Sentimentanalyse im Kundenservice bedeutet, auszuwerten, was Kunden in Tickets, Chats, E-Mails, Bewertungen und Umfragen schreiben und sagen, um zu erkennen, wie sie Ihr Produkt, Ihren Service und den erhaltenen Support empfinden. Meist arbeitet sie mit Natural Language Processing, das Feedback als positiv, neutral oder negativ einstuft. Supportteams nutzen sie, um Frust früh zu erkennen und zu handeln, bevor daraus eine Eskalation wird.
Kurz gesagt
- Die Sentimentanalyse macht aus Kundenfeedback ein Bild davon, wie sich Kunden fühlen, nicht nur, was sie gefragt haben.
- Sie erfasst auch die Kunden, die CSAT-Umfragen verpassen, denn Umfragen erreichen vor allem die zufriedensten und die verärgertsten Kunden.
- Supportteams nutzen vier Arten: aspektbasierte Analyse, feingranulare Analyse, Emotionserkennung und Intent-Analyse.
- Die meisten Teams sollten mit Emotions- und Intent-Analyse auf vergangenen Supporttickets beginnen, weil beide Daten nutzen, die bereits vorhanden sind.
- Die Stimmungsanalyse wirkt am besten zusammen mit QA-Scores und der Empathie der Agents: So sehen Sie, wie sich der Kunde gefühlt hat und wie der Agent damit umgegangen ist.
Was ist Sentimentanalyse im Kundenservice?
Die Sentimentanalyse im Kundenservice ist eine Methode, mit der Supportverantwortliche Kundenfeedback schnell und genau bewerten. Sie wertet die Sprache der Kunden aus, um zu entscheiden, ob diese positiv, neutral oder negativ gestimmt sind, und worauf sich das bezieht. Das Ergebnis zeigt Muster in den Reaktionen der Kunden, sodass das Team Strategien entwickeln kann, die Kundenzufriedenheit und Kundenerlebnis verbessern.
In der Regel stützt sich die Sentimentanalyse auf Algorithmen, die Kundendaten wie E-Mails, Kommentare, Bewertungen, Umfragen und sogar Telefonate auswerten. Anhand dieser Quellen wird die verwendete Sprache bewertet und die Stimmung eines Kunden bestimmt.
Diese Analyse hilft, Schmerzpunkte, Vorlieben und Verbesserungsbedarf der Kunden zu erkennen. Außerdem finden Führungskräfte damit Trends im Kundenfeedback und können besser entscheiden, wie sie auf Bedürfnisse oder Probleme der Kunden reagieren. In Kaizo gehört das zu Insights & Analysen für den Kundenservice, neben Ursachenanalyse und Reporting.
Wenn Sie die allgemeine Technik dahinter verstehen möchten, auch außerhalb des Kundenservice, erklärt unser Beitrag was Sentimentanalyse ist (auf Englisch) die Grundlagen.
Warum ist Sentimentanalyse im Kundenservice wichtig?
Die Sentimentanalyse ist wichtig, weil Sie kein gutes Kundenerlebnis bieten können, ohne zu verstehen, wie sich Ihre Kunden fühlen. Sie zeigt, wie Kunden ein Produkt oder einen Service empfinden, einschließlich des erhaltenen Supports, und sie lässt Supportteams Probleme erkennen, bevor sie größer werden. Wer die Stimmung über die Zeit verfolgt, sieht negative Trends, solange noch Zeit ist, sie zu beheben.
