Verstehen, was Kunden beschäftigt – die Sentimentanalyse als Indikator

Im evux Lab untersuchen wir Trends, Tools, Dienstleistungen und Themen, die uns interessieren und unseren Kundinnen und Kunden Mehrwert bieten. Wir schauen uns ausserdem neue und ungewöhnliche Methoden und Vorgehensweisen an. Was nach einer grundlegenden Prüfung das evux-Gütesiegel erhält, wird für die Anwendung in unseren Projekten oder internen Prozessen weiterentwickelt.

Derzeit schiessen KI-basierte Tools wie Pilze aus dem Boden. Der Begriff «Künstliche Intelligenz» hat eine fast schon inflationäre Verwendung gefunden. Die verfügbaren Werkzeuge sollten allerdings kritisch hinterfragt und mit «klassischen» Vorgehen verglichen werden. Denn nur weil etwas aus einem KI-Tool rauskommt und vielleicht schön aussieht, ist es noch längst nicht qualitativ besser.

Bei evux hinterfragen wir gerne klassische Arbeitsweisen und lassen diese gegen eine KI antreten. Sei das für die Entwicklung von Personas, die Terminplanung oder ganze UX-Prozesse. Und deshalb haben wir es wieder getan: diesmal zum Thema Sentimentanalyse.

Eins vorweg: AINO unterstützt uns auch hier, qualitativ gleichwertige Ergebnisse in kürzerer Zeit bereitzustellen. Das finden wir super!

Ein Blick in die Welt der Emotionen

Bei einer Sentimentanalyse handelt es sich um die automatisierte Erfassung und Analyse von Meinungen, Gefühlen und Stimmungen in Texten, um herauszufinden, ob diese positiv, negativ oder neutral sind. Diese Technik ermöglicht es uns, die Emotionen und Meinungen von Menschen in grossen Mengen von Textdaten zu verstehen, sei es in Form von Kundenbewertungen, sozialen Medienbeiträgen oder Umfragen. Zudem wird der Text codiert (einfach formuliert: in Kategorien überführt). Jeder entstandene Code steht dann in einem Emotionskontext negativ, positiv oder neutral. Machen wir ein Beispiel mit einer fiktiven Rezension im App-Store:

„Schnelleinstiege in der App weg. Direkt gelöscht“

Hier könnten wir codieren: „Schnelleinstiege vermisst“ mit dem Sentiment negativ.

Im Customer Experience Management spielt die Sentimentanalyse eine entscheidende Rolle, da sie uns wertvolle Einblicke in die Wahrnehmung und Zufriedenheit unserer Kunden bietet. Durch das Verstehen der Gefühle und Meinungen unserer Zielgruppe erfahren wir, was sie im Zusammenhang mit unserem Unternehmen besonders beschäftigt – sei das positiv oder negativ. So können wir Erlebnisse gezielt dort optimieren, wo der Schuh besonders drückt. Dies immer mit Blick auf den gesamten Methodenkanon der Fragestellung entsprechend – der Methodenmix macht’s nämlich aus, «weisch»!

Der Vergleich: klassische Sentimentanalyse versus AINO

Im Rahmen des evux Lab haben wir zwei verschiedene Methoden zur Sentimentanalyse miteinander verglichen: die klassische Cluster-Analyse und eine KI-basierte Methode von AINO. Das klassische Vorgehen wird üblicherweise unter Verwendung öffentlich verfügbarer Modelle in einer Data Mining Software vorgenommen. Es gilt, einen passenden Algorithmus zu wählen (K-Means. hierarchisch, DBSCAN, usw.) und die gewünschten Parameter festzulegen. Auch AINO verwendet Algorithmen und Modelle. Das neuronale Netzwerk erlaubt es ihr allerdings, die Informationsverarbeitung zu automatisieren und von Mustern zu lernen. Rainer hat sich der klassischen Cluster-Analyse angenommen und sich dazu bereit erklärt, gegen AINO anzutreten. Als beide ihre Ergebnisse zusammengetragen haben, wurden die Erkenntnisse verglichen. Hier sind die wichtigsten Erkenntnisse aus unserem Versuch:

