{"id":571,"date":"2021-11-21T11:01:00","date_gmt":"2021-11-21T11:01:00","guid":{"rendered":"http:\/\/yhs.uyx.mybluehost.me\/de\/?p=571"},"modified":"2022-12-01T14:33:59","modified_gmt":"2022-12-01T14:33:59","slug":"smart-labels-bei-nps-analyse","status":"publish","type":"post","link":"https:\/\/www.zenloop.com\/de\/ressourcen\/product-insights\/smart-labels-bei-nps-analyse\/","title":{"rendered":"Der richtige Einsatz von Smart Labels bei der NPS\u00ae-Analyse"},"content":{"rendered":"
\n\t
\n\n\t\t
\n\t\t
\n\t\t\t\t
\"The<\/div>\n\t\t\t\t

Wer NPS h\u00f6rt, denkt f\u00fcr gew\u00f6hnlich nur an den simplen Score und l\u00e4sst dabei v\u00f6llig au\u00dfer Acht, dass\u00a0Plattformen wie zenloop<\/a>\u00a0neben 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, erkl\u00e4ren wir in diesem Artikel.<\/span><\/em><\/p>\n

\n

<\/span>Was sind Smart Labels?<\/h2>\n

Bei\u00a0zenloop<\/a>\u00a0sind Smart Labels unser Ansatz f\u00fcr die Verwaltung und das Verstehen des Feedbacks im gro\u00dfen Rahmen. Sie bilden den Ausgangspunkt zur semantischen und unbeaufsichtigten Textanalyse. Das bedeutet, dass eingehende Antworten bei uns automatisch gekennzeichnet werden und somit kategorisiert werden k\u00f6nnen, sobald sie einlaufen.<\/span><\/p>\n

Warum mit Smart Labels arbeiten?<\/h2>\n

Dank des Einsatzes von Smart Labels erfolgt das Clustern und die Analyse des wertvollen Kundenfeedbacks\u00a0voll automatisch. Smart Labels bieten somit eine innovative L\u00f6sung f\u00fcr die NPS-Analyse. Diese Art der voll automatischen Segmentierung ist bisher einzigartig und erm\u00f6glicht Feedback vielf\u00e4ltig zu clustern und thematisch zu filtern.<\/span><\/p>\n

Wie funktionieren Smart Labels bei der NPS-Analyse?<\/h2>\n

Smart Labels sind ein Teil der k\u00fcnstlichen Intelligenz, die wir bei zenloop geschaffen haben. Unser Algorithmus ahmt dabei menschliche Intelligenz in seinem Verhalten nach.<\/p>\n

Empf\u00e4ngt unsere Software Feedback von deinen Kunden, durchl\u00e4uft jede einzelne Antwort denselben Prozess. Diesen Prozess nennen wir \u201eSmart Label Flow\u201d. Im Zuge des Flows werden die Kundenkommentare den entsprechenden Smart Labels zugeordnet.<\/p>\n

