Wissen, was Kunden wollen

Customer Experience – zwei Worte, die in der Geschäftswelt immer mehr an Bedeutung gewinnen, die allerdings nicht immer leicht mit Leben zu füllen sind. Dabei sprechen die Fakten eine klare Sprache: Customer Experience ist für Umsatz und Kundenbindung elementar wichtig. Laut einer aktuellen Studie von Deloitte geben Kunden mit positiven Erfahrungen 140 Prozent mehr aus als Kunden mit negativen Erfahrungen. Ist das Markenerlebnis positiv, bleiben Kunden der Marke bis zu fünf Jahre länger treu. Und während Kunden mit negativen Erfahrungen im Schnitt 16 anderen Personen in ihrem Umfeld davon berichten, empfehlen Menschen mit einer positiven Customer Experience im Schnitt neun anderen Menschen davon und empfehlen die Marke somit weiter. 

Es lohnt sich also für Unternehmen, die Erfahrungen der Kunden genau zu analysieren und die Strategie danach anzupassen. Die große Frage ist allerdings, wie dies schnell und effizient gelingen kann. Die Antwort ist zunächst einfach: Mithilfe von Kundendaten. Denn die sind in den Unternehmen in der Regel im großen Stil vorhanden. Woran es hingegen oftmals scheitert, ist das korrekte Erfassen, Analysieren und Verarbeiten dieser Daten, womit im Umkehrschluss leichtfertig Wettbewerbsvorteile verspielt werden. 

Die Kunst, die Daten so zu verarbeiten, dass sie positiv auf die Customer Experience einzahlen, liegt darin, Stimmungen und Tendenzen aus den vorhandenen Daten herauszufiltern. Und damit ist man aus technologischer Sicht dann sehr schnell beim Natural Language Processing, kurz NLP. 

Dahinter verbirgt sich ein Bereich der Künstlichen Intelligenz, der sich mit der Wechselwirkung zwischen Computern und menschlicher Sprache befasst. Vereinfacht ausgedrückt ermöglicht NLP es Maschinen, menschliche Sprache zu verstehen, zu interpretieren und darauf zu reagieren. 

Damit ist NLP die ideale Technologie, um aus großen Mengen von Kundenbewertungen und Feedback, ja selbst aus Social-Media-Beiträgen eine Sentiment-Analyse zu erstellen. Die liefert dann wertvolle Einblicke in die emotionalen Reaktionen der Kunden in Bezug auf ein Produkt, eine Dienstleistung oder eine Marke. Indem Unternehmen diese Informationen nutzen, können sie ihre Geschäftsstrategien flexibel anpassen, um aufkommende Bedenken gezielt zu adressieren und positive Rückmeldungen als starke Basis für weiteres Wachstum zu nutzen.

Dieser aktive und datengestützte Ansatz stellt sicher, dass Unternehmen einen klaren Einblick in die Präferenzen und Erwartungen ihrer Kunden erhalten. Die Fähigkeit, das Sentiment der Kunden zu verstehen und angemessen zu reagieren, eröffnet einen wertvollen Raum für kontinuierliche Verbesserungen und eine stärkere Kundenbindung. Unternehmen können auf eine authentische Weise auf die Bedürfnisse ihrer Kunden eingehen und somit langfristige Beziehungen aufbauen, die auf Vertrauen und gegenseitigem Verständnis beruhen.

Nun ist KI spätestens seit diesem Jahr vollends im Geschäftsleben und in der Marktforschung angekommen. Laut einer Umfrage von Qualtrics ist beispielsweise ein Großteil der Entscheider aus der Marktforschung davon überzeugt, dass KI in den kommenden zehn Jahren einen erheblichen Einfluss auf ihre Branchen haben wird.

Dabei ist allerdings bisher nur gut die Hälfte der Befragten überzeugt zu wissen, was KI genau ist. Und hier zeigt sich eine der großen Herausforderungen für den Nutzen bringenden Einsatz von Künstlicher Intelligenz: Eine KI ist immer nur so gut, wie die Daten, mit denen sie trainiert wird. 

Das gilt für Natural Language Processing umso mehr, denn unsere menschliche Sprache mit ihren nicht-logischen Mustern und subjektiven Nuancen erfordert ein noch präziseres Training. Ist diese Hürde jedoch einmal genommen, ist NLP mittlerweile so weit, menschliche Sprache nicht nur zu analysieren und zu verarbeiten, sondern daraus im Fall eines konkreten, beispielsweise als Freitext verfassten Kundenfeedbacks sogar explizite Handlungsempfehlungen für Unternehmen abzuleiten. 

Die Stärken von NLP sind dabei vielfältig: Die Technologie kann sowohl die Stimmung zu einem Produkt oder ein für ein Unternehmen wichtiges aufkeimendes neues Thema herausfiltern, automatisierte Feedbackanalysen fahren oder sogar für personalisierte Kundeninteraktionen eingesetzt werden. 

