SPSS GmbH Software

Pressemeldung April 2008

Bis zur Blogosphäre und noch viel weiter

Schöne, neue Online-Welt: Trends in der Kundenfeedback-Analyse

Ohne Web 2.0 geht’s nicht mehr: Die neue IT-Ära birgt zahlreiche Chancen, noch mehr aus Daten herauszuholen. Blogs und Networking-Seiten bieten Kunden die Möglichkeit, Meinungen interaktiv kundzutun. Beste Beispiele: Die sozialen Netzwerke Facebook oder StudiVZ. Doch wie lassen sich die aus Online-Netzwerken gefilterten Erkenntnisse sinnvoll für das eigene Unternehmen nutzen? Viele Organisationen und Firmen sind schier überwältigt von der gewaltigen Datenmenge, die ihnen tagtäglich aus dem Web und anderen Kommunikationskanälen entgegen schwemmt. In Umfragen sammeln, speichern und analysieren viele Firmen bereits Meinungsinformationen. Bei Blogs und Webforen sieht das anders aus: Auch wenn diese Informationen genauso einfach gesammelt werden könnten, wissen viele Unternehmen nicht, was sie mit den Web 2.0-Daten überhaupt anfangen sollen.

Dabei könnten sich diese Kundenmeinungen als außerordentlich wertvoll für Enterprise Feedback Management (EFM) Strategien erweisen. Zum EFM zählen das Sammeln von Kundeninformationen und die anschließende Auswertung, bei der die gewonnenen Einsichten für sachkundige Geschäftsentscheidungen genutzt werden. Die Botschaften, die aus den frei zugänglichen Texten in diesen Medien durch Text Mining oder Sentiment Analysis gezogen werden können, bieten einen seltenen Einblick in die Gedankenwelt und das Verhalten der Kunden. Der internationale Finanzdienstleister Merrill Lynch hat herausgefunden, dass 80 Prozent aller Daten unstrukturiert und als frei zugänglicher Text vorliegen. Das Problem: Die meisten derzeit existierenden Analysen wurden nur für strukturiert vorliegende Daten konzipiert. Text Mining kann hier zusätzliche Einsichten und strukturierte Zusammenhänge vom Text zu den Kundendaten liefern – eine große Unterstützung für den Entscheidungsfindungsprozess. Text Mining nutzt natürliche Sprachbearbeitungstechniken. Durch diese Technik können Konzepte, Zusammenhänge und Stimmungen aus den freien Texten der Message Boards oder Blogs herausgefiltert werden.

Zurück zu den bekannten Meinungsfindungsprozessen: Es ist möglich, Stimmungen auszuwerten, die während eines Kundengesprächs vom Call Center aufgenommen wurden. Um dieses Tool zu nutzen, müsste ein Unternehmen zunächst auf Text Mining zurückgreifen: Zunächst werden Daten nach Schlüsselwörtern untersucht und dann konkrete Angebote umgewandelt –noch während der Call Center-Mitarbeiter am Telefon sitzt. Tauchen bestimmte Muster auf, kann die Analyse Themen markieren oder eine Cross-Selling- beziehungsweise Up-Selling-Möglichkeit herausarbeiten. Sentiment Analysis ist in der Lage die Potenziale, die in Call-Center-Mitschriften und in der Analyse eines Kundengesprächs stecken, noch besser zu nutzen. Unternehmen messen nicht länger nur Themen – sie greifen auch auf potenzielle emotionale Antworten zurück. Diese verbessern im Gegenzug die Treffgenauigkeit der Voraussagen, die in den Trends der Datenauswertung entdeckt wurden. Ein Unternehmen, das sich derzeit erfolgreich der ganzheitlichen 360-Grad-Sicht auf den Kunden annähert, ist der größte Kabelnetzwerkbetreiber in der Schweiz, Cablecom. Nach einer Implementierung von Predictive Analytics, folgte die Einführung des EFM. Cablecom erkannte, dass diese Strategie nur dann erfolgreich verlaufen und die Kundenfluktuation reduzieren würde, wenn sie den genauen Punkt identifizierten, an dem Kunden der Service missfällt. Heute kann Cablecom präzise die Kunden identifizieren, die abwandern würden. Gleichzeitig lassen sich Maßnahmen treffen, um die Kundenbindung zu verbessern. In ersten Pilotstudien konnte nachgewiesen werden, dass die Anzahl der verlorenen Kunden durch dieses Vorgehen von 19 auf zwei Prozent minimiert werden konnte.

Trotzdem: Auch wenn unstrukturierte Daten, wie aus Foren und Blogs, immer wichtiger werden, geht es nicht darum, eine Art der Kundeninformation der anderen vorzuziehen. Auch wenn die Daten aus dem Internet eine hohe Qualität aufweisen, sind sie keinesfalls wichtiger als die klassischen Datenquellen wie beispielsweise Transaktionsdaten. Stattdessen sollten so viele Informationen wie möglich auf die effektivste Art und Weise in die Analysen mit einfließen. Mit dabei: Das Web 2.0.