Wenn Sie besser verstehen, was Ihre Kunden über Ihr Unternehmen denken (und fühlen), treffen Sie bessere Entscheidungen bei der Planung und Gestaltung des Kundenerlebnisses. Wenn Sie genau wissen, was ihnen an Ihrem Produkt und Service gefällt oder missfällt, können Sie:
- individuelle Erlebnisse bieten
- proaktiven Support (auf Englisch) leisten
- bessere Entscheidungen für die Zukunft Ihres Produkts und Ihrer Nutzer treffen
- den Return on Investment der Kampagnen steigern, die mehrere Abteilungen Ihres Unternehmens durchführen
- den Ruf Ihrer Marke sicher steuern und Eskalationsrisiken vermeiden
Wenn Sie die Kundenstimmung über die Zeit verfolgen, erkennen Sie negative Trends und können rechtzeitig gegensteuern. Das ist besonders wichtig, weil Sie Beschwerden so zuvorkommen und die Kundenzufriedenheit auf Spitzenniveau halten.
Sobald Supportteams verstehen, wie Kunden fühlen und denken, können sie außerdem personalisierte Kundenerlebnisse schaffen, damit jeder Käufer genau die Hilfe bekommt, die er braucht. In der CX-Trends-Studie 2022 von Zendesk gaben 90 % der Verbraucher an, bei Unternehmen, die das Serviceerlebnis personalisieren, bereit zu sein, mehr auszugeben.
Wie verbessert die Sentimentanalyse das Kundenerlebnis?
Die Sentimentanalyse verbessert das Kundenerlebnis, weil sie Trends und Muster zeigt, die Standardkennzahlen im Support verbergen. Sie liefert die Geschichte hinter einer Zahl wie dem CSAT, zeigt, welche Probleme Kunden schon ab der ersten Nachricht frustrieren, und sagt Agents, wann eine Antwort einen verärgerten Kunden voraussichtlich noch mehr verärgert. Zwei Supportverantwortliche haben uns erklärt, wie sie sie nutzen.
Craig Stoss, Director of CX Transformation bei PartnerHero, sagt, die Kundenstimmung müsse zu den Kennzahlen und Zielen passen, die Sie im Support üblicherweise messen, oder diese verändern:
„Wenn wir zum Beispiel berichten, dass unser Kundenzufriedenheitswert (CSAT) gestiegen ist, wissen wir, dass der CSAT nicht ganz genau ist, weil er typischerweise die zufriedensten und die verärgertsten Kunden erfasst, nicht die in der Mitte.
Es ist durchaus wahrscheinlich, dass Sie, sobald Sie die Stimmung aus Ihren Social-Media-Kanälen, Bewertungskommentaren, Ticketdaten oder anderen Daten zusammenführen, etwas erfahren, das den Kennzahlen widerspricht, die Sie jeden Tag ansehen. Denn Sie nutzen eine breitere Datenbasis, ohne den Filter, wer auf Umfragen und gezielte Fragen antwortet.“
Für Craig ist allein das zentral für ihre Mission, den Kunden genau zu verstehen und gemeinsam mit ihm positive Kundenerlebnisse zu schaffen:
„Die Stimmung ist wichtig für die Partnerschaft. Wenn wir mit unseren Kunden über Wert sprechen, wissen wir, dass nicht die Kennzahl das Wichtigste ist, sondern die Geschichte hinter der Kennzahl, was wir auf Basis dieser Geschichte tun, um die Kennzahl zu verbessern, und welche Wirkung diese Maßnahmen haben. All das zusammen mit der Kennzahl gibt jeder Supportorganisation mehr Wert.“
Wenn Ihr CSAT und Ihre Qualitätsscores unterschiedliche Geschichten erzählen, zeigt unser Leitfaden QA-Score vs. CSAT: Wer hat bei Abweichungen recht?, wie Sie die Lücke lesen.
Jaakko Jutila, Vice President of Customer Support bei Basware, sagt, dass sein Team durch die Sentimentanalyse der ersten und der folgenden Kommentare eines Kunden erkennt, welche konkreten Probleme den Kunden von Anfang an frustrieren. Diese Informationen helfen entscheidend dabei, die Produktentwicklung zu priorisieren, frustrierende Funktionen zu beseitigen und das gesamte Produkterlebnis zu verbessern.
