Stellen Sie sich vor: Sie haben eine Umfrage mit offenen Fragen verschickt und müssen nun die Antworten manuell auswerten, um verwertbare Erkenntnisse zu gewinnen. Das ist mühsam, nimmt viel Zeit in Anspruch und ist in großem Umfang gar nicht möglich. Hier setzt die KI-basierte Textanalyse für Kunden- und Mitarbeiterfeedback an.
Mithilfe von Textanalyse-Software, die auf maschinellem Lernen basiert, können Sie in kürzester Zeit Erkenntnisse aus Tausenden von offenen Textantworten gewinnen. In diesem Artikel erfahren Sie, was KI-Textanalyse ist und wie sie Ihre Kunden- und Mitarbeiterfeedbackprozesse auf die nächste Stufe bringen kann – und Ihnen das Leben erleichtert.
Was ist KI-basierte Textanalyse?
Das Netigate-Reporting wurde um den KI-gestützten Teil der Textanalyse (TA) erweitert. Durch maschinelles Lernen kann das Tool Textdaten schneller verstehen und analysieren als ein Mensch. Mit anderen Worten: Die KI-Textanalyse hilft Ihnen dabei, den vollen Umfang der Freitextantworten zu nutzen, ohne die Daten manuell auswerten zu müssen.
KI-basierten Textanalyse nutzt Natural Language Processing-Technologie, um Tausende von Textantworten zu sortieren, zu kategorisieren und Muster auf konsistente, unvoreingenommene und skalierbare Weise zu finden. Damit nimmt die KI-Textanalyse Ihnen die Fleißarbeit ab. Sie liefert Ihnen ein klares Bild von den Erfahrungen Ihrer Kundschaft sowie Ihrer Mitarbeitenden – und zwar in ihren eigenen Worten. So erhalten Sie alles, was Sie brauchen, um das „Warum“ hinter den quantitativen Feedback-Daten zu verstehen.
Und das Beste daran? All dies wird ohne die zeitraubende Arbeit und die hohen Kosten erreicht, die früher mit der Bearbeitung einer großen Anzahl von Textantworten verbunden waren.
Glossar zur automatisierten Textanalyse
Sie sind mit den technischen Konzepten der automatisierten Textanalyse nicht vertraut? Hier finden Sie eine Übersicht über einige der wichtigsten Begriffe:
Künstliche Intelligenz (KI): KI ist die Wissenschaft, mit der Maschinen beigebracht wird, kognitive Aufgaben auf die gleiche Weise auszuführen wie Menschen. Z.B. zu lernen, Probleme zu lösen und Entscheidungen zu treffen.
Machine Learning (ML): In diesem Teilbereich der KI geht es darum, Computern beizubringen, wie sie lernen und sich anpassen können, ohne dass der Mensch ihnen jedes Mal explizite Anweisungen geben muss.
Natural Language Processing (NLP): In dieser Disziplin werden Linguistik, Informatik und KI kombiniert. Sie beschäftigt sich mit der Frage, wie wir Computern beibringen können, Texte und gesprochene Worte wie Menschen zu verstehen und zu analysieren.
Deep Learning: Bei dieser Technik handelt es sich um ein maschinelles Lernverfahren, das Computern beibringt, nach dem Vorbild des Menschen zu lernen. Diese Art von Technologie steckt hinter selbstfahrenden Autos, die Ampeln und Fußgänger anhand von Verkehrsschildern erkennen können.
Unstrukturierte und strukturierte Daten: Unstrukturierte Daten folgen keinem Standardformat und sind schwieriger zu kategorisieren und zu sortieren. Ein gutes Beispiel für diese Art von Daten sind Textantworten und Bilder. Strukturierte Daten hingegen folgen einer vordefinierten Struktur, so dass sie leicht zu sortieren und zu verwalten sind (z. B. Telefonnummern und NPS-Bewertungen).
Was sind die Hauptbestandteile der KI-Textanalyse?
Stimmungsanalyse
Die Stimmungsanalyse ist eine Anwendung der Natural Language Processing-Methode. Sie zeigt sofort die emotionalen Hintergründe von Textantworten. Sie ist ein hervorragendes Instrument, um zu erkennen und zu verstehen, wie Ihre Kundschaft und Mitarbeitenden über Sie und Ihr Unternehmen denken.
