Was kann uns eine Black Mirror-Folge über CX und NPS lehren? Lassen Sie uns in die beunruhigende Natur der Minimierung des Spektrums von Kundenemotionen auf eine grundlegende Kennzahl eintauchen.
Falls Sie kein Fan von sind oder bisher noch nicht bereit waren, für ein Netflix-Abonnement zu bezahlen, bitte ich Sie um etwas Geduld – insbesondere, wenn Sie sich für das Management von Kundenfeedback interessieren.
Die Folge, die mir besonders im Ged?chtnis geblieben ist, war die , insbesondere eine der Nebenhandlungen: ?Monkey loves you“. Darin wird ein beunruhigendes Szenario geschildert, in dem das Bewusstsein der verstorbenen Ehefrau des Protagonisten in einen teddyb?r?hnlichen mechanischen Affen übertragen wird, durch den sie sich nur mit zwei einfachen S?tzen ausdrücken kann: ?Monkey loves you“ oder ?Monkey needs a hug“.
Anhand dieses Konzepts untersucht die Folge, wie menschliche Ausdrucksformen durch Technologie eingeschr?nkt und verzerrt werden, wodurch menschliche Beziehungen auf etwas Mechanisches reduziert werden, dem jede echte Tiefe fehlt.?
In dieser Folge ging es sicherlich nicht darum, wie wir Umfragen sammeln und auswerten, aber ich habe mich gefragt: Inwieweit reduzieren wir die Erfahrungen unserer Kunden in unserer Analyse?
Die NPS-Falle, der Promoter Blindspot und andere Fallstricke der Umfrageanalyse
Der Net Promoter Score (NPS) ist ein Standardma?stab, der von Unternehmen auf der ganzen Welt verwendet wird und eine gute M?glichkeit für Unternehmen darstellt, ihre Leistung im Vergleich zu ihren Wettbewerbern zu messen. Der Nachteil dieser zu starken Vereinfachung ist jedoch, dass sie einen Tunnelblick erzeugt, der auch als bezeichnet wird. Im Wesentlichen warnt sie uns vor den Gefahren einer zu starken Vereinfachung der komplexen Landschaft der Kundenerfahrungen.
Allzu oft konzentriert sich die Auswertung von Umfragen ausschlie?lich auf das Feedback der Kritiker, wobei die subtilen Frustrationen übersehen werden, die sich hinter ansonsten positiven Kennzahlen verbergen. Dies kann zu einem sogenannten ?笔谤辞尘辞迟别谤-叠濒颈苍诲蝉辫辞迟“ führen, bei dem wertvolle Erkenntnisse treuen Kunden unbeachtet bleiben, nur weil ihre Bewertungen hoch sind. Oft schildern diese Kunden zwar ebenfalls Reibungspunkte, Entt?uschungen oder verpasste Chancen, doch ihre Stimmen finden nicht die gleiche Beachtung.?
Man muss sich bewusst machen, dass Unzufriedenheit nicht immer mit einer niedrigen Bewertung einhergeht und dass Loyalit?t nicht bedeutet, dass man schweigt, wenn es um Verbesserungsbedarf geht.
?hnliche Herausforderungen stellen sich uns bei contact center unserem contact center . Umfragen nach dem Gespr?ch sind oft unsere wichtigste Quelle für Einblicke in das customer experience: CSAT-Werte, L?sungsquoten oder sogar offene Kommentare. Doch all dies erfolgt erst, nachdem der Moment bereits vorbei ist. Sie bieten nur einen Teilüberblick darüber, was tats?chlich passiert ist, und noch weniger Aufschluss darüber, warum.
Was wir oft übersehen, ist der menschlichste Teil des Kundendienstes: das Gespr?ch selbst. Kontaktzentren sind keine reinen Supportabteilungen. Sie sind voll von Fragen in Echtzeit, Verwirrung, Frustration, Bedürfnissen und wichtigen Momenten. Aber wie oft h?ren wir wirklich zu? Ein Kunde gibt vielleicht eine positive Bewertung in einer Umfrage ab, weil der Mitarbeiter freundlich war, aber das eigentliche Problem, das den Anruf verursacht hat, liegt in den Worten des Gespr?chs verborgen und nicht in der Umfrage.