1.  Vergleichbare Ergebnisse (insbesondere bei den Überthemen): Zur Sicherstellung der Vergleichbarkeit haben wir bei beiden Methoden das Ziel gehabt, 5 übergeordnete Themencluster zu bilden. Die gebildeten Überthemen sind dabei erstaunlich ähnlich. Beide Methoden sind in der Lage, die Hauptthemen in den Texten präzise zu identifizieren.
2. Zuverlässigkeit beider Methoden: Sowohl die Cluster-Analyse als AINO haben sich als zuverlässige Vorgehen erwiesen, um Sentimentanalysen durchzuführen. Sie liefern konsistente Ergebnisse, die wertvolle Einblicke bieten.
3. Höherer Aufwand bei der Cluster-Analyse: Ein deutlicher Unterschied besteht jedoch im Aufwand. Bei der Cluster-Analyse müssen zunächst Modelle auswählt werden, um die Analyse zielführend aufzubauen. Dies kann zeitaufwändig sein und erfordert tiefes Fachwissen.

Eine NPS-Umfrage als Datengrundlage

Für den hier beschriebenen Vergleich standen uns Daten aus einem früheren Projekt zur Verfügung. Folgende Fragen wurden gestellt:

• Wie wahrscheinlich ist es, dass Sie XY an Freunde und Kollegen weiterempfehlen?
• Weshalb?

Bei der ersten Frage handelt es sich um den klassischen Net Promoter Score. Der Net Promoter Score (NPS) ist eine simple Kundenzufriedenheitsmetrik, die auf einer einzigen Frage basiert. Die Antworten werden auf einer Skala von 0 bis 10 bewertet, wobei Kunden in Promotoren (Bewertung 9-10), Passive (Bewertung 7-8) und Kritiker (Bewertung 0-6) eingeteilt werden, um die Kundenloyalität zu bewerten.

Viel interessanter und deshalb auch Gegenstand unserer Analyse ist aber die Begründung der befragten Personen. In einer Sentimentanalyse werden die tatsächlichen Textantworten der Kunden auf ihre Gefühle und Meinungen hin analysiert, was detailliertere Einblicke ermöglicht. Der NPS erfasst hingegen eine Gesamtbewertung, ohne den Kontext oder die Gründe für die Bewertung zu berücksichtigen. In einer Sentimentanalyse können selbst negative Bewertungen in differenzierte Kategorien unterteilt werden, um spezifische Probleme zu identifizieren und zu lösen.
Der NPS allein gibt Unternehmen keine klaren Einblicke in die spezifischen Bereiche, in denen Verbesserungen notwendig sind. Es sagt lediglich aus, dass es Raum für Verbesserungen gibt, ohne jedoch zu verraten, welche Aspekte genau betroffen sind. Die Sentimentanalyse hingegen identifiziert genau diese Bereiche und ermöglicht es Unternehmen, gezielte Massnahmen zur Verbesserung zu ergreifen.

Welche Daten können sonst noch für eine Sentimentanalyse verwendet werden?

Nebst «erzwungenen» Umfrage-Antworten sind natürlich besonders die Umgebungen interessant, an denen Kundinnen und Kunden ihre Meinung freiwillig kundtun oder auch mal Dampf ablassen. Das kann im App Store, auf Google oder Bewertungsplattformen wie TripAdvisor, Trustpilot, u.a. sein. Wenn ein Unternehmen Feedbacks systematisch im CRM ablegt, ist das ebenfalls eine wertvolle Grundlage für eine detaillierte Sentimentanalyse.

Fazit

Die Sentimentanalyse ist ein mächtiges Werkzeug, das uns hilft, die Emotionen und Meinungen unserer Kunden zu verstehen und darauf aufbauend bessere Entscheidungen zu treffen. Wir sind absolut davon überzeugt, dass wir KI-basierte Sentimentanalysen effizient, gewinnbringend und als weiteres Puzzleteil in unseren Projekten integrieren können. Sie bietet nicht nur zuverlässige Ergebnisse, sondern auch klare und leicht verständliche Informationen, die in Entscheidungsprozesse einfliessen können. Egal, ob du deine Kundenzufriedenheit steigern, Produktbewertungen analysieren oder die Meinung deiner Zielgruppe verstehen möchtest – wir stehen dir mit effizienten, qualitativen und zielgerichteten Sentimentanalysen zur Seite.

Interessiert dich das? Lass uns gemeinsam anschauen, wie wir das bei dir und deinen Fragestellungen einsetzen können!