Kunden führen.
Optionen für Sentimentanalyse-Tools
Es gibt zahlreiche Schritte, um Sentimentanalysen erfolgreich ins tägliche Geschäft einzubinden. Der wichtigste Schritt ist aber die Auswahl der richtigen Software.
Welches Sentimentanalyse-Tool für ein bestimmtes Unternehmen am besten geeignet ist, hängt davon ab, wie die Software eingesetzt werden soll. Ein Unternehmen, das mit Sentimentanalysen ausschließlich die Antworten der Kundendienstmitarbeiter in Richtung mehr Empathie verbessern und unterstützen möchte, kann sich für ein entsprechend geeignetes Tool entscheiden. Ein Unternehmen hingegen, das an der Überwachung von sozialen Medien und der Auswertung dieser Daten für die Kundenstimmung interessiert ist, sollte ein anderes Tool wählen. Und ein drittes Unternehmen ist vielleicht daran interessiert, diese Stimmungsdaten zu kombinieren, um die zukünftige Produktentwicklung zu steuern, und würde wiederum ein anderes Stimmungsanalyse-Tool wählen.
Hier sind fünf Sentimentanalyse-Tools, die jeweils für bestimmte Anwendungsszenarien geeignet sind. Die Tools unterliegen keiner Rangfolge.
- Talkwalker. Dieses Werkzeug ist misst emotionale Nuancen; es kann zum Beispiel Sarkasmus erkennen. Es kann auch Trends in externen Daten eines bestimmten Marktes erfassen und so die Markenleistung mit anderen Marken vergleichen.
- Clarabridge. Clarabridge integriert die Ergebnisse einer Stimmungsanalyse eines Kunden mit anderen kontextbezogenen Daten, einschließlich Umfragen, Online-Bewertungen und E-Mails. Diese Funktion hilft, vorausschauende Einblicke in das Kundenverhalten zu generieren.
- MeaningCloud. Das Tool sammelt Sentimentdaten und führt neue Daten mit alten Daten zusammen. Sie können diese Analysefunktion nutzen, um in einem Kundenstamm im Laufe der Zeit langfristige Stimmungstrends und Verhaltensänderungen zu beobachten.
- Aylien. Der Fokus dieses Tools liegt auf den Texten von Nachrichten-Websites. Es ist nicht kundenspezifisch, sondern zeigt Markenerwähnungen in Artikeln, Rezensionen und Pressemitteilungen. Sie können es nutzen, um Einblicke in die Leistung Ihrer Marke auf dem Markt zu erhalten.
- Mention. Mention scannt nach Erwähnungen der Marke in sozialen Medien und auf Nachrichten-Websites sowie in Suchergebnissen. Die Ergebnisse werden als positiv oder negativ kategorisiert. Mention verfügt auch über eine Vergleichsfunktion für Mitbewerber. Das Tool sollten Sie in Betracht ziehen, wenn die Analyse von Stimmungen in den sozialen Medien das einzige wirkliche Interesse Ihres Unternehmens bei einer Sentimentanalyse ist.
Die Social-Media-freundlichen Tools lassen sich in Facebook und Twitter integrieren. Einige, wie Aylien, MeaningCloud und das mehrsprachige Rosette Text Analytics, verfügen auch über APIs. Mit diesen können Unternehmen Daten aus einer Vielzahl von Quellen abrufen.
Wie Sie Stimmungsanalyse für Kunden-Feedback nutzen
Ein notwendiger erster Schritt für Unternehmen ist es, ein oder mehrere Sentimentanalyse-Tools auszuwählen und eine klare Richtung für deren Einsatz vorzugeben.
Sentimentanalyse-Tools zeigen dem Unternehmen, worauf es in Kundentexten – einschließlich Interaktionen oder sozialen Medien – achten muss. Dabei geht es nicht nur darum, nach positiven und negativen Keywords zu scannen. Bei einzelnen Kunden treten im Laufe der Zeit Sprachmuster auf und tauchen in gleichgesinnten Gruppen auf – beispielsweise in Online-Verbraucherforen, in denen sich Menschen treffen, um Produkte oder Dienstleistungen zu diskutieren.
Das Unternehmen kann bestimmte Schlüsselwörter auswählen, die von der Sentimentanalysesoftware erkannt werden, wie zum Beispiel großartig oder schrecklich, einfach oder schwierig zu nutzen und günstig oder teuer.