Wie man den Kunden besser zuh?rt
Nachdem wir nun einige der blinden Flecken und Grenzen der Analyse von customer experience beleuchtet haben, die entstehen, wenn man sich ausschlie?lich auf Kennzahlen konzentriert, wollen wir uns nun damit befassen, wie wir diese Herausforderungen mithilfe von Textanalyse bew?ltigen k?nnen.?
Die Textanalyse hilft dabei, Ihre unstrukturierten Daten, die Gespr?che selbst oder die offenen Kommentare in Umfragen zu strukturieren und zu priorisieren, da diese Erkenntnisse die herk?mmlichen Kennzahlen Erkenntnisse die wertvollsten Erkenntnisse liefern und es uns erm?glichen, wirklich zu verstehen, was der Kunde zum Ausdruck gebracht hat.?
Themen?
Beginnen wir mit den Grundlagen: den Themen, die Sie auf Ihre unstrukturierten Daten anwenden. Ein Thema ist im Wesentlichen eine Reihe von Schlüsselwortkombinationen, die dazu dienen, bestimmte Kommentare im Kundenfeedback zu erfassen. Ein Thema k?nnte zum Beispiel S?tze wie "die Person, die mir geholfen hat, war ungeduldig mit mir" markieren. Mit diesem Ansatz k?nnen Sie unstrukturierten Text in sinnvolle Kategorien einteilen, die wir Themen nennen.
Die Grundlage einer effektiven Textanalyse bildet die Erstellung einer Themenliste, die Ihre Kerngesch?ftsbereiche widerspiegelt. Branchenspezifische Themen tragen dazu bei, dass die Erkenntnisse im Kontext Ihrer Produkte, Dienstleistungen und Customer Journeys relevant und umsetzbar sind.
Wenn die Themenliste erst einmal steht, geht es nicht darum, dass Sie sie noch Kommentar für Kommentar lesen k?nnen. Stattdessen organisieren wir sie so, dass Sie schnell herausfinden k?nnen, welche Themen Ihre Aufmerksamkeit erfordern. Wir heben Themenvolumina, NPS-Durchschnittswerte und auf der Stimmung basierende Metriken hervor (auf die wir sp?ter noch eingehen werden).
Neben diesen grundlegenden branchenspezifischen Themen bieten Themen mit einem einzigartigen Blickwinkel auf die Daten eine zus?tzliche Ebene der Erkenntnis. Zum Beispiel unsere Themen "Emotionen", "Psychische Krisen" und "Kundenempfehlungen". Diese einzigartigen Themen k?nnen Ihnen bei der Suche nach wertvollen Schichten in Ihren bestehenden Themen enorm helfen. Lassen Sie mich erkl?ren, wie!
Thema Koexistenz
Das Modul Topic Co-occurrence in 糖心原创 Text Analytics hilft zu erkennen, wie verschiedene Themen oder Probleme im Kundenfeedback zusammen auftauchen. Anstatt Themen isoliert zu betrachten, identifiziert dieses Tool Muster, bei denen zwei oder mehr Themen innerhalb desselben Feedbacks auftauchen, entweder über den gesamten Kommentar oder sogar innerhalb desselben Satzes. Diese Detailgenauigkeit hilft dabei, Zusammenh?nge aufzudecken, die bei einer standardm??igen Themenanalyse m?glicherweise nicht offensichtlich sind.
Wenn Sie beispielsweise Ihre branchenbezogene Kernthemenliste mit Themen zu emotionalen Signalen verknüpfen, k?nnen Sie erkennen, welche h?ufigen Probleme – wie Produktkonfiguration, Rechnungsstellung oder Kundenbetreuer-Support – oft mit starken emotionalen Reaktionen verbunden sind. Ihr Thema ?Verst?ndlichkeit der Rechnungsstellung“ k?nnte h?ufig gemeinsam mit dem Emotionsthema ?Angst“ auftreten. Bei der Analyse von Gespr?chsdaten k?nnen Sie das gemeinsame Auftreten auch nach Stimmung oder sogar nach Sprecher (Mitarbeiter vs. Kunde) filtern. So k?nnen Sie bei der Analyse Ihrer contact center genau feststellen, ob ein bestimmtes Problem vom Kunden angesprochen, vom Mitarbeiter behandelt oder von beiden thematisiert wird.