Eine Anwendung zur Verarbeitung natürlicher Sprache, die sofort die emotionalen Zustände hinter Textantworten aufdeckt. Jede offene Textantwort, die Sie erhalten, wird untersucht und mit einem Label versehen: „Positiv“, „Negativ“, „Neutral“ oder „Gemischt“.
Anwendungsbeispiel:
Durch die schnelle Identifizierung negativer Meinungen können Sie sich besser auf Ihr Kunden- und Mitarbeiterengagement konzentrieren. Eine Stimmungsanalyse wäre z.B. eine gute Möglichkeit für Customer Success-Teams, schnell auf eingehende Kundenfeedbacks zu reagieren, die als „negativ“ gekennzeichnet sind.
Schlagwort-Extraktion
Die Schlagwort-Extraktion-Komponente der KI-Textanalyse von Netigate unterstützt Sie dabei Trends, Muster und Kernkonzepte in Tausenden von Textdaten schnell zu erkennen. Dabei setzt es Natural Language Processing ein, um Wörter und Phrasen aus unstrukturierten Daten zu identifizieren und zu extrahieren. Es hilft Ihnen bei negativem Feedback sofort Maßnahmen ergreifen zu können.
Anwendungsbeispiel:
Betrachten wir die Schlagwort-Extraktion im Zusammenhang mit dem Net Promoter Score. Der NPS ist hervorragend geeignet, um Ihnen einen schnellen Überblick darüber zu geben, wie loyal (oder nicht!) Ihre Kundschaft gegenüber Ihrem Unternehmen sind. Für sich genommen liefert er jedoch nur einen numerischen Wert.
Erfahren Sie aus den Freitext-Antworten, warum Sie bestimmte Bewertungen erhalten. Mit der Frage „Bitte erläutern Sie Ihre Bewertung“ kann die Schlagwort-Extraktion aufzeigen, was Ihren Kund*innen gefällt und was nicht. Das bedeutet, dass Sie gezielte Verbesserungen vornehmen können, die dazu beitragen, NPS-Kritiker in Promotoren zu verwandeln. Die gleiche Logik kann auch auf andere Kundenbefragungen und Kennzahlen wie CSAT und CES angewendet werden.
Laden Sie den ganzen Leitfaden zur Auswahl einer CX-Kennzahl herunter
Sortieren von Themen
Themen ist eine neue Deep Learning-Komponente, die es Ihnen ermöglicht, Freitext-Antworten automatisch in Themenkategorien zu sortieren, die Sie selbst definieren.
Dazu werden alle eingegangenen offenen Text-Antworten analysiert und die am besten passende Themenkategorie ausgewählt. Für jede Antwort wird anhand der extrahierten Schlagwörter das relevanteste Thema ausgewählt.
Anwendungsbeispiel:
Stellen Sie sich vor, Sie bearbeiten Kundenfeedback in einem Hotel und möchten es in Bezug auf bestimmte Bereiche des Unternehmens verstehen. Was muss in den Zimmern verbessert werden? Was sagt die Kundschaft über den Wellnessbereich?
Themen nimmt die unstrukturierten Daten, die Sie erhalten, auf und sortiert sie für Sie in diese Themen, so dass Sie Rückmeldungen sofort sortieren können, um einzelne Geschäftsbereiche zu unterstützen. Dies kann z. B. nützlich sein, wenn Sie nur über ein begrenztes Budget verfügen, um sich auf einen Bereich nach dem anderen zu konzentrieren.
Wie man KI-Textanalyse auf verschiedene EX- und CX-Kennzahlen anwendet
Einer der nützlichsten Aspekte der KI-Textanalyse ist ihre Fähigkeit, Ihnen einen ganzheitlichen Überblick über das Kunden- und Mitarbeiterfeedback zu verschaffen. Sie liefert die qualitativen, detaillierten Einblicke, die Sie benötigen, um Ihre quantitativen Daten in einen Kontext zu stellen.
Indikatoren wie CSAT und NPS sind effektiv, weil sie numerische Erkenntnisse liefern, die leicht zu erfassen, zu verfolgen und zu vergleichen sind. Was ihnen jedoch fehlt, ist ein Verständnis dafür, warum Ihre Kund*innen und Mitarbeiter*innen so denken und handeln, wie sie es tun.
