Heute wissen, was der Kunde morgen will

Schon längst sind Künstliche Intelligenz (KI) und Machine Learning (ML) Teil unseres Lebens. Das Navi antizipiert das allmorgendliche Verkehrschaos, bevor es überhaupt entsteht, die Immobilienseite stellt automatisch neue Wohnangebote zusammen, die zum eigenen Lifestyle passen, und Alexa sagt uns, ob wir besser den Regenschirm mit in den Urlaub nehmen sollten oder nicht. KI und ML haben Assistenzsysteme und Spracherkennung auf ein neues Level gehoben. Auch im Bereich von Customer Experience Management (CX) nimmt KI eine zunehmend bedeutende Rolle ein. Immer mehr Unternehmen erkennen, dass sie mit Künstlicher Intelligenz, Machine Learning und prädiktiven Tools die Basis für herausragende Kundenerlebnisse schaffen.

Der große Fortschritt beginnt mit einer umfassenden Datennutzung: Denn egal, ob Befragungen, unaufgefordertes Feedback oder operationale Daten - sämtliche Datenquellen können dank KI für ein erfolgreiches CX genutzt werden. KI hilft dabei, Bilder, Texte, Sprache, Videos oder Audio automatisch auszuwerten, die entscheidenden Daten zu verdichten und sinnvoll miteinander zu verknüpfen. Beispiel Data Mining: Mit dem richtigen Mining der Daten lassen sich in scheinbar unendlichen Datenmengen und -kombinationen versteckte Muster in Datensätzen finden - und auf diese Weise spannende Insights, mit denen sich CX-Programme weiter ausbauen lassen. Große Einzelhändler nutzen dies z.B. bei der Ermittlung von Kundensegmenten, die entweder unter- oder überversorgt sind, und schnüren unter Nutzung von KI personalisierte Angebote so, dass Umsatzpotenziale maximiert und Abwanderung minimiert werden.

Kundenverhalten vorhersehen

Die Hauptnutzung prädiktiver Analytik im Bereich von Customer Experience Management dient kundenspezifischen Prognosen. In der Vergangenheit wurden kundenspezifische Maßnahmen i.d.R. (nur) dann eingeleitet, wenn ein Kunde im Rahmen einer Touchpoint-Befragung Unzufriedenheit geäußert hat und damit ein Abwanderungsrisiko oder das Risiko negativer Mundpropaganda offensichtlich war. Das Problem: Eine Gegenmaßnahmedes Unternehmens erfolgt immer reaktiv, nachdem ein Kundenproblem aufgetreten ist, und auch nur dann, wenn der Kunde seine Unzufriedenheit auch geäußert hat - was bei abnehmender Antwortbereitschaft auf Befragungen in zunehmendem Maße unzureichend ist. Mit prädiktiver Analytik unter Nutzung von KI ist es nun möglich, steuernd einzugreifen, bevor ein Problem überhaupt auftritt und dabei auch auf solche Kunden individuell und antizipativ zuzugehen, die gar kein direktes Feedback geben.

Dafür werden Kundendaten aus praktisch jeder Quelle genutzt, um passgenaue Kundensegmentierungen vorzunehmen und davon abgeleitet jedem einzelnen Kunden eine implizite Kundenzufriedenheit zuzuordnen. So erhalten alle am Kunden aktiven Mitarbeiter eines Unternehmens Hinweise auf den bestmöglichen individuellen Umgang mit jedem einzelnen Kunden - ohne dass der einzelne Kunde selbst Feedback geben muss. Schließlich lassen sich unter Nutzung einer automatisierten Treiberanalyse die Stellhebel für höhere Kundenzufriedenheit herausbilden, die es den Unternehmen erlauben, ihre Services, Produkte und Kommunikationsstrategien ständig so anzupassen, dass das Kundenerlebnis und in Folge das Geschäftsergebnis laufend verbessert wird.

Textanalyse nutzt auch unstrukturierte Kommentare

Ein weiteres Beispiel für KI im Bereich des Customer Experience Management ist der Einsatz neuester Textanalyse-Software. Sie hat sich - wie auch Spracherkennungssoftware wie Apple's Siri oder Amazon's Alexa - in den vergangenen Jahren enorm weiterentwickelt. Mit moderner Textanalyse-Software lassen sich strukturierte und unstrukturierte Kundenkommentare in aussagekräftige Informationen und Handlungsempfehlungen umwandeln. Dabei lassen sich aus nahezu jeder Quelle die wichtigsten Inhalte automatisiert auslesen. Ob Beschwerdemails, Kommentare in Internetforen, Video- oder Audiokommentare: Alles ist möglich. Die umfängliche Analyse von Kundenkommentaren beinhaltet dabei sowohl die Identifikation aufkommender Trends und Themen als auch die Analyse individueller Kundenemotionen, wodurch eine inhaltlich passgenaue und in der Tonalität treffsichere Antwort auf individuelle Kundenbedürfnisse gegeben werden kann - ein wesentlicher Erfolgsfaktor perfekten Kundenservices.

Erkenntnisse für Kunden und Unternehmen nutzen: Kundennähe bei Sky

Ein praktisches Beispiel für den Einsatz von Textanalyse und KI-Systemen ist Sky, Europas führender Pay-TV-Anbieter, der eine führende Kundenfeedback-Software von MaritzCX einsetzt. Täglich werden damit Hunderte von Kundenfeedbacks eingeholt und in Echtzeit so analysiert, dass individuelle Maßnahmen nicht nur für die Antwortenden abgeleitet werden, sondern auch für solche Kunden und potenzielle Kunden, die gar nicht selbst ein Feedback hinterlassen haben. Im Ergebnis erzielte Sky damit von Beginn an eine steigende Kundenzufriedenheit auf Basis einer erheblich schnelleren und passgenaueren Antwort auf Kundenanliegen oder -beschwerden: eine Win-win Situation für Kunde und Unternehmen.

Das Top-Management bei Sky verfolgt das Ziel wachsender Kundenbegeisterung anhand von strategischen KPI (u.a. NPS, Customer Effort Score, First Contact Fix) auf jederzeit zugänglichen Dashboards. Die einzelnen Unternehmensbereiche erhalten auf sie zugeschnittene Ergebnisse in Echtzeit, und jeder am Kunden tätige Mitarbeiter kann unmittelbar das für sich relevante Kundenfeedback in Echtzeit einsehen - und automatisierte Handlungsempfehlungen so nutzen, dass noch mehr Kunden begeistert werden. Sky und seine Service Center werden so in die Lage versetzt, die gewonnenen Erkenntnisse zu nutzen, um die Arbeitsweise dort zu verbessern, wo es für den Kunden am wichtigsten ist. Am Ende zeigt sich die Stärke von KI, wenn immer mehr Kundenanfragen und -probleme antizipiert werden, so dass sie gelöst werden, bevor der Kunde sich aktiv an Sky wendet.

MaritzCX GmbH
Stephan Thun,
CEO International von MaritzCX
Borselstraße 18, 22765 Hamburg
Telefon +49 40 36 98 33 21
Email: germany@maritzcx.com    
http://www.maritz.com/de