Durch die Analyse der Kundenstimmung weist Jaakkos Team die Support-Mitarbeitenden darauf hin, wenn eine bestimmte Antwort den Ärger des Kunden verschärfen würde. So können Agents passend und wirksam kommunizieren.
Jaakko betont außerdem, dass einer der deutlichsten Vorteile darin liegt, Ticket-Eskalationen zu verhindern:
Wie Supportteams mit Eskalationen umgehen, lesen Sie in unserem Beitrag zum Eskalationsmanagement im Kundenservice.
Welche Arten der Sentimentanalyse im Kundenservice gibt es?
Im Kundenservice gibt es vier zentrale Arten der Sentimentanalyse: die aspektbasierte Analyse, die Gefühle bestimmten Teilen eines Produkts oder Service zuordnet; die feingranulare Analyse, die Wörter und Emotionen im Detail einstuft; die Emotionserkennung, die Tonfall und Haltung in Gesprächen liest; und die Intent-Analyse, die herausfindet, was der Kunde als Nächstes tun möchte.
Aspektbasierte Sentimentanalyse
Was sie ist:
Die aspektbasierte Sentimentanalyse ist eine Technik, mit der Sie tiefere Einblicke gewinnen, was Kunden über bestimmte Aspekte (oder Elemente) Ihrer Produkte oder Services denken. Sie geht über die reine Einstufung von Kundenfeedback als positiv, negativ oder neutral hinaus, weil sie zeigt, welche Aspekte Kunden mögen oder nicht mögen.
So bekommen Supportteams ein detaillierteres Bild davon, wie Kunden denken. Erhalten Sie zum Beispiel eine Kundenbeschwerde, zeigt die aspektbasierte Sentimentanalyse anhand der Wörter, mit denen der Kunde sein Erlebnis beschreibt, genau, mit welchen Teilen eines Produkts oder Service er ein Problem hatte. So können Sie das eigentliche Problem hinter einer Beschwerde erkennen und beheben, bevor die Lage eskaliert. Unser Leitfaden zur Ursachenanalyse im Kundenservice behandelt diesen nächsten Schritt.
So fangen Sie an:
Für eine aspektbasierte Sentimentanalyse legen Sie zuerst fest, welche Hauptaspekte (Elemente oder Funktionen) Ihres Produkts oder Service Ihren Kunden wichtig sind.
Das können Faktoren wie bestimmte Funktionen, Preise, Benutzerfreundlichkeit oder der Kundenservice sein. In der Supportleitung konzentrieren Sie sich auf Letzteres. Das heißt aber nicht, dass Sie diese Analyse allein durchführen sollten. Im Gegenteil, es lohnt sich, mit den anderen Abteilungen Ihres Unternehmens zusammenzuarbeiten.
Sobald die Aspekte geklärt sind, nutzen Sie meist Machine Learning (ML) oder Natural Language Processing (NLP), um große Mengen an Kundenfeedback auszuwerten. Quellen für diese Erkenntnisse sind Kundenbewertungen, Umfragen, Social-Media-Beiträge und Supporttickets.
Feingranulare Sentimentanalyse
Was sie ist:
Stellen Sie sich vor, Sie zerlegen jeden Satz in Wörter und stufen diese als positiv, neutral oder negativ (auf Englisch) ein. Durch die Analyse sprachlicher Signale wie Emoticons, Satzzeichen, Stimmungsumkehrer und Verstärker kann ein Algorithmus auf Basis feingranularer Sentimentanalyse Kundennachrichten (sogar Telefonate und Audiodateien) nach den trainierten Stimmungslabels einstufen.
Die Erkenntnisse aus der feingranularen Sentimentanalyse helfen Supportteams, Probleme zu priorisieren, Prozesse zu verbessern, FAQ-Antworten und Wissensdatenbankartikel anzupassen und auf einzelne Kundenanfragen gezielter zu antworten.