Der \u201eSmart Label Flow\u201d im Detail<\/h3>\n
    \n
  1. Language Detection<\/strong>
    \nAm Anfang des \u201dSmart Label Flows\u201d steht die Spracherkennung, die sogenannte Language Detection. Die k\u00fcnstliche Intelligenz erkennt die Sprache, in welcher das Feedback abgegeben wurde und \u00fcbergibt diese Information zusammen mit dem Feedback zur weiteren Analyse an die n\u00e4chsten Schritte.<\/li>\n
  2. Parser<\/strong>
    \nAls zweiter Schritt folgt der Parser. Dieser \u00fcberpr\u00fcft die tats\u00e4chlich geschrieben S\u00e4tze auf Grammatik und analysiert deren Bedeutung. Man k\u00f6nnte also sagen, der Parser verdaut das Feedback und extrahiert dessen Aussage.<\/li>\n
  3. Removal of Stopwords<\/strong>
    \nIm n\u00e4chsten Schritt geht es um die Entfernung von Stoppw\u00f6rtern. Diese sind mit F\u00fcllw\u00f6rtern zu vergleichen. Sie dienen lediglich der Strukturierung der Aussage, nicht aber der Informations\u00fcbertragung, weshalb sie beim Labeln \u00fcberfl\u00fcssig sind. Der Remover entfernt all diese W\u00f6rter soweit, dass die urspr\u00fcngliche Aussage des Feedbacks erhalten bleibt.<\/li>\n
  4. Stemmer<\/strong>
    \nW\u00e4hrend 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 W\u00f6rter entfernt und durch den Wortstamm der W\u00f6rter ersetzt. Ein Beispiel: Aus W\u00f6rtern wie \u201eAutos\u201d oder \u201eauto\u201d wird Auto.<\/li>\n
  5. Keyword Matching<\/strong>
    \nIm vorletzten Schritt des \u201eSmart Label Flows\u201d wird die aus den vorherigen Schritten extrahierte Information zu den Schl\u00fcsselw\u00f6rtern (oder auch Keywords) der Smart Labels gematched. Sollte eine Aussage zu keinem der Schl\u00fcsselw\u00f6rter passen, wird dem Kommentar kein Label hinzugef\u00fcgt. Im Umkehrschluss bedeutet dies allerdings auch, dass eine Aussage mehrere Labels erhalten kann, wenn sie mit mehreren Schl\u00fcsselw\u00f6rtern matched.<\/li>\n
  6. Labeling<\/strong>
    \nSobald die gematchten Schl\u00fcsselw\u00f6rter 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.<\/span><\/li>\n<\/ol>\n

    \"smart<\/p>\n

    <\/span>Wie arbeite ich mit Smart Labels?<\/h2>\n

    Um tiefere Einblicke in das Kundenfeedback zu erhalten, lassen sich die Labels mit den Attributen und\/oder den Scores kombinieren. So k\u00f6nnen St\u00e4rken und Schw\u00e4chen aus den Kundenfeedbacks besser erkannt werden.<\/p>\n

    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 M\u00f6glichkeit, 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 k\u00f6nnen eingerichtet werden.<\/p>\n

    Wie bereits eingangs kurz erw\u00e4hnt, erm\u00f6glichen Smart Labels, Feedback nach Themen zu clustern. So ist es m\u00f6glich, alle Kommentare nach einem oder auch nach mehreren Labeln zu filtern. Dadurch lassen sich auch komplexe Zusammenh\u00e4nge mehrerer Themengebiete darstellen. Beispielsweise k\u00f6nnte man alle Antworten anzeigen lassen, die sich auf das Thema Pricing beziehen oder auch alle Kommentare, die mit den Labeln Qualit\u00e4t und Pricing versehen sind.<\/p>\n

    Durch das Hinzuf\u00fcgen neuer Keywords zu bestehenden Smart Labels kann die Definition dieses Labels fortlaufend verfeinert werden. So werden auch das Filtern und die Analyse immer genauer.<\/p>\n

    Dar\u00fcber hinaus haben zenloop Nutzer die M\u00f6glichkeit, 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.<\/span><\/p>\n

    Die Vorteile von Smart Labels<\/h2>\n

    Die Verwendung von Smart Labels bringt viele Vorteile mit sich. Vorbei sind die Zeiten, in denen man alle Antworten \u2013 teilweise von unterschiedlichen Touchpoints \u2013 durchforsten musste, um den \u00dcberblick zu einem Thema zu erhalten.\u00a0Mit zenloop kann man mit nur einem Klick alle Antworten sowie den zugeh\u00f6rigen NPS Score zu einem spezifischen Thema filtern und dank unserer Analyse-Funktion die Entwicklung des NPS im Verlauf betrachten.<\/p>\n

    So lassen sich sehr einfach valide Prognosen bzgl. der Entwicklung von Teilprozessen, aber auch der Gesamtentwicklung eines Unternehmens treffen. Smart Labels sind demnach essentiell f\u00fcr Zukunftsprognosen und Analysen eines Unternehmens.<\/span><\/p>\n\t\t\t\t

    \n \t\t\t