Warum ist Ihr NPS in diesem Quartal gesunken? Was hat sich geändert, um Ihren eNPS-Wert zu erhöhen? Warum bewerten Kund*innen Ihre Website als schwierig zu bedienen? Freitext-Antworten sind der Schlüssel zur Beantwortung dieser geschäftskritischen Fragen, und die KI-Textanalyse kann Ihnen dabei helfen, dies in großem Umfang zu tun.
Customer Satisfaction Score (CSAT)
- Ermitteln Sie, welche Teile Ihres Produkts oder Ihrer Dienstleistung Ihren Kund*inne gefallen und welche nicht.
- Nehmen Sie gezielte, datengestützte Verbesserungen vor, indem Sie auf die individuellen Wünsche Ihrer Kundschaft eingehen.
- Reagieren Sie schnell auf negatives Produkt-/Dienstleistungsfeedback, um eine Eskalation zu vermeiden.
- Sofortige Einblicke in die Meinung von Tausenden von Kund*innen durch die Extraktion von Schlagwörtern und Themen.
Employee Net Promoter Score (eNPS)
- Entdecken Sie Trends, sobald sie entstehen.
- Verstehen Sie, was einen Detraktor zu einem Detraktor macht.
- Finden Sie heraus, was Ihre Promotoren glücklich macht.
- Erfahren Sie, wie Sie Ihre passiven Angestellten zu Markenbotschaftern machen können.
Customer Effort Score (CES)
- Erkennen Sie die Frustrationspunkte Ihrer Kundschaft.
- Wo gibt es Engpässe in Ihren Prozessen?
- Beseitigen Sie Hindernisse in kürzester Zeit.
- Reduzieren Sie arbeitsintensive Erfahrungen.
Warum ist die Analyse von Freitext-Antworten wichtig?
Um den Wert der KI-Textanalyse voll und ganz zu erfassen, müssen wir uns den Wert von Freitext-Antworten vor Augen führen. Befragte sollen hier in freien Texten antworten. Sie sind dadurch nicht beschränkt, durch Ankreuzen eines Kästchens zu antworten oder eine numerische Bewertung abzugeben.
Dadurch können die Befragten qualitatives, detailliertes Feedback wie Meinungen, Gedanken und konkrete Verbesserungsvorschläge mitteilen.
Die Vorteile dieser Art von Feedback sind unter anderem:
Das „Unbekannte“ entdecken
Mit Freitext-Antworten müssen Sie nicht mehr raten, sondern erhalten wertvolle Erkenntnisse darüber, was genau die Befragten brauchen, um Ihrem Unternehmen treu zu bleiben.
Das Zusammenspiel von qualitativen und quantitativen Daten
Erweitern Sie Ihre Daten über quantitative Kennzahlen wie (e)NPS und CSAT hinaus. Durch die Angabe von subjektiven Meinungen, Ideen, Gefühlen und Emotionen sind Freitext-Antworten unerlässlich, um numerische Daten und Verhaltensmuster von den Befragten in einen Kontext zu setzen.
So ermöglicht die KI-basierte Textanalyse nun erstmals, qualitatives Feedback zu messen und zu skalieren.
Die Feedback-Schleife sofort schließen
Wenn Sie genau wissen, was Ihre Kundschaft und Mitarbeitenden wollen – oder was sie nicht wollen –, können Sie schnell und gezielt Maßnahmen ergreifen.
Investieren Sie Zeit und Ressourcen an der richtigen Stelle
Mit der KI-Textanalyse können Sie Ihren Führungsteams umfassende, aggregierte Erkenntnisse liefern, die in die strategische Planung und Entscheidungsfindung einfließen.
Auch interessant: So stellen Sie offene und geschlossene Fragen
Der betriebswirtschaftliche Wert der automatisierten Textanalyse
Für Unternehmen spielt der Einsatz der automatisierten Textanalyse eine wichtige Rolle bei der Optimierung, Verbesserung und Skalierung von Feedback-Prozessen. Auf diese Weise können sie auch ihre Fähigkeit zur verbesserten Kunden- und Mitarbeitererfahrung verbessern. Zu den besonderen Vorteilen gehören:
- Verwaltungszeit und -kosten sparen: Schluss mit der manuellen Bearbeitung von offenen Texten in Excel. Arbeiten, die früher viel Zeit und Ressourcen in Anspruch nahmen, können jetzt in wenigen Minuten erledigt werden.
- Skalierbarkeit: Die KI-Textanalyse ermöglicht es, Tausende von Text-Antworten im Handumdrehen zu analysieren und zu verstehen. Dies ist eine leicht skalierbare Lösung, anders als das manuelle Sortieren der Antworten in Excel.
