Wie Sentiment-Analysen das Kundenerlebnis verbessern und Abwanderung verringern können

by Luciana Flora | Jan 29, 2025 | Data & reporting, Process & Automation

Kundenbewertungen prägen den Ruf einer Marke und liefern wertvolle Einblicke in die Kundenerfahrung. Positives Feedback schafft Vertrauen, während negative Bewertungen auf verbesserungswürdige Bereiche hinweisen. Stimmungsanalysen und KI-gestützte Textklassifizierung helfen Unternehmen, diese Daten effizient zu verarbeiten und entsprechend zu handeln. In diesem Artikel wird untersucht, wie Tools wie Fivetran und Snowflake eine nahtlose Integration, automatisierte Analysen und umsetzbare Erkenntnisse ermöglichen, um die Kundenzufriedenheit zu steigern und die Abwanderung zu verringern.

Sentiment-Analyse Tools

Obwohl der Fokus initial natürlich darauf liegen sollte, überhaupt gute Bewertungen zu erhalten, ist es ebenso wichtig, sowohl positive als auch negative Kommentare von Nutzern über verschiedene Kanäle hinweg zu analysieren.

Während gute Bewertungen Ihre Vertrauenswürdigkeit und Sichtbarkeit erhöhen können, können schlechte Bewertungen Einblicke in verbesserungswürdige Bereiche und Kundenpräferenzen bieten.

Sie fragen sich vielleicht, welche Art von Daten mit Tools zur Stimmungsanalyse und/oder Textklassifizierung gesammelt werden können. Je nach Schwerpunkt und Zielen können verschiedene Anwendungsfälle angewendet werden. Beide Modelle können Sie dabei unterstützen, Fragen wie beispielsweise die folgenden zu beantworten: 

  • Welche Bewertungen sind negativ und müssen im Hinblick auf Prozessverbesserungen ausgewertet werden?

  • Welche Kunden müssen nach ihrem Aufenthalt kontaktiert werden, um eine weniger als ideale Erfahrung auszugleichen?

  • Welche Kunden werden am ehesten wiederkommen und von exklusiven Angeboten und Treueprogrammen profitieren?

  • Und so weiter.

Wenn Sie über einen Beispieldatensatz für Bewertungen verfügen, können Sie diese gerne mit unserem kostenlosen KI Tool zur Sentiment-Analyse auswerten. 

Die Notwendigkeit einer Infrastruktur

In der heutigen Welt schnell wachsender Datenmengen ist kein Platz für manuelle Datenauswertung. Sie benötigen Tools, die Ihnen helfen, Prozesse in Ihr Ökosystem zu integrieren und sie auf die nächste Stufe zu heben.

Durch die automatische Verknüpfung von Daten aus mehreren Überprüfungskanälen und deren Analyse können Sie Echtzeit-Benachrichtigungen erhalten, um negative Kommentare sofort zu bearbeiten oder Kunden für eine schnellere Rückkehr zu gewinnen.

Durch die Verknüpfung von Daten aus verschiedenen Systemen, um ein vollständiges Verständnis der Customer Journey zu erhalten, können Sie die Kundenerfahrung verbessern.

Es gibt keinen einheitlichen Ansatz, daher ist es am besten, die Fähigkeiten dieser Modelle an die Anforderungen Ihrer Infrastruktur anzupassen, damit Ihr Unternehmen schnell und effektiv handeln kann.

Wie?

Durch den Einsatz von Tools wie Fivetran und Snowflake können wir Quellkanäle sowie zusätzliche Informationen nahtlos integrieren, um sie zu verarbeiten, zu analysieren und Ihnen die Endergebnisse zu liefern.

Daten automatisch abrufen

Quellen wie Google, Yelp, TripAdvisor und Trustpilot sind bereits vorhandene Konnektoren, die schnell eingerichtet und in CRMs integriert werden können.

Daten verarbeiten

Sobald die Daten bereinigt und organisiert sind, werden sie kontinuierlich in ein Data Warehouse eingespeist, wo alle erforderlichen Umwandlungen und Verarbeitungen stattfinden. Sobald das Modell definiert und angepasst ist, können Sie mit der Erfassung neuer Bewertungsdaten beginnen und Kunden anhand ihrer Abwanderungswahrscheinlichkeit klassifizieren.

Analysieren und überwachen Sie Ihre Daten

Durch Benachrichtigungen, Berichte oder E-Mails können Sie einen Prozess für die Umsetzung der Ergebnisse einrichten und die Erkenntnisse des Modells in umsetzbare Schritte umwandeln.

Customer-Churn Vorhersage basierend auf Bewertungen

Voranalyse der Daten

Als Beispiel haben wir eine TripAdvisor-Datenprobe mit grundlegenden Informationen zu Kundenbewertungen und Unterkünften verwendet. Wir haben eine Bereinigung durchgeführt und die Größe des Datensatzes unter Beibehaltung der Gesamtverteilung der Bewertungen geändert.

Wir haben uns auf Spalten mit allgemeinen Buchungs- und Bewertungsinformationen konzentriert, um einen Überblick über das Kundenfeedback zu erhalten, darunter:

  • „Titel“ der Bewertung

  • „Text“ der Bewertung

  • „Date_stayed“, „Date“, „ID“, „Via_mobile“

Zusätzlich haben wir spezifische Bewertungen für Servicekategorien anhand der Spalten untersucht:

  • „Service“, „Cleanliness“, „Value“, „Location“, „Sleep_quality“, „Rooms“, „Check_in_front_desk“, „Business_service“

Bei der Gesamtbewertung über den gesamten Zeitraum (Januar 2023 bis Dezember 2024) bewerteten mehr als 85 % der Nutzer, die Feedback hinterlassen haben, ihre Erfahrung mit 4 bis 5 Sternen.

