Kommentar von Alexander Faber, Cintellic Consulting Group

Mit Textmining zu besserer Kundenkommunikation

| Autor / Redakteur: Alexander Faber / Nico Litzel

Der Autor: Alexander Faber ist Wirtschaftsmathematiker und arbeitet als Unternehmensberater bei der Cintellic Consulting Group
Der Autor: Alexander Faber ist Wirtschaftsmathematiker und arbeitet als Unternehmensberater bei der Cintellic Consulting Group (Bild: © Christian Daitche (www.FOTOBONN.de))

Auf Kundenbeschwerden schnell, präzise und im Idealfall im ersten Wurf problemlösend zu reagieren, das ist eine Königsdisziplin im Kundenerlebnis-Management. Gerade für Konzerne mit einer großen heterogenen Kundschaft, zum Beispiel im Handel, für Finanzdienstleister oder Versorger, ist das ein Fokusthema.

Kunden, die mit allem rundum zufrieden sind, melden sich in der Regel nicht beim Unternehmen. Wenn Kunden sich melden, dann ist meistens irgendetwas nicht in Ordnung. Um der Anliegens- oder sogar Beschwerde-Kommunikation Herr zu werden, muss man sich der Technologie bedienen. Die Stichworte sind Künstliche Intelligenz, Textmining und damit entwickelte Algorithmen, welche dafür sorgen, dass große Mengen an Informationen automatisiert interpretiert und sortiert werden können.

Textmining bedeutet im wortwörtlichen Sinn ja auch, dass man der Bedeutung der Texte auf den Grund geht („mining“). Man findet heraus: Was will uns der Kunde sagen, respektive, was wollen uns so viele Kunden sagen, dass es offenbar ein großes Thema ist, auf das wir umfänglich reagieren müssen? Solche relevanten Themen, die der einzelne Callcenter-Mitarbeiter im Kundenservice gar nicht erkennen und einordnen kann, können mithilfe von Textmining identifiziert werden.

Aufgaben, die Technologie übernehmen kann

Textmining bedeutet, dass in der Vielzahl von sogenannten unstrukturierten Texten, wie man die E-Mails, Anrufe, Briefe oder Kommentare von Endkunden nennt, so etwas wie Muster erkannt werden. Einfaches Beispiel: Kommen Worte wie „Rechnung“, „Geschmack“ oder „Preis-Leistungs-Verhältnis“ gehäuft vor, sind das erste Hinweise auf relevante Themen. Haben wir ein Problem in der Buchhaltung? Haben wir bei der Rezeptur des Schokopuddings den Geschmack der Kundenmehrheit verfehlt? Sind wir zu teuer?

Ein weit verbreiteter Irrtum: Maschine ersetzt den Menschen

Man könnte jetzt denken, das geht alles automatisch. Im Prinzip ist das auch so. Aber der Mensch ist weniger denn je ersetzbar, denn der Algorithmus leistet nur, was man ihm „beigebracht“ hat: Er macht sozusagen Vorschläge für die Einordnung oder Klassifikation der Texte und gibt an, wie sicher er sich bei der Zuordnung ist. So können sich die Berater auf die kritischen, komplizierten Fälle konzentrieren. Die Kombination aus menschlichem Know-how und Künstlicher Intelligenz bzw. dem sogenannten Machine Learning schöpft die Potenziale von Textmining erst aus. In der Praxis gilt: Ein Algorithmus „von der Stange“ bewältigt 20 Prozent der geforderten Leistung, erst der Mensch kann ihn auf 100 Prozent Leistung bringen.

Was beinhaltet die menschliche Vorbereitung?

Programmierer sprechen hier vom sogenannten „Pre-Processing“: Ein Mensch, der das Unternehmen, seine Kunden, Produkte und damit die „Themen“ kennt, gibt dieses Wissen bei der Programmierung an den Algorithmus weiter. Dieser Wissenstransfer ist keine einmalige Angelegenheit. Mit neuen Angeboten in der Produkt- oder Dienstleistungspalette eines Unternehmens entstehen laufend neue Themen und auch Ausdrucksweisen verändern sich. Erst ein derart maßgeschneiderter und laufend gepflegter Algorithmus kann fehlerfrei arbeiten, und zu Ergebnissen führen, die allgemeingültige Schlussfolgerungen ermöglichen.