Stichwort: negative Bewertungen. Und mit der fortschreitenden Evolution der Künstlichen Intelligenz werden sich die Anwendungsgebiete des Natural Language Processing weiter ausdehnen und den Unternehmen ein noch umfassenderes Spektrum an Möglichkeiten eröffnen.

Um NLP so zu trainieren, dass diese Vorteile auch gehoben werden können, bedarf es allen voran methodischer Lernansätze, mit der die KI trainiert wird. Um das besser zu verstehen, kann man sich die Herausforderungen vor Augen führen, die bei der manuellen Auswertung von Kundenfeedback entstehen. 

Da ist zum einen die schiere Menge, die es zu verarbeiten gilt – etwas, wofür KI natürlich prädestiniert ist. Hinzu kommt allerdings die subjektive Sprachwahrnehmung. Legt man verschiedenen Personen denselben Text vor, wird dieser in der Regel immer etwas anders interpretiert. 

Auch hier kann die Maschine mit ihrer systematischen, zuverlässigen Einschätzung einen großen Mehrwert liefern – mit dem richtigen Lernansatz. Unsere Erfahrung zeigt beispielsweise, dass es äußerst sinnvoll ist, KI-Modelle ausschließlich mit Textdaten zu trainieren, die von mindestens drei Fachexperten einheitlich bewertet wurden. Auf diese Weise wird gewährleistet, dass die KI präzise und vor allem qualifizierte Resultate liefert und die analysierten Informationen zuverlässig die höchste Relevanz haben.

Und dann gilt es vor allem auch, auf die Auswertungsqualität zu achten. Dafür müssen vor allem die Methoden zur Datenerfassung, Analyse und zur anschließenden Interpretation sorgfältig ausgewählt werden. Vor allem jene Projekte sind anspruchsvoll und mit erheblichem Ressourcenaufwand verbunden, bei denen die zum Einsatz kommenden Datensätze umfangreich sind. 

In der Regel werden ebensolche Projekte von einem erfahrenen IT-Dienstleister begleitet, der die Komplexität von NLP und dem damit verbunden Training bewerten und handeln kann. Allerdings gilt es, schon bei der Ausgestaltung der Zusammenarbeit Fallstricke zu vermeiden – etwa mit Blick auf die DSGVO, die immer dann greift, wenn größere Datenmengen zur Verfügung gestellt werden. Hier müssen Unternehmen und Drittanbieter eine individuelle Lösung finden, entweder über eine direkte Schnittstelle oder einen regelmäßig anders gestalteten Datentransfer.

Ein gangbarer Weg ist beispielsweise, dass die KI die Texte in kleinere Fragmente unterteilt werden, um leichter zwischen unterschiedlichen Themen und Sentiments zu unterscheiden. Diese Fragmente werden dann nach im Vorfeld definierten Keywords und Themen analysiert, wofür sie DSGVO-konform anonymisiert werden. Der Kunde bestimmt dabei die Abstände, in denen neue Suchen durch die KI angestoßen werden. Gibt es neue Themen oder Keywords, werden die durch das Projektteam noch einmal bestätigt, um die Relevanz für die gesteckten Ziele sicherzustellen.

Freitexte, Kommentare und Bewertungen von Kunden sind also ein Datenschatz, der Dank NLP mittlerweile gehoben und als Wettbewerbsvorteil genutzt werden kann. Unternehmen dürfen allerdings den Initialaufwand nicht unterschätzen, der damit verbunden ist. 

Denn es gilt nicht nur, ein Training mit echten Daten aufzusetzen und zu durchdenken, sondern auch die Zusammenarbeit zwischen IT-Dienstleister und Projektverantwortlichen klar zu regeln, sodass ein datenschutzkonformer Austausch über Schnittstellen möglich wird. Auch deshalb ist es wichtig, bei solch komplexen, aber allen voran zukunftsweisenden Projekte auf einen versierten Dienstleister zu setzen. 

Am Ende eines solchen Projekts stehen im Gegenzug wertvolle Einblicke, die das Tor zu einem besseren Kundenverständnis, gezielteren strategischen Unternehmensentscheidungen öffnen und damit Raum für neue Innovationen schaffen. Es ist ein dynamisches Zusammenspiel zwischen fortschrittlicher NLP-Technologie und kompetenter Beratung, die diese vorhandenen, aber bisher nur schwer zugänglichen Daten erschließt – und die könnten in Zukunft der entscheidende Wettbewerbsvorteil sein. 

Quelle: Enrico Abate-Daga

Enrico Abate-Daga, Circle Lead Analytics and Digital Process Automation von Skaylink