Diese Art von vielschichtigem Einblick ist der Schlüssel zur Identifizierung von Grundursachen, zur Verfolgung aufkommender Probleme und zum Verst?ndnis, wie verschiedene Erfahrungen die Gesamtwahrnehmung des Kunden beeinflussen. Durch die Nutzung der Koinzidenz von Themen k?nnen Unternehmen gezieltere und fundiertere Verbesserungen an Produkten, Dienstleistungen und Kommunikation vornehmen.
Sentiment-Analyse?
Eine weitere Ebene, auf der unstrukturierte Daten entwirrt werden k?nnen, ist die Verwendung des Stimmungsmodells auf der Themenebene.
糖心原创Sentiment-Engine bewertet den Ton jedes Satzes im Feedback, ob aus Umfragekommentaren, Chats oder transkribierter Sprache, und klassifiziert sie von stark negativ bis stark positiv, mit Kategorien dazwischen.
In der Textanalyse-Berichterstattung wird diese Stimmung auf Phrasenebene aufgerollt, um zu zeigen, wie die einzelnen Themen auf der Stimmungsebene abschneiden. Sie k?nnten zum Beispiel schnell feststellen, dass das Thema "Produkte online finden" einen negativen Prozentsatz von 60 % aufweist.?
Aber die Stimmung ist mehr als nur ein Hinweis auf negative Erfahrungen. Sie spielt eine wichtige Rolle bei der Festlegung von Priorit?ten. Eine wichtige Kennzahl ist der Net Sentiment Score (NSS), der sich einfach aus dem Prozentsatz der positiven Bewertungen abzüglich des Prozentsatzes der negativen Bewertungen ergibt. Anhand dieses Wertes k?nnen Sie schnell erkennen, ob ein Thema eher positiv oder negativ besetzt ist.
Der NSS ist eine ?u?erst wertvolle und einfach zu verwendende Kennzahl, die jedoch nicht berücksichtigt, wie oft ein Thema auftaucht. Um Ihnen bei der Priorisierung zu helfen, insbesondere wenn Sie ein sehr negatives Thema mit Tausenden von Kommentaren mit einem Thema mit nur wenigen Kommentaren vergleichen, verwenden wir den NSS Impact Score. Diese Metrik kombiniert den Stimmungswert mit dem Volumen dieses spezifischen Themas, um seinen Gesamteinfluss auf Ihren Net Sentiment Score zu berechnen. Kurz gesagt, sie sagt Ihnen, wie stark ein Thema die Stimmung Ihrer Kunden nach oben oder unten zieht - so k?nnen Sie sich auf die Themen konzentrieren, die am wichtigsten sind.
?ber den NPS hinaus?
So wie der Satz "Der Affe liebt dich" oder "Der Affe braucht eine Umarmung " in Black Mirror einen begrenzten Ausdruck menschlicher Gefühle darstellt, müssen wir sicherstellen, dass unsere Analyse von Kundenfeedback nicht in dieselbe Falle tappt.?
Es reicht nicht aus, nur zu verstehen, dass ein Kunde uns "liebt". Wir müssen tiefer graben, um zu verstehen, warum sie so empfinden. Mithilfe der mehrfachen Textanalyse erhalten wir ein umfassenderes, vollst?ndigeres Bild unserer St?rken und der Bereiche, in denen wir uns verbessern k?nnen.?
Die Welt der Textanalyse ist unglaublich reichhaltig und bietet unz?hlige M?glichkeiten, tiefer und sinnvoller zuzuh?ren. Was ich hier erz?hlt habe, kratzt nur an der Oberfl?che. Mit neuen KI-Funktionen wie Zusammenfassung und Themenerkennung haben wir mehr Werkzeuge als je zuvor, um über die Stimmung hinauszugehen und die wahren Geschichten hinter den Noten aufzudecken.?
Das Wichtigste dabei ist jedoch, dass es nicht nur darum geht, zu h?ren, dass Monkey dich liebt, sondern darum, zu lernen, wie man diese Liebe wachsen l?sst und weiterentwickelt.
Psst… ist dir aufgefallen, dass die Teilnahmequoten bei Umfragen rapide sinken? Hier ist unser Leitfaden , wie du mit dieser neuen Realit?t umgehen kannst.