- Verbesserte Datenerfassung: Freitext-Antworten sind eine Fundgrube für wertvolle, detaillierte Informationen. In der Vergangenheit wurden sie von den Unternehmen gemieden, weil sie zu schwer zu klassifizieren und zu verwenden waren. Jetzt nicht mehr.
- Schnelle Erkenntnisse. Schnelles Handeln.: Zwischen dem Einholen des Feedbacks und dem Ergreifen der notwendigen Maßnahmen gibt es dank der KI-Textanalyse keine Zeitverzögerung mehr. So können beispielsweise Kundenbeschwerden sofort erfasst und bearbeitet werden.
- Das „Warum“ verstehen: Text-Antworten helfen Ihnen, Ihre quantitativen Daten in einen Kontext zu stellen. Das bedeutet, dass Sie nicht nur verstehen, was passiert, sondern auch, warum es passiert.
- Erfahrungsbasierte Investitionen priorisieren: Textantworten geben Ihnen genaue Einblicke in Kunden- und Mitarbeiterwünsche. Lassen Sie das Rätselraten und konzentrieren Sie sich auf das Wesentliche.
Grenzen der KI-Textanalyse und wie man sie überwindet
Wie bei jeder Software gibt es auch bei KI-Textanalyse-Tools Einschränkungen. Viele davon lassen sich jedoch mit etwas Vorbereitung in der Phase der Umfrage-Entwicklung leicht überwinden.
Am besten funktioniert es mit hochwertigen Antworten
Die KI-Textanalyse funktioniert am besten, wenn es gute KI-Textantworten gibt, die analysiert werden können. In diesem Artikel helfen wir Ihnen, die Vorteile offener Fragen zu verstehen und zu lernen, wie man effektive Fragen schreibt. Kurz gesagt, eine gut formulierte Frage führt zu qualitativ besseren Antworten. Hier einige Tipps:
- Vermeiden Sie geschlossene Fragen, die die Befragten mit „Ja“ oder „Nein“ beantworten können. So bleibt nichts zu analysieren.
- Stellen Sie „Was“-Fragen, die es den Befragten ermöglichen, ihre Gedanken und Meinungen detailliert zu erläutern.
- Auf der Netigate-Plattform können Sie die Größe des Antwortbereichs für Freitext auswählen. Unsere Experten haben festgestellt, dass ein größerer Antwortbereich zu detaillierteren Antworten führen kann.
Das Verfassen von Antworten durch Kund*innen und Mitarbeiter*innen erfordert mehr Zeit
Wer kennt das nicht? Wir füllen eine Umfrage aus und zögern, wenn es um die Beantwortung einer offenen Frage geht. Die Beantwortung kann Zeit in Anspruch nehmen und erfordert mehr Überlegung als das einfache Ankreuzen eines Kästchens. Folgende Tipps helfen, Kund*innen und Mitarbeiter*innen zum Antworten zu ermutigen:
- Schreiben Sie einen Einleitungstext für Ihre Umfrage, in dem Sie erklären, wofür das Feedback verwendet wird. Wenn die Befragten das Gefühl haben, dass ihr Feedback zu positiven Veränderungen beiträgt, sind sie eher bereit, es abzugeben.
- Verwenden Sie nicht zu viele offene Fragen in einer Umfrage. Dies kann die Befragten überfordern, und die Antworten werden im Laufe der Umfrage abnehmen. Anstatt mehrere verschiedene Fragen zum selben Thema zu stellen, können Sie die Stimmungsanalyse nutzen, um „negative“ und „positive“ Antworten zu sortieren. Zum Beispiel: „Sagen Sie uns, was Sie von dem Produkt halten“, anstatt zwei verschiedene Fragen zu stellen, um zu erfahren, was ihnen gefallen hat und was nicht.
KI-Textanalyse in der Netigate-Plattform live erleben
Unsere internen Expertenteams zeigen Ihnen gerne, wie die KI-Textanalyse funktioniert. Erfahren Sie mehr darüber, wie Sie die KI-Textanalyse für Ihre speziellen Anforderungen nutzen können und wie sie mit den anderen Komponenten des Netigate Reportings zusammenarbeitet. Wenn Sie interessiert sind, klicken Sie hier, um eine Demo zu vereinbaren.
