Text Analytics – das Potenzial von Kundenfeedback nutzen
Die Macht der Kundenrezensionen
Diese Entwicklung spiegelt sich auch in Umfragen wider. So haben laut einer Studie von BrightLocal vor allem Google-Bewertungen bei lokalen Suchen einen großen Einfluss. In diesem Segment lesen 87% der Kunden Rezensionen. Darüber hinaus geben 93% der Kunden an, dass eine positive Bewertung die Kaufwahrscheinlichkeit erhöht. Besonders deutlich wird dies vor allem an den 79% der Kunden, die den Online-Bewertungen genauso stark vertraut wie den Empfehlungen von Familie und Freunden.
Allerdings hat nicht jedes Unternehmen die Möglichkeit, ein Social-Media-Team aufzubauen, welches sich ausschließlich auf diesen Bereich fokussiert. In diesen Fällen werden Werkzeuge benötigt, die es den bestehenden Mitarbeitern ermöglichen, das Thema neben dem Tagesgeschäft effizient anzugehen.
Wir haben die Lösung!
Ein solches Tool hat rpc im Rahmen eines Showcase im Caravaning-Bereich entwickelt. Dieser Bereich hat aufgrund von COVID-19 im vergangenen Jahr eine enorm gestiegene Nachfrage zu verzeichnen. Zudem ist ein sich verändernder Kundenstamm durch einen Generationenwechsel (X/Y) zu beobachten, mit dem gleichzeitig der Wunsch nach Perfektion bezüglich Design, Qualität und Funktionalität einhergeht.
Die Stimmungslage im Fokus
Die Bandbreite des rpc-Tools erstreckt sich von der Datenintegration der Google-Bewertungen einzelner Händler bis hin zur benutzerfreundlichen Darstellung der Daten in interaktiven Dashboards. Einer der wichtigsten Punkte bei Kundenrezensionen ist die Stimmungslage des Verfassers. Aus diesem Grund fokussiert sich die rpc-Lösung auf die automatische Klassifizierung derselben. Darüber hinaus ordnet die Lösung der jeweiligen Stimmungslage eine zugrundeliegende Kategorie zu, wie beispielsweise den Verkauf und die Vermietung.
Die Ergebnisse der Analyse werden zeitnah in Dashboards zur Verfügung gestellt und können anhand spezifischer Fragestellungen analysiert werden. Durch negative Bewertungen können so die eigenen Schwachstellen aufgedeckt werden. Ebenso kann ein Benchmarking vorgenommen werden, bei dem die eigenen Bewertungen mit denen von Mitbewerbern verglichen werden.
Bei allen Analysen muss sich der Benutzer nicht allein auf die Klassifizierung verlassen, sondern hat die Möglichkeit, anhand der Sternebewertung und der Kommentare eigene Schlüsse zu ziehen. Der menschlichen Komponente kommt hier vor allem bei komplizierteren Einzelfällen eine große Bedeutung zu.
Technische Umsetzung
Das Review Tool wurde in den folgenden Schritten implementiert:
Schritt 1
Ein eigener entwickelter Web-Scraper extrahiert die vorhandenen Rezensionen bestimmter Händler von Google.
Schritt 2
Die weitere Verarbeitung der Daten findet im Rahmen einer implementierten Preprocessing Pipeline statt. In diesem Kontext werden die Rohdaten bereinigt – beispielsweise werden Zahlen, Satzzeichen und Leerzeichen entfernt sowie Großbuchstaben in Kleinbuchstaben umgewandelt.
Zusätzlich werden bei der sogenannten Tokenisierung Sätze in kleinere Einheiten, meist Wörter, zerlegt. Nach der Rechtschreibprüfung werden Stoppwörter entfernt, also Wörter, die keinen Mehrwert für den Informationsgehalt der Aussage besitzen.
Stemming führt verschiedene Wortvarianten auf einen gemeinsamen Stamm zurück, etwa "gegangen" und "ging" zu "gehen".
Schritt 3
Auf Basis der aufbereiteten Daten werden mittels Text Analytics-Algorithmen die jeweiligen Kategorien (Verkauf, Vermietung, Werkstatt, Service) und Stimmungslagen (positiv, negativ, neutral, gemischt) automatisch klassifiziert.
Schritt 4
Im letzten Schritt werden die analysierten Texte mit allen weiteren notwendigen Informationen (z. B. der Sternebewertung) in ein Datenmodell geladen und in einem interaktiven Dashboard bereitgestellt.
Fragestellungen und Analysemöglichkeiten
Das Review Tool beantwortet einfache Fragestellungen mit statistischen Auswertungen, wie der durchschnittlichen Sternebewertung, Händleranzahl in unterschiedlichen Regionen, Antwortrate der Händler und durchschnittlichen Anzahl an Rezensionen.
Komplexere Fragestellungen bezüglich der Stimmungslage oder der unterschiedlichen Geschäftsbereiche (Werkstatt, Vermietung, Verkauf, Service) können mithilfe der Informationen aus der automatischen Klassifizierung beantwortet werden. Durch die integrierte Benachrichtigungsfunktion können so auch Rezensionen mit dringendem Handlungsbedarf priorisiert behandelt werden.
Strategische Fragestellungen können mithilfe einer Auswertung zur zeitlichen Entwicklung geklärt werden. So lassen sich Verbesserungen oder Verschlechterungen in unterschiedlichen Bereichen auswerten und ggf. gezielter steuern. Gleichzeitig kann so auch die Effektivität von Maßnahmen gemessen werden.
Es besteht außerdem die Option, sich mit einzelnen oder Gruppen von Wettbewerbern zu vergleichen. Aus den daraus abgeleiteten Erkenntnissen lässt sich die eigene Marktposition evaluieren. Dabei können auch Best-Practice-Ansätze aus den Rezensionen und dem Antwortverhalten der Wettbewerber abgeleitet werden.
Da auch zukünftig die Digitalisierung voranschreiten wird und vor allem immer mehr Textdaten erzeugt werden, müssen sich Unternehmen verstärkt mit diesem Thema auseinandersetzen. Ein guter Ausgangspunkt für erste Versuche stellen hier die weit verbreiteten Google-Bewertungen dar.
