Customer Experience
Das verärgerte Ticket erkennen, bevor daraus eine Kündigung wird.
Stimmungsanalyse im Kundensupport is sentiment analyse kundenservice for teams that want the reasoning shown, not hidden. Plans start at $49 a month with a 14-day free trial.
Stimmungsanalyse hat einen schlechten Ruf, und zwar verdient. Die üblichen Werkzeuge geben eine Zahl zwischen −1 und 1 aus, treffen bei Ironie und Branchenjargon daneben und bieten keinen Weg zu prüfen, warum sie etwas so bewertet haben. Sentiment Pulse geht anders vor: Themen kommen vor Werten, jede Einstufung lässt sich auf die Textstelle zurückverfolgen, und das Modell sagt, wenn es unsicher ist.
Ein Stimmungswert von −0,3 über zehntausend Rückmeldungen sagt Ihnen nichts. Nützlich ist, welche Themen vorkommen und wie die Stimmung innerhalb jedes Themas aussieht — denn fast immer sind zwei Themen gegenläufig und heben sich im Mittel auf.
Rückmeldungen werden zuerst nach Thema gruppiert, mit Beispielzitaten je Gruppe, und dann wird die Stimmung je Thema ausgewertet. Ein Produkt, dessen Preisgestaltung kritisiert und dessen Support gelobt wird, sieht in einer Gesamtzahl neutral aus und in dieser Aufschlüsselung völlig anders.
Drei Fehlerklassen tauchen immer wieder auf, und es lohnt, sie zu benennen, weil kein Werkzeug sie vollständig löst. Ironie wird fast durchgängig falsch gelesen. Branchenjargon kippt die Polarität — „der Build ist durchgefallen" ist für einen Entwickler eine neutrale Tatsachenbeschreibung. Und Verneinungen über mehrere Sätze hinweg entgehen den meisten Modellen.
Der Umgang damit ist hier nicht, besser zu sein, sondern ehrlich: Texte, die in diese Klassen fallen, werden zur Prüfung markiert und zählen nicht voll in die Aggregate. Eine Stimmungskennzahl, die ihre eigenen Zweifelsfälle ausweist, ist brauchbar; eine, die sie einrechnet und verschweigt, ist es nicht.
Rückmeldungen kommen aus Support-Tickets, App-Store-Bewertungen, NPS-Freitexten, Umfragen und sozialen Erwähnungen. Zusammengeführt werden sie je Thema, nicht je Kanal — denn dasselbe Problem taucht in jedem Kanal mit anderem Wortlaut auf, und es getrennt zu zählen verwässert das Signal.
Alarme lösen auf Themenverschiebungen aus, nicht auf Gesamtwertänderungen. Ein neues Thema, das binnen 48 Stunden von null auf 3 % des Volumens klettert, ist ein Signal; ein Gesamtwert, der von −0,28 auf −0,31 rutscht, ist Rauschen.
Jeder Wert soll prüfbar sein. Das bedeutet in der Praxis, dass das Modell seine Belege behält, statt nur die Zahl zurückzugeben.
Der Verzicht auf eine Gesamtzahl ist eine bewusste Einschränkung und manchmal unbequem — Berichte wollen eine Zahl. Eine Verteilung, die zeigt, dass 40 % positiv und 35 % negativ sind, führt aber zu anderen Entscheidungen als ein Mittelwert von 0,05, und die Verteilung ist die, die stimmt.
Wenn wöchentlich tausende Rückmeldungen eingehen, ist die Themengruppierung der eigentliche Wert — Lesen skaliert nicht, Zählen allein hilft nicht.
Themen aus Tickets zeigen, welche Problemklasse das Volumen treibt, bevor sie als Trend in den Kennzahlen auffällt.
Bewertungen über Versionen hinweg nach Thema verfolgt machen sichtbar, welches Release welche Beschwerde erzeugt hat.
Die Zahl steht in jedem Bericht, die Kommentare liest niemand. Hier sind sie die Datenquelle, aus der die Themen entstehen.
Bewertung von Konversationen, Themenclustering, Eskalationswarnungen und ein editierbares Lexikon. Jede Bewertung lässt sich auf die genauen Begriffe, Verstärker und Signale zurückführen, die sie erzeugt haben — Sie können ihr also widersprechen statt sie nur zu glauben.
Stimmungsanalyse im Kundensupport starts at $49 a month with a 14-day free trial. Thematic is about $2,000 per month per company.
Ja, und das ist der Hauptgrund, sich dafür zu entscheiden. Jede Bewertung listet die genauen Begriffe, ihr Grundgewicht, das nach Verneinung oder Verstärkung angewandte Gewicht und die erkannten Signale. Keine Bewertung erscheint ohne ihre Begründung.
Beides. Verneinungen drehen die Polarität der Wörter um, die sie bestimmen, Verstärker skalieren sie, und in einem Satz wie „X war super, aber Y war kaputt" trägt der Teil nach dem Gegensatz das Urteil — weil dort die eigentliche Aussage steht.
In Growth und Scale können Sie eigene Begriffe mit eigenen Gewichten hinterlegen. „Fehlbestand" ist im Deutschen neutral, für Ihre Kunden aber immer schlecht — und das Modell sollte das wissen.
Auch gesucht als: stimmungsanalyse software · unzufriedene kunden erkennen · ticket analyse software · kundenabwanderung vorhersagen · automatische ticketklassifizierung · voice of customer software