So fangen Sie an:
Für eine feingranulare Sentimentanalyse brauchen Sie ein Modell, das auf einem großen Datensatz von Textbeispielen trainiert wurde, die mit bestimmten Emotionen wie Angst, Zufriedenheit, Zögern oder Ärger gelabelt sind. Dieses Modell wenden Sie dann auf Kundenbewertungen, Kommentare, E-Mails, Transkripte und Umfragen an.
Das Ergebnis ist meist eine Reihe von Markierungen im Text, die verschiedene Emotionen zeigen. Auf dieser Grundlage können Sie zuerst Kunden antworten, die starke negative Emotionen wie Ärger zeigen. Oder Sie verfolgen Emotionen über die Zeit, um die Reaktion der Kunden auf eine Änderung wie neue Funktionen oder eine geänderte Oberfläche zu beobachten.
Analyse mit Fokus auf Emotionserkennung
Was sie ist:
Emotionen im Blick zu behalten, ist vielleicht eine der beliebtesten Arten der Sentimentanalyse im Kundenservice, weil sie leicht anzuwenden ist und keine komplizierten KI-Modelle erfordert.
Es geht schlicht darum, Tonfall, Emotionen und Haltungen zu analysieren, die Kunden zeigen, wenn sie über Kanäle wie E-Mail, Social Media, Bewertungsportale, Umfragen und Chats mit Ihrem Unternehmen interagieren.
Was ist also Ihr Ziel? Zu verstehen, wie Menschen den Service und das Erlebnis, das Ihre Agents bieten, wirklich empfinden. Ein Blick in die Tickets hilft Ihnen zum Beispiel, negative Emotionen und Verbesserungsmöglichkeiten zu erkennen. So können Sie mit Ihren Agents sprechen und bessere Praktiken dafür einführen, wie Agents mit Kunden kommunizieren.
So fangen Sie an:
Am wichtigsten ist, dass Sie verstehen, wie Sie diese Tickets, Nachrichten, Beiträge, Bewertungen oder Transkripte lesen.
Wenn Kunden zum Beispiel eine negative Erfahrung mit Ihrem Supportteam machen, äußern sie Frust und Enttäuschung oft direkt und haken bei Bedarf sogar mehrmals nach. Sie können diese Unzufriedenheit aber auch in neutraler oder sogar positiver Sprache ausdrücken. Genau deshalb führen Sie die Analyse am besten selbst durch und behalten den Kontext im Blick, mit besonderer Aufmerksamkeit für unterschwellige Unzufriedenheit und frühere Interaktionen.
Denken Sie daran: Achten Sie nicht nur auf die Wörter der Kunden. Kontext, Grammatik, Satzzeichen, Abstände, Emojis und sogar nonverbale Signale helfen Ihnen, Emotionen richtig zu erkennen.
Fokus auf Intent-Analyse
Was sie ist:
Sie möchten genau wissen, was Kunden als Nächstes tun, oder grob abschätzen, wann sie kaufbereit sind? Dann kommt die Intent-Analyse ins Spiel.
Diese Technik hilft Agents, die Absicht hinter dem zu verstehen, was ein Kunde sagt. Support-Mitarbeitende können dann besser und gezielter auf Kundenanfragen antworten. Außerdem ist sie ein gutes Werkzeug, wenn Sie Ihrem Vertriebs- oder Produktteam zusätzliche Erkenntnisse liefern möchten.
So fangen Sie an:
Die Absicht erkennen Sie vor allem über den Kontext. Kunden können für dieselbe Absicht sogar ganz unterschiedliche Wörter verwenden. Ein Kunde fragt zum Beispiel: „Kann ich mehr Bilder vom Produkt bekommen?“ oder „Wie sind Ihre Rückgaberegeln?“ Hinter beiden Fragen steckt eine Form von Kaufabsicht. Das einzige Problem: Jeder dieser Kunden kann sich in einer anderen Phase des Lebenszyklus befinden. Genau hier hilft Ihnen der Kontext, die wahrscheinlichste Absicht vorherzusagen.
