Der Affe liebt dich: Die Gefahr von zu stark vereinfachtem Kundenfeedback

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.

Wenn Sie kein Fan von Black Mirror sind oder noch kein Netflix-Abonnement abgeschlossen haben, bitte ich Sie um Nachsicht, vor allem, wenn Sie sich für das Management von Kundenfeedback interessieren.

Die Episode, die mir besonders im Gedächtnis geblieben ist, ist die Episode "Das Schwarze Museum" in Staffel 4, und insbesondere eine der Nebengeschichten: Der Affe liebt dich. Darin wird das beunruhigende Szenario geschildert, in dem das Bewusstsein der verstorbenen Frau des Protagonisten in einen teddybärähnlichen mechanischen Affen übertragen wird, durch den sie sich nur mit zwei einfachen Sätzen ausdrücken kann: "Der Affe liebt dich" oder "Der Affe braucht eine Umarmung".

Anhand dieses Konzepts untersucht die Episode, wie menschliche Äußerungen durch Technologie eingeschränkt und verzerrt werden, wodurch die menschliche Verbindung auf etwas Mechanisches reduziert wird, dem es an echter 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 Standardmaßstab, der von Unternehmen auf der ganzen Welt verwendet wird und eine gute Möglichkeit 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 NPS-Falle bezeichnet wird. Im Wesentlichen warnt sie uns vor den Gefahren einer zu starken Vereinfachung der komplexen Landschaft der Kundenerfahrungen.

Allzu oft konzentriert sich die Analyse von Umfragen nur auf das Feedback von Kritikern und übersieht dabei die subtilen Frustrationen, die sich in ansonsten positiven Messwerten verbergen. Dies kann zu dem führen, was wir als Promoter Blindspot bezeichnen, bei dem wertvolle Erkenntnisse von loyalen Kunden unbemerkt bleiben, nur weil ihre Werte hoch sind. Oft beschreiben diese Kunden immer noch Reibungen, Enttäuschungen oder verpasste Chancen, aber ihre Stimmen erhalten nicht die gleiche Aufmerksamkeit. 

Es ist wichtig zu erkennen, dass Unzufriedenheit nicht immer mit einer niedrigen Punktzahl einhergeht und dass Loyalität nicht bedeutet, dass man darüber schweigt, was verbessert werden muss.

Wir stehen vor ähnlichen Herausforderungen mit unseren Contact Center-Daten. Umfragen nach einem Anruf sind oft unser wichtigstes Instrument, um das Kundenerlebnis zu analysieren: CSAT-Werte, Lösungsraten oder sogar offene Kommentare. Aber all diese Daten werden erhoben, nachdem der Moment vorbei ist. Sie bieten nur einen teilweisen Einblick in das, was tatsächlich passiert ist, und noch weniger Einblick in die Gründe.

Was wir oft übersehen, ist der menschlichste Teil des Kundendienstes: das Gespräch selbst. Kontaktzentren sind keine reinen Supportabteilungen. Sie sind voll von Fragen in Echtzeit, Verwirrung, Frustration, Bedürfnissen und wichtigen Momenten. Aber wie oft hören 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 Gesprächs verborgen und nicht in der Umfrage.

Wie man den Kunden besser zuhört

Nachdem wir nun einige der blinden Flecken und Einschränkungen untersucht haben, die der Analyse von Kundenerfahrungsdaten innewohnen, wenn sie sich ausschließlich auf Metriken konzentrieren, wollen wir uns nun damit beschäftigen, wie wir diese Herausforderungen mit Textanalysen überwinden können. 

Text Analytics hilft bei der Strukturierung und Priorisierung Ihrer unstrukturierten Daten, den Gesprächen selbst oder den offenen Kommentaren in Umfragen, da sie die reichhaltigsten Erkenntnisse jenseits der traditionellen Metriken enthalten und es uns ermöglichen, wirklich zuzuhören, was der Kunde ausgedrückt 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 könnte zum Beispiel Sätze wie "die Person, die mir geholfen hat, war ungeduldig mit mir" markieren. Mit diesem Ansatz können Sie unstrukturierten Text in sinnvolle Kategorien einteilen, die wir Themen nennen.

