Customer & Market Intelligence
Wie digitale Daten dazu führen, Kunden und Märkte besser zu verstehen.
20. März 2020
Verfasst von:
Ein Interview mit Prof. Dr. Robert Schmitt
Herr Professor Schmitt, welchen Beitrag leistet die Social Media Analyse von Kundenbewertung für den Erfolg von Unternehmen?
Feedback vom Kunden ist für jede Art von Unternehmen von großer Bedeutung. So tragen positive und negative Kritik über Produkte oder Dienstleistungen zur kontinuierlichen Verbesserung bei. Es sind schließlich die Kunden, die am besten wissen, was ihnen gefällt – oder eben nicht. Gerade im Zeitalter der Digitalisierung, in denen die Produkte immer komplexer werden und sich die Bedürfnisse der Kunden viel schneller als früher ändern, ist eine kontinuierliche Rückmeldung aus dem Markt ein enorm wichtiger Wettbewerbsfaktor.
Sie sprechen von Digitalisierung – Welche neuen technologischen Möglichkeiten ergeben sich denn daraus für die Analyse von Kundenbewertungen?
Seit Beginn des 21. Jahrhunderts und dem Zeitalter von Customer & Market Intelligence erleben wir einen Wandel, was das Feedback vom Kunden angeht. Dieses wird nicht mehr nur durch Kundenumfragen oder Reklamationen gewonnen, sondern vor allem aus dem Internet – denn der Kunde spricht online. Daraus ergeben sich entsprechend einige Vorteile gegenüber den klassischen Methoden: Zum einen müssen die Meinungen des Kunden nicht explizit erhoben werden, denn der Kunde gibt sie ohne Aufforderung preis. Zum anderen ist die Menge an Rückmeldungen auf den verschiedenen Social Media Plattformen enorm. So wird zum Beispiel auf Twitter fast sekündlich über Themen wie beispielsweise die Automobilindustrie gesprochen.
Also analysieren Sie Kundenbewertungen auf Plattformen wie Facebook, Twitter, Youtube und Co.?
Unter anderem, aber nicht ausschließlich. Wir haben hier in Aachen die Erfahrung gemacht, dass das wirklich relevante Kundenfeedback oftmals nicht auf diesen klassischen Social Media Kanälen zu finden sind, sondern vor allen in branchenspezifischen Fachforen. Wobei man auch hier keine klaren Grenzen mehr ziehen kann. So erhält man heutzutage beispielsweise Feedback über Autos auf chefkoch.de oder Informationen über Möbel auf kleiderkreisel.de.
Das klingt nach einer ziemlichen Unordnung im Netz. Wie kommen Sie denn da genau auch an die relevanten Kundenbewertungen?
Wir haben eine Vorgehensweise und neue Werkzeuge entwickelt, die es uns ermöglichen, relevante Kundenbewertungen von diversen Plattformen aus dem Internet zu extrahieren und zu analysieren. Zunächst recherchieren wir mit Hilfe unserer Algorithmen alle relevanten Plattformen, auf denen über ein bestimmtes Produkt oder eine Dienstleistung gesprochen wird. Anschließend extrahieren und analysieren wir das interessante Kundenfeedback mit Hilfe neuer NLP-Technologien. So ist es uns beispielsweise möglich Themencluster zu bilden, oder mit Hilfe der Sentimentanalyse ein Stimmungsbild innerhalb der extrahierten Kommentare zu ermitteln.
Was genau versteht man denn unter NLP-Technologien?
NLP steht für Natural Language Processing, sprich Computerlinguistik. Es verknüpft die Linguistik mit der künstlichen Intelligenz, das heißt, es kommen Techniken und Methoden zur maschinellen Verarbeitung der natürlichen Sprache zum Einsatz. Die ersten Schritte dazu sind die Tokenisierung und das Taggen, welche Buchstabenketten – beziehungsweise in diesem Fall Kundenkommentare – in maschinenverständliche Daten umwandeln. Dabei werden die Kommentare in Wörter zerlegt und auf Sätze aufgeteilt, um anschließend mit ihren grammatikalischen Attributen versehen zu werden. Dieser Schritt ist notwendig, um weiterführende Analysen durchführen zu können.
Vielen Dank, Herr Professor Schmitt. Wie würden Sie abschließend in einem Satz die Bedeutung der Social Media Analyse von Online-Kundenbewertungen für Unternehmen beschreiben?
Die Analyse von Online-Kundenbewertungen stellt für Unternehmen vor allem eine effiziente Möglichkeit dar, um zu reflektieren, was das Unternehmen bei der Entwicklung und Produktion ihrer Produkte und Dienstleistungen gut bzw. schlecht macht.