Wenn Agents die Absicht in jeder Phase verstehen, können sie ihre Antworten verbessern und dafür sorgen, dass kein Interessent und kein Kunde verloren geht. Als Führungskraft können Sie frühere Interaktionen zwischen Agents und Kunden auswerten, um zu analysieren, wie Ihre Agents antworten, und nachzusteuern. Kleine Änderungen können die Lösungsquote bei der ersten Antwort, die Produktivität der Agents (auf Englisch) und die Kundenzufriedenheit (auf Englisch) verbessern.
Wie stufen Sie Kundennachrichten als zufrieden, neutral oder unzufrieden ein?
Sie stufen eine Kundennachricht ein, indem Sie Wörter, Kontext und Verlauf zusammen lesen und ihr dann ein Label geben: zufrieden, neutral oder unzufrieden. Wörter allein führen in die Irre, weil unzufriedene Kunden oft höflich schreiben. Achten Sie auf wiederholte Kontakte, Nachfragen und darauf, was der Kunde als Nächstes verlangt, und bewerten Sie das ganze Gespräch, nicht nur einen Satz.
Hier ein Beispiel mit drei Supportnachrichten und wie ein Prüfer sie einstufen würde:
| Kundennachricht | Label | Warum |
|---|---|---|
| „Das hat funktioniert, danke für die schnelle Hilfe!“ | Zufrieden | Klar positive Wörter, und das Problem ist gelöst. |
| „Können Sie mir die Rechnung für März schicken?“ | Neutral | Eine schlichte Bitte ohne Emotion in die eine oder andere Richtung. |
| „Danke. Das ist das dritte Mal, dass ich wegen meiner Erstattung nachfrage.“ | Unzufrieden | Höfliche Formulierung, aber ein wiederholter Kontakt zum selben Problem. |
Die dritte Zeile ist die, die stichwortbasierte Tools oft übersehen. Sie ist das Problem der „neutralen oder sogar positiven Sprache“ aus dem Abschnitt zur Emotionserkennung oben und der Grund, warum der Kontext wichtiger ist als jedes einzelne Wort.
Wie misst Kaizo Kundenstimmung und Empathie?
Kaizo bewertet Kundenstimmung und Empathie der Agents in 100 % der Supportgespräche, bei jeder Nachricht statt in einer Stichprobe. Führungskräfte können nach den Gesprächen filtern, die sich schlecht entwickeln, sehen, wie Agents reagiert haben, und beurteilen, ob sie empathisch genug waren. Frust wird so zu einem Trend, auf den Sie reagieren können, statt zu einer Kündigung.
Mit Kaizo können Sie in den Tickets die Kundenstimmung analysieren, sehen, wie Agents auf Tickets antworten, verstehen, ob sie empathisch genug waren, und mehr.
Kaizos Metrik Customer Sentiment ist ein wertvolles Werkzeug, um die Kundenzufriedenheit zu beurteilen und die Servicequalität zu verbessern. Sie gibt Einblick in das gesamte Kundenerlebnis und hilft zu erkennen, wo etwas schiefgelaufen sein könnte.
Anders als klassische Kennzahlen wie der CSAT geht diese Metrik über oberflächliche Bewertungen hinaus und nutzt Natural Language Processing, um die Stimmung hinter den Kundeninteraktionen zu analysieren.
Weil sie negative Stimmung früh erkennt, ermöglicht sie es, Probleme proaktiv zu identifizieren, Anliegen schnell anzugehen und die Kundenzufriedenheit zu sichern. Die Metrik zeigt außerdem Stärken und Schulungsbedarf der Agents, was gezieltes Coaching und bessere Leistung ermöglicht.