Die Grundlage einer effektiven Textanalyse liegt in der Erstellung einer Themenliste, die Ihre wichtigsten Geschäftsabläufe widerspiegelt. Branchenspezifische Themen stellen sicher, dass die von Ihnen gewonnenen 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 können. Stattdessen organisieren wir sie so, dass Sie schnell herausfinden können, welche Themen Ihre Aufmerksamkeit erfordern. Wir heben Themenvolumina, NPS-Durchschnittswerte und auf der Stimmung basierende Metriken hervor (auf die wir später noch eingehen werden).

Neben diesen grundlegenden branchenspezifischen Themen bieten Themen mit einem einzigartigen Blickwinkel auf die Daten eine zusätzliche Ebene der Erkenntnis. Zum Beispiel unsere Themen "Emotionen", "Psychische Krisen" und "Kundenempfehlungen". Diese einzigartigen Themen können Ihnen bei der Suche nach wertvollen Schichten in Ihren bestehenden Themen enorm helfen. Lassen Sie mich erklären, wie!

Thema Koexistenz

Das Modul Topic Co-occurrence in Medallia 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, Zusammenhänge aufzudecken, die bei einer standardmäßigen Themenanalyse möglicherweise nicht offensichtlich sind.

Wenn Sie beispielsweise Ihre branchenspezifische Kernthemenliste mit emotionalen Signalthemen verknüpfen, können Sie erkennen, welche häufigen Probleme, wie z. B. Produkteinrichtung, Rechnungsstellung oder Agentensupport, häufig mit starken emotionalen Reaktionen verbunden sind. Ihr Thema "Leicht verständliche Rechnungsstellung" könnte häufig mit dem Emotionsthema "Angst" zusammen auftreten. Bei der Analyse von Konversationsdaten können Sie das gemeinsame Auftreten auch nach Gefühlen oder sogar nach Sprechern (Agent vs. Kunde) filtern. Auf diese Weise können Sie bei der Analyse Ihrer Contact Center-Konversationen genau feststellen, ob ein bestimmtes Problem vom Kunden angesprochen oder vom Agenten angesprochen wird oder beides.

Diese Art von vielschichtigem Einblick ist der Schlüssel zur Identifizierung von Grundursachen, zur Verfolgung aufkommender Probleme und zum Verständnis, wie verschiedene Erfahrungen die Gesamtwahrnehmung des Kunden beeinflussen. Durch die Nutzung der Koinzidenz von Themen können Unternehmen gezieltere und fundiertere Verbesserungen an Produkten, Dienstleistungen und Kommunikation vornehmen.

Sentiment-Analyse 

Eine weitere Ebene, auf der unstrukturierte Daten entwirrt werden können, ist die Verwendung des Stimmungsmodells auf der Themenebene.

MedalliaSentiment-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 könnten 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 Prioritäten. 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 können Sie schnell erkennen, ob ein Thema eher positiv oder negativ besetzt ist.

Der NSS ist eine äußerst 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 können Sie sich auf die Themen konzentrieren, die am wichtigsten sind.

Über 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, vollständigeres Bild unserer Stärken und der Bereiche, in denen wir uns verbessern können. 

Die Welt der Textanalyse ist unglaublich reichhaltig und bietet unzählige Möglichkeiten, tiefer und sinnvoller zuzuhören. Was ich hier erzählt habe, kratzt nur an der Oberfläche. 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. 

Aber im Großen und Ganzen geht es nicht nur darum, zu hören, dass Monkey Sie liebt, sondern auch darum, zu lernen, wie diese Liebe wachsen und sich weiterentwickeln kann.

Psst... haben Sie bemerkt, dass die Umfrageraten rapide sinken? Hier ist unser Leitfaden wie Sie sich in dieser neuen Realität zurechtfinden.