Wer NPS hört, denkt für gewöhnlich nur an den simplen Score und lässt dabei völlig außer Acht, dass Plattformen wie zenloop neben dem der Messung des Net Promoter Scores vor allem ein ganzheitliches Net Promoter System bieten. Der Vorteil: eine automatische Analyse des Feedbacks. Wie unsere Smart Labels Funktion bei der NPS-Analyse hilft und richtig eingesetzt wird, erklären wir in diesem Artikel.
Was sind Smart Labels?
Bei zenloop sind Smart Labels unser Ansatz für die Verwaltung und das Verstehen des Feedbacks im großen Rahmen. Sie bilden den Ausgangspunkt zur semantischen und unbeaufsichtigten Textanalyse. Das bedeutet, dass eingehende Antworten bei uns automatisch gekennzeichnet werden und somit kategorisiert werden können, sobald sie einlaufen.
Warum mit Smart Labels arbeiten?
Dank des Einsatzes von Smart Labels erfolgt das Clustern und die Analyse des wertvollen Kundenfeedbacks voll automatisch. Smart Labels bieten somit eine innovative Lösung für die NPS-Analyse. Diese Art der voll automatischen Segmentierung ist bisher einzigartig und ermöglicht Feedback vielfältig zu clustern und thematisch zu filtern.
Wie funktionieren Smart Labels bei der NPS-Analyse?
Smart Labels sind ein Teil der künstlichen Intelligenz, die wir bei zenloop geschaffen haben. Unser Algorithmus ahmt dabei menschliche Intelligenz in seinem Verhalten nach.
Empfängt unsere Software Feedback von deinen Kunden, durchläuft jede einzelne Antwort denselben Prozess. Diesen Prozess nennen wir „Smart Label Flow”. Im Zuge des Flows werden die Kundenkommentare den entsprechenden Smart Labels zugeordnet.
Der „Smart Label Flow” im Detail
- Language Detection
Am Anfang des ”Smart Label Flows” steht die Spracherkennung, die sogenannte Language Detection. Die künstliche Intelligenz erkennt die Sprache, in welcher das Feedback abgegeben wurde und übergibt diese Information zusammen mit dem Feedback zur weiteren Analyse an die nächsten Schritte. - Parser
Als zweiter Schritt folgt der Parser. Dieser überprüft die tatsächlich geschrieben Sätze auf Grammatik und analysiert deren Bedeutung. Man könnte also sagen, der Parser verdaut das Feedback und extrahiert dessen Aussage. - Removal of Stopwords
Im nächsten Schritt geht es um die Entfernung von Stoppwörtern. Diese sind mit Füllwörtern zu vergleichen. Sie dienen lediglich der Strukturierung der Aussage, nicht aber der Informationsübertragung, weshalb sie beim Labeln überflüssig sind. Der Remover entfernt all diese Wörter soweit, dass die ursprüngliche Aussage des Feedbacks erhalten bleibt. - Stemmer
Während des Prozesses des Stemmens werden die Aussagen des Feedbacks weiter vereinfacht, ohne dass ein Informationsverlust zu Stande kommt. Beispielsweise werden Konjugationen, Deklinationen sowie fehlerhafte Schreibweisen der Wörter entfernt und durch den Wortstamm der Wörter ersetzt. Ein Beispiel: Aus Wörtern wie „Autos” oder „auto” wird Auto. - Keyword Matching
Im vorletzten Schritt des „Smart Label Flows” wird die aus den vorherigen Schritten extrahierte Information zu den Schlüsselwörtern (oder auch Keywords) der Smart Labels gematched. Sollte eine Aussage zu keinem der Schlüsselwörter passen, wird dem Kommentar kein Label hinzugefügt. Im Umkehrschluss bedeutet dies allerdings auch, dass eine Aussage mehrere Labels erhalten kann, wenn sie mit mehreren Schlüsselwörtern matched. - Labeling
Sobald die gematchten Schlüsselwörter feststehen, werden die einzelnen Aussagen den entsprechenden Labels zugeordnet. Das ist die Grundlage, um das eingegangene Feedback zu analysieren und Kunden zu Fans eines Unternehmens zu machen.
Wie arbeite ich mit Smart Labels?
Um tiefere Einblicke in das Kundenfeedback zu erhalten, lassen sich die Labels mit den Attributen und/oder den Scores kombinieren. So können Stärken und Schwächen aus den Kundenfeedbacks besser erkannt werden.
Per direct message kann sofort und individuell auf jeden einzelnen Kundenkommentar eingegangen werden. Wird Feedback empfangen, das unbedingt von einem spezifischen Teil des Unternehmens wahrgenommen oder auch beantwortet werden soll, haben zenloop Nutzer die Möglichkeit, dieses Feedback mittels Forward-Funktion, an ansprechende Abteilungen oder Verantwortliche weiterzuleiten. Auch automatische E-Mail- oder andere Alerts wie beispielsweise an Slack, Zendesk oder andere Integrationen können eingerichtet werden.
Wie bereits eingangs kurz erwähnt, ermöglichen Smart Labels, Feedback nach Themen zu clustern. So ist es möglich, alle Kommentare nach einem oder auch nach mehreren Labeln zu filtern. Dadurch lassen sich auch komplexe Zusammenhänge mehrerer Themengebiete darstellen. Beispielsweise könnte man alle Antworten anzeigen lassen, die sich auf das Thema Pricing beziehen oder auch alle Kommentare, die mit den Labeln Qualität und Pricing versehen sind.
Durch das Hinzufügen neuer Keywords zu bestehenden Smart Labels kann die Definition dieses Labels fortlaufend verfeinert werden. So werden auch das Filtern und die Analyse immer genauer.
Darüber hinaus haben zenloop Nutzer die Möglichkeit, selbst neue Smart Labels zu erstellen, die sich explizit auf ihren Content und ihr Feedback beziehen. Vor allem bei selbst erstellten Smart Labels sollte besonders darauf geachtet werden, welche Keywords zur Definition der Labels verwendet werden.
Die Vorteile von Smart Labels
Die Verwendung von Smart Labels bringt viele Vorteile mit sich. Vorbei sind die Zeiten, in denen man alle Antworten – teilweise von unterschiedlichen Touchpoints – durchforsten musste, um den Überblick zu einem Thema zu erhalten. Mit zenloop kann man mit nur einem Klick alle Antworten sowie den zugehörigen NPS Score zu einem spezifischen Thema filtern und dank unserer Analyse-Funktion die Entwicklung des NPS im Verlauf betrachten.
So lassen sich sehr einfach valide Prognosen bzgl. der Entwicklung von Teilprozessen, aber auch der Gesamtentwicklung eines Unternehmens treffen. Smart Labels sind demnach essentiell für Zukunftsprognosen und Analysen eines Unternehmens.
