Text Analytics (automatisierte Textanalyse) ist die automatisierte Analyse geschriebener Texte wie Tickets, Chats und E-Mails, um Themen, Stimmung und Anliegen in großem Umfang zu erkennen. So kann ein Supportteam jede schriftliche Konversation verstehen statt nur einer kleinen Stichprobe.
Kurz gesagt
- Text Analytics macht aus unstrukturierter Sprache Daten, die Sie messen und durchsuchen können.
- In der QA im Support zeigt es Qualitätsmängel und Coaching-Anlässe.
- Für das Kundenerlebnis zeigt es, was Kunden wollen und wie es ihnen dabei geht.
- Die besten Tools verknüpfen jeden Score mit dem genauen Wortlaut dahinter.
Wie Text Analytics funktioniert
Text Analytics wendet Natural Language Processing auf schriftliche Konversationen an. Es bereinigt und strukturiert den Rohtext und klassifiziert ihn dann: Es gruppiert Nachrichten nach Themen, bewertet die Stimmung als positiv, neutral oder negativ und erkennt das Anliegen des Kunden, zum Beispiel eine Erstattung, eine Fehlermeldung oder eine Kündigung. Weil es automatisch in den Systemen läuft, in denen die schriftlichen Konversationen ohnehin liegen, kann es das gesamte Ticket- und Chatvolumen laufend verarbeiten statt des kleinen Anteils, den ein Team von Hand lesen könnte.
Was Text Analytics herausliest
Der Wert von Text Analytics liegt darin, dass es frei formulierten Text in Felder verwandelt, die ein Team filtern, im Verlauf beobachten und bearbeiten kann.
| Signal | Was es erfasst |
|---|---|
| Themen | Die Themen, zu denen Kunden schreiben, automatisch gruppiert |
| Stimmung | Ob der Ton des Kunden positiv, neutral oder negativ ist |
| Anliegen | Was der Kunde will: eine Erstattung, eine Lösung, eine Kündigung und mehr |
| Qualität | Wie gut die schriftliche Antwort eines Agents Ihre Kriterien erfüllt |
| Trends | Wie sich Themen und Stimmung über die Zeit verschieben |
Text Analytics in der QA und im Kundenerlebnis
In der Qualitätssicherung im Support macht Text Analytics es erst möglich, schriftliche Konversationen in großem Umfang zu bewerten: Tickets und Chats nach einer Scorecard bewerten und die Momente sichtbar machen, die ein Coaching wert sind. Für das Kundenerlebnis zeigt es die Stimme des Kunden in der Summe: die wiederkehrenden Gründe, aus denen Menschen schreiben, wo die Stimmung kippt und welche Probleme wachsen. Es ist das Gegenstück zu Speech Analytics für geschriebenen Text, und zusammen speisen beide Conversation Intelligence, die Telefon und Text nebeneinander auswertet. Kaizo ist eine Plattform für QA und Coaching, nativ in Zendesk und Salesforce, und entwickelt sich in Richtung Conversation Intelligence für Supportteams.
Sehen Sie es an Ihren eigenen Konversationen. Kaizo bewertet 100 % Ihrer Supportkonversationen und macht aus den Ergebnissen Coaching. Demo buchen.
Häufig gestellte Fragen
Ist Text Analytics dasselbe wie Stimmungsanalyse?
Nein. Die Stimmungsanalyse ist ein Teil von Text Analytics und bewertet den Ton einer Nachricht. Text Analytics ist breiter und liest aus schriftlichen Konversationen auch Themen, Anliegen und Qualitätssignale heraus.
Worin unterscheidet sich Text Analytics von Speech Analytics?
Text Analytics liest geschriebenen Text wie Tickets, Chats und E-Mails. Speech Analytics arbeitet mit Sprache am Telefon und transkribiert Anrufe, bevor es sie analysiert. Conversation Intelligence verbindet beides über alle Kanäle.
Was bringt Text Analytics Supportteams?
Ein Team kann damit jede schriftliche Konversation messen statt einer manuellen Stichprobe und sieht Qualitäts-Scores für die QA, die Themen und Anliegen, die Kunden ansprechen, und wie sich die Stimmung in der Queue entwickelt.
Welche Signale liest Text Analytics aus Supportkonversationen heraus?
Fünf: Themen, zu denen Kunden schreiben, die Stimmung (positiv, neutral oder negativ), das Anliegen des Kunden, die Qualität der schriftlichen Antwort eines Agents gemessen an Ihren Kriterien und Trends, also wie sich Themen und Stimmung über die Zeit verschieben.
Kann Text Analytics mehrere Sprachen verarbeiten?
Modernes Text Analytics auf Basis von Sprachmodellen kann Themen, Stimmung und Anliegen in vielen Sprachen klassifizieren, sodass ein globales Supportteam sein gesamtes schriftliches Volumen in jeder Sprache auf dieselbe Weise auswerten kann.