Kaizos Metrik Empathy Score bewertet und misst, wie viel Empathie Support-Agents in ihren Interaktionen zeigen. Eine professionelle, empathische und positive Haltung ist für Mitarbeitende im Kundenkontakt entscheidend, auch in schwierigen Situationen.
Der KI-gestützte Empathy Score misst Empathie objektiv und sorgt so für einheitliche Bewertungen über verschiedene Interaktionen und Agents hinweg. Er liefert datenbasierte Erkenntnisse, indem er Sprachmuster, Stimmung und Tonfall analysiert, sodass das QA-Team Stärken und Bereiche mit zusätzlichem Schulungsbedarf erkennt. Agents erhalten Feedback auf Basis ihrer Empathie-Scores, das ihnen hilft, ihre Fähigkeiten zu verbessern. Wie die Stimmung in eine Scorecard passt, lesen Sie unter Sentiment-Scoring in der QA (auf Englisch).
In diesem Feedback-Kreislauf zeigt sich die Zeitersparnis. EverHelp, ein BPO mit über 400 Support-Experten, erstellt in Kaizo für jeden Agenten Coaching-Karten aus dessen eigenen Gesprächen, und der Aufwand für die Coaching-Vorbereitung sank in sechzehn Bereichen um 75 %.
Sehen Sie es an Ihren eigenen Gesprächen. Wir bewerten die Stimmung in einer Stichprobe Ihrer Gespräche und zeigen Ihnen die Muster. Demo buchen.
Wie starten Sie mit der Sentimentanalyse im Kundenservice?
Beginnen Sie mit Ihren vergangenen Supporttickets. Wählen Sie die Gespräche aus, die schwierig waren oder länger als üblich gedauert haben, entscheiden Sie sich für eine oder zwei Arten der Sentimentanalyse und suchen Sie nach Mustern, wie sich Kunden gefühlt und wie Agents reagiert haben. Eine Kombination aus Emotions- und Intent-Analyse ist der einfachste erste Schritt, weil sie Daten nutzt, die Sie bereits haben.
Wenn Sie sich jetzt nur eines merken, dann dies: Das Kundenerlebnis verbessern (auf Englisch) heißt, Ihren Agents beim Wachsen zu helfen. Welche Soft Skills oder Hard Skills mehr Entwicklung brauchen, verstehen Sie aber nur, wenn Sie sich ansehen, wie sie mit Kunden interagieren.
Und dann gibt es den zweiten Teil: Kundenstimmung, Bedürfnisse und Schmerzpunkte verstehen, um künftige Interaktionen besser darauf abzustimmen.
Um die Kundenstimmung (und nebenbei die Leistung der Agents) gut zu erfassen, beginnen Sie mit der Analyse vergangener Supporttickets. Wählen Sie Tickets, die schwierig waren oder länger als üblich bis zur Lösung gebraucht haben. Danach entscheiden Sie, welche Art der Sentimentanalyse Sie einsetzen möchten.
Sie können alle vier Arten der Sentimentanalyse durchführen, aber das ist keine gute Lösung, wenn Sie schnell Ergebnisse wollen. Wir empfehlen, mit einer Kombination aus Emotions- und Intent-Analyse zu beginnen, weil beide leichter umzusetzen sind und Ressourcen nutzen, die Sie bereits haben, etwa Zugriff auf Supporttickets, Kundenbewertungen oder Umfragen.
Wann ist die Sentimentanalyse nicht das richtige Werkzeug?
Die Sentimentanalyse ist nicht das richtige Werkzeug, wenn Sie zu wenig Feedback haben, um ein Muster zu erkennen, oder wenn Sie wissen müssen, ob ein Agent einen Prozess eingehalten hat. Ein Team, das nur eine Handvoll Tickets pro Woche bearbeitet, lernt mehr, wenn es jedes einzelne liest. Die Stimmung sagt Ihnen, wie sich der Kunde gefühlt hat, nicht, ob die Antwort richtig war.