Sie können aber auch Wortgruppen enthalten, zum Beispiel:
- Es hat mir nicht gefallen.
- Es funktioniert nicht.
- Es ist einfach zu benutzen.
Sentimentanalysesoftware kann auch emotionale Deskriptoren erkennen. Dies sind zum Beispiel Adjektive wie großzügig, irritierend, attraktiv, verärgert, charmant, kreativ, innovativ, verwirrend, reizend, lohnend, kaputt, gründlich, wunderbar, grauenhaft, ungeschickt und gefährlich.
Dies sind nur ein paar Beispiele aus einer Liste von Wörtern und Begriffen, die in die Tausende gehen kann. Software zur Stimmungsanalyse benachrichtigt Kundendienstmitarbeiter – und die Software – wenn sie diese bestimmten Wörter auf der Liste eines Unternehmens entdeckt. Manchmal erkennt ein regelbasiertes System die Wörter oder Ausdrücke und verwendet seine Regeln, um die Kundennachricht zu priorisieren und den Agenten aufzufordern, seine Antwort entsprechend zu ändern. Das Feedback des Kunden bestimmt die Vorgehensweise des Agenten.
Unternehmen können die Stimmung im Kunden-Feedback für die strategische Planung, das Produktdesign, Marketingkampagnen und die Verbesserung interner Prozesse nutzen.
Anwendungsfälle der Sentimentanalyse
Wenn Sie an Tools zur Stimmungsanalyse interessiert sind, sollten Sie die möglichen Anwendungsfälle betrachten:
Überwachung von sozialen Medien und Markenmanagement. Unternehmen können soziale Medien nach Erwähnungen ihrer Marken oder des Firmennamens durchsuchen und positive sowie negative Stimmungen über die Marke/das Unternehmen und ihre Angebote sammeln.
Reaktion des Kundendienstes. Im Kundenservice kann das Erkennen des emotionalen Tons des Kunden zu einem besseren Einfühlungsvermögen führen – was die Grundlage für eine komplette Überarbeitung der Arbeitsweise des Kundendienstes sein sollte.
Produktanalyse. Wenn ein Unternehmen ein neues Produkt oder eine neue Dienstleistung auf den Markt bringt, sollte genau beobachtet werden, wie die Kunden darauf reagieren. Unternehmen können hierfür Umfragen einsetzen, um Kundenreaktionen zu bewerten und Fragen oder Beschwerden überwachen, die beim Service Desk eingehen.
Während der Produkteinführung sollten Unternehmen auch soziale Medien überwachen. So können sie sehen, welchen ersten Eindruck das neue Angebot hinterlässt. Die Stimmung in den sozialen Medien ist im Allgemeinen offener und ehrlicher – und daher valider und nützlicher als Antworten in Umfragen.
Beim Sammeln von Social-Media-Daten sollten Unternehmen beobachten, welche Vergleiche die Kunden zwischen dem neuen Produkt oder der neuen Dienstleistung und den Wettbewerbern anstellen. Damit lässt sich messen, was das neue Produkt oder die neue Dienstleistung besser (oder schlechter) macht als das seiner Konkurrenten. Diese Daten können Teil des evolutionären Lebenszyklus des Produkts werden.
CRM-Erweiterung. Unternehmen können die Kundenstimmung nutzen, um Servicemitarbeiter zu alarmieren, wenn der Kunde verärgert ist. Sie können die Mitarbeiter damit besser in die Lage versetzen, das Problem neu zu priorisieren und mit Empathie zu reagieren, wie im Anwendungsfall Kundenservice beschrieben.
Kundenservice-Plattformen sind mit dem Customer-Relationship-Management-System (CRM) verknüpft. Diese Integration ermöglicht es einem Kundendienstmitarbeiter, die folgenden Informationen zur Hand zu haben, wenn das Stimmungsanalyse-Tool ein Problem mit hoher Priorität kennzeichnet:
- Den bevorzugten Kontaktkanal des Kunden – vor allem, wenn es sich um einen anderen Kanal handelt als den, über den er die Beschwerde eingereicht hat.
- Das Stadium der Customer Journey, zum Beispiel, ob es sich um einen neuen oder alten Kunden handelt.
- Die Häufigkeit von Problemen des Kunden in der Vergangenheit.
Diese Informationen können dem Agenten helfen zu entscheiden, wie er reagieren soll – nicht nur mit erhöhter Empathie, sondern auch mit größerer und gezielterer Effektivität.