Wer leistet dieses „Pre-Processing“? Die Idealbesetzung für diese Aufgabe ist zum Beispiel ein CRM-Berater, der das technologische Know-how mitbringt, aber gleichzeitig das Unternehmen so gut kennt, dass er quasi zum Vermittler zwischen Unternehmen und Algorithmus wird. Je komplexer ein Unternehmen ist, je spezieller die Kundenanliegen und je vielfältiger die Themen, desto weniger kann man sich auf standardisierte Lösungen verlassen.

Grenzen des Textmining

Standardisierte Lösungen können funktionieren, wenn es um einfache Aufgabenstellungen geht. Da es beim Textmining immer darum geht, gehäuft auftretende Wörter mit einander in Beziehung zu setzen, um Schlüsse daraus zu ziehen, liegt darin aber auch die größte Schwäche, wenn man rein auf Technologie setzt. Denn Texte können, auch wenn sie dieselben Wörter verwenden, trotzdem unterschiedliche Bedeutung haben. Der Mensch sieht das sofort, der Algorithmus aber nicht. Letzterer sieht nur die Wörter und ihre Anzahl, der Mensch jedoch erkennt den Sinn.

Ein Algorithmus ist jedoch lernfähig, natürlich nicht im menschlichen Sinn, aber im technologischen. Eine Möglichkeit, dem Algorithmus etwas „beizubringen“ ist es, dem Textmining ein sogenanntes „Clustering“ vorzuschalten: Indem man vorab festlegt, wie bestimmte Wort-Kombinationen zu interpretieren sind, kann der Algorithmus eine theoretisch unendliche Anzahl Themen trennscharf unterscheiden. Was passiert, wenn man das nicht macht? Im schlimmsten Fall erhält der Kunde, der sich über die falsche Rechnung beschwert hat, die gleiche falsche Rechnung nochmal; bei dem Kunden, der sich über den neuen Puddinggeschmack aufgeregt hat, bedanken wir uns und laden ihm mit Rabattcoupon ein, noch mehr von dem Pudding zu kaufen; und dem Sparfuchs schicken wir das nächste Mal ein höherpreisiges Angebot. Unterm Strich: Die Themen werden falsch interpretiert, irreführend sortiert und kontraproduktiv beantwortet.

Der Verbraucher fühlt sich in seinem Beschwerdemodus nicht ernstgenommen und ist zu Recht verärgert. Da wäre dann keine Reaktion sogar besser gewesen als diese Reaktion.

Empfehlungen für die Praxis

Auch die neueste Textmining-Technologie sollte vom Menschen für das Unternehmen maßgeschneidert programmiert und laufend überwacht werden. Das Ziel ist immer, mehr Qualität und Effizienz in die Beantwortung von Anliegen oder Beschwerden zu implementieren und damit ein besseres Kundenerlebnis zu gewährleisten.

Auch in einem anderen Punkt sollte man sich nicht allein auf die Technologie verlassen, sondern in den Faktor Mensch investieren: Das Management-Dashboard, das heißt, die Benutzeroberfläche, auf der die Ergebnisse des Textmining dargestellt werden, sollte so aussehen und so praktikabel sein, dass man gern damit arbeitet. Denn letztlich ist es doch der Mensch, der die Entscheidungen trifft. Auch wenn die Technologie ihm dabei schon sehr helfen kann.

Kommentare werden geladen....

Kommentar zu diesem Artikel abgeben

Der Kommentar wird durch einen Redakteur geprüft und in Kürze freigeschaltet.

Anonym mitdiskutieren oder einloggen Anmelden

Avatar
Zur Wahrung unserer Interessen speichern wir zusätzlich zu den o.g. Informationen die IP-Adresse. Dies dient ausschließlich dem Zweck, dass Sie als Urheber des Kommentars identifiziert werden können. Rechtliche Grundlage ist die Wahrung berechtigter Interessen gem. Art 6 Abs 1 lit. f) DSGVO.
  1. Avatar
    Avatar
    Bearbeitet von am
    Bearbeitet von am
    1. Avatar
      Avatar
      Bearbeitet von am
      Bearbeitet von am

Kommentare werden geladen....

Kommentar melden

Melden Sie diesen Kommentar, wenn dieser nicht den Richtlinien entspricht.

Kommentar Freigeben

Der untenstehende Text wird an den Kommentator gesendet, falls dieser eine Email-hinterlegt hat.

Freigabe entfernen

Der untenstehende Text wird an den Kommentator gesendet, falls dieser eine Email-hinterlegt hat.

copyright

Dieser Beitrag ist urheberrechtlich geschützt. Sie wollen ihn für Ihre Zwecke verwenden? Kontaktieren Sie uns über: support.vogel.de/ (ID: 45902633 / Analytics)