Bei der Analyse der Bewertungen nach Kategorie stellten wir fest, dass Sauberkeit und Schlafqualität die meisten 5-Sterne-Bewertungen erhielten, während Unternehmensdienstleistungen (wie Internetdienste) und Check-in/Rezeption den höchsten Anteil an 2- und 3-Sterne-Bewertungen erhielten.

Analyse der Textklassifizierung

Um anhand der Bewertungen zu klassifizieren und vorherzusagen, ob ein Benutzer abwandern wird, haben wir die integrierten Cortex-Funktionen von Snowflake verwendet, um die Bewertungen sowohl zu klassifizieren als auch zusammenzufassen.

Aus den Ergebnissen wurden etwa 10 % der Kunden aufgrund der Stimmung in ihrer Bewertung als „Churn“ (mögliche Abwanderung) eingestuft.

In den beiden betrachteten Jahren stellten wir fest, dass die Zahl der Kunden, die Bewertungen abgeben, in den letzten fünf Monaten des Jahres 2024 deutlich anstieg. Obwohl erwartet wird, dass in absoluten Zahlen mehr Kunden abwandern würden, blieb die Verteilung innerhalb dieser Kategorie gering.

Durch die Integration der Bewertungsklassifizierung mit anderen Hotel- und aufenthaltsbezogenen Daten können wir tiefere Einblicke in Schwerpunktbereiche oder bestimmte Daten gewinnen, die Aufmerksamkeit erfordern.

Wenn wir jeden Monat einzeln betrachten, können wir nachvollziehen, welche Dienstleistungen am meisten zu höheren Abwanderungsraten beigetragen haben, und ermitteln, welche Maßnahmen ergriffen werden können, um diese Dienstleistungen zu verbessern.

Bei der gezielten Betrachtung von Kunden, die möglicherweise abwandern, stellten wir fest, dass die meisten eine 3-Sterne-Bewertung abgaben, aber es gab dennoch einige Kunden, die hohe Bewertungen abgaben und dennoch unter „Abwanderung“ eingestuft wurden.

Wir konzentrierten uns auf einen solchen Fall, bei dem ein Kunde eine hohe Bewertung abgab, seine Bewertung jedoch als „Abwanderung“ eingestuft wurde. Das Modell berücksichtigte hervorgehobene Sätze, und obwohl positive Kommentare enthalten waren, hatte die starke negative Stimmung in bestimmten Teilen der Bewertung einen erheblichen Einfluss.

Example Review:

” Ich habe mein Zimmer bei Extended Stay sehr genossen. Das Personal war äußerst höflich und hilfsbereit. Was mich wirklich beeindruckt hat, war, dass jeden Morgen frischer Kaffee zusammen mit Bagels und Muffins in der Lobby auf die Gäste wartete. Mein einziger Kritikpunkt ist, dass sie keine Cat-5-Kabel/Ethernet-Kabel für ihre Gäste haben. Da ich schon früher bei Extended Stays übernachtet habe, hatte ich erwartet, dass sie welche haben. Ich hatte meine Xbox dabei und Gott sei Dank auch einen WLAN-Adapter, sonst hätte ich sie nicht benutzen können. Als ich meinen Laptop zum ersten Mal anschloss, wurde mir klar, warum … sie wollen für eine Hochgeschwindigkeitsverbindung extra Geld verlangen! Ich war sehr enttäuscht! 

Die anderen Extended Stays haben mir immer kostenlos Ethernet-Kabel zur Verfügung gestellt, ohne zu versuchen, mir zusätzliches Geld aus der Tasche zu ziehen. Das hat mich sehr enttäuscht. Sorry, Extended Stay, aber das müsst ihr ändern. Ich zahle lieber 10 Dollar mehr, um an einem Ort zu übernachten, der ein Ethernet-Kabel  zur Verfügung stellt, als dass ich versuche, mir 3 Dollar pro Tag für schnelles WLAN zu berechnen. Was für ein Witz!– WLAN ist eben auch nur so schnell. Abgesehen davon waren die Ausstattung und die Annehmlichkeiten großartig und das Personal war freundlich und hilfsbereit.”

Schlussfolgerung

Die Analyse sowohl positiver als auch negativer Bewertungen kann die Prozesse im Gastgewerbe erheblich verbessern. Die Nutzung datengestützter Erkenntnisse und einer vollständig integrierten Infrastruktur ermöglicht schnelle und effiziente Reaktionen auf unzufriedene und zufriedene Kunden.

Durch die Anpassung von Modellen an Ihre geschäftlichen Anforderungen und Ziele können Sie effektiv skalieren und gleichzeitig agil bleiben.

Tools wie Fivetran und Snowflake mit ihren Konnektoren zu wichtigen Datenquellen machen die Einrichtung einer solchen Struktur zu einem unkomplizierten Prozess. Sobald sie eingerichtet ist, können Sie Erkenntnisse in Benachrichtigungen, Berichten oder automatisierten E-Mails in die Tat umsetzen und so sicherstellen, dass Ihr Team sofort auf die Ergebnisse reagieren und sinnvolle Änderungen umsetzen kann.

Unser Team unterstützt Sie bei der Implementierung der richtigen Tools und Strategien, um Kundenerkenntnisse in umsetzbare Verbesserungen umzuwandeln, die den langfristigen Erfolg fördern – wenden Sie sich noch heute an uns!

Neueste Beiträge

Stehen Sie vor ähnlichen Herausforderungen?

Wir würden uns freuen, mit Ihnen zu besprechen, wie wir Sie am besten unterstützen können. Zögern Sie nicht, ein kostenloses Beratungsgespräch zu einem Termin Ihrer Wahl zu vereinbaren!