Einige ehrliche Grenzen, die Sie im Blick behalten sollten:
- Geringes Volumen. Bei ein paar Dutzend Gesprächen pro Woche lesen Sie sie selbst. Automatisierte Sentimentanalyse bringt wenig, wenn Sie jedes Ticket sehen können.
- Höfliche Unzufriedenheit. Kunden können neutrale oder sogar positive Wörter verwenden und trotzdem unzufrieden sein, deshalb kann ein Stimmungslabel ohne Kontext in die Irre führen.
- Richtigkeit und Compliance. Ein zufriedener Kunde kann trotzdem eine falsche Antwort erhalten haben. Das prüft eine QA-Scorecard, nicht die Stimmung.
- Kein Plan zum Handeln. Stimmungsdaten zahlen sich nur aus, wenn jemand für die Folgemaßnahmen verantwortlich ist: Coaching, eine Produktkorrektur oder eine Prozessänderung.
Wenn Sie bereit sind, die Stimmung mit Ursachenanalyse und Reporting zu verbinden, beginnen Sie mit Kaizos Insights & Analysen für den Kundenservice, oder buchen Sie eine Demo, um es an Ihren eigenen Tickets zu sehen.
Häufig gestellte Fragen
Was ist ein Beispiel für Sentimentanalyse im Kundenservice?
Eine Supportverantwortliche prüft die Tickets des letzten Monats und stuft jedes als zufrieden, neutral oder unzufrieden ein. Eine Nachricht wie „Danke. Das ist das dritte Mal, dass ich wegen meiner Erstattung nachfrage.“ wird trotz der höflichen Formulierung als unzufrieden eingestuft, weil es ein wiederholter Kontakt ist. Gruppiert man diese Labels nach Thema, zeigt sich, welche Probleme Kunden am meisten frustrieren.
Welche Datenquellen nutzt die Sentimentanalyse im Kundenservice?
Sie nutzt jeden Ort, an dem sich Kunden in eigenen Worten äußern: Supporttickets, Chats, E-Mails, Umfragen, Onlinebewertungen, Social-Media-Beiträge und Transkripte. Mehr Quellen ergeben ein vollständigeres Bild, denn Umfrageantworten kommen nur von den Kunden, die sich entscheiden zu antworten.
Ist Sentimentanalyse dasselbe wie CSAT?
Nein. Der CSAT ist ein Wert, den Kunden vergeben, wenn sie eine Umfrage beantworten, und er erfasst typischerweise die zufriedensten und die verärgertsten Kunden. Die Sentimentanalyse liest die Gespräche selbst und erfasst so auch die Kunden in der Mitte, die nie auf eine Umfrage antworten.
Kann Sentimentanalyse Eskalationen verhindern?
Sie kann dabei helfen. Wird negative Stimmung früh in einem Gespräch erkannt, kann eine Führungskraft oder ein Agent eingreifen, solange sich das Problem noch lösen lässt. Das Supportteam von Basware nutzt die Stimmung, um Agents zu signalisieren, wann eine bestimmte Antwort einen verärgerten Kunden voraussichtlich noch mehr verärgert.
Mit welcher Art der Sentimentanalyse sollte ich beginnen?
Beginnen Sie mit einer Kombination aus Emotionserkennung und Intent-Analyse. Beide sind leichter umzusetzen als die aspektbasierte oder die feingranulare Analyse, und beide nutzen Ressourcen, die Sie bereits haben, etwa Supporttickets, Kundenbewertungen und Umfragen.
Wie hilft die Sentimentanalyse beim Coaching von Support-Agents?
Die Stimmung zeigt, wie sich Kunden in den Gesprächen mit jedem Agenten gefühlt haben, und die Empathie-Bewertung zeigt, wie der Agent reagiert hat. Zusammen verweisen sie auf konkrete Gespräche für das Coaching, sodass Feedback auf Belegen beruht statt auf einem allgemeinen Eindruck.
