scopeKM: Ein Frühwarnsystem für Social Media

scopeKMKnowledge Management

Ein Frühwarnsystem für Social MediaDie Stimmungen spielen keine Rolle – so lange man das „Warum“ hinter diesen nicht beantworten kann.


Ein Frühwarnsystem für Social Media -2-

1. Das „Warum“ als Herausforderung

Wie nie zuvor haben jetzt die Kunden die Möglichkeit, ihr Wissen über Produkte gezielt einzusetzen

und das Verhalten der Anderen bezüglich deren Beschaffung oder Nutzung direkt zu beeinflussen.

Dynamische Meinungsbildungsprozesse können von Jedermann gestartet und kommentiert werden.

Und in den Social Media – in den Weblogs, Foren und Portalen, in Twitter, Facebook usw. – werden

die Unternehmen, Produkte und Dienstleistungen im Rahmen von öffentlichen Diskursen gerne

bewertet. Dieser teilweise Kontrollverlust hat aber auch einen positiven Aspekt: Web2.0 gilt als ein

System, das das Potential hat, Krisenherde um das eigene Unternehmen und sein Produktportfolio

frühzeitig zu erkennen. Insbesondere dann, wenn auch die internen Quellen wie z.B. der E-Mails,

Umfrageergebnisse oder CRM-Notizen mit ihren umfangreichen und relevanten Aussagen über das

Unternehmen, seine Marken, Produkte, Leistungen, sein Markauftreten und seine Konkurrenten in

die Betrachtung miteinbezogen werden würden.

Um aus diesen allen Informationen verwertbares Wissen zu gewinnen, benötigte man bestimmte

Fertigkeiten: die Kundenkonversationen aus allen Kanälen müssten in automatisch ablaufenden

Analyseprozessen solcher Art einbezogen werden, die die Konversationen „verstehen“ ,analysieren und

solche Informationen „herausziehen“, die zu fallspezifisch richtigen Entscheidungen führen.

Stimmungen sind ebenfalls ein breit diskutiertes Thema im Bereich der Sozial-, Markt- und Kunden-

analyse in diesem Zusammenhang. Generell gelten die „Voice of the Customer“ aus den internen und

externen Quallen als das "heiliger Gral" der richtigen Entscheidungen. Erfahrungen zeigen aber, dass

die Betrachtung der Stimmungen erst dann als sinnvoll gilt, wenn man sie mit dem WARUM, mit der

Ursache ihrer Entstehung, verknüpfen kann: Warum ist der Kunde wirklich verärgert oder warum ist

er sehr zufrieden? Warum reagiert er in scheinbar gleichen Fällen unterschiedlich? Erst die

Beantwortung des „Warum“ hinter den Fakten ermöglicht es, Massnahmen mit richtiger Wirkung zu

ergreifen. Dies möchten wir mit folgendem Beispiel illustrieren.

Eine grosse amerikanische Technologiefirma war mit der Tatsache konfrontiert, dass ihre Net

Promoter TM Score eine starke Abwärtstendenz zeigte. Ursächlich verantwortlich gemacht hat man für

dies den Kundenservice, insbesondere auch, weil ein Teil der Servicedienstleistungen an eine Übersee-

firma outsourcet wurde. Kombinierte Analyse der umfragegestützten Aussagen zu der Kundezu-

friedenheit mit denen in den Social Media ergab aber ein gänzlich anderes und unerwartetes Bild. Den

Umfrageergebnissen entsprechend gab es zwar in den Konversationen deutlich negative Stimmung, es

stellte sich aber sehr schnell und klar heraus, dass diese etwas mit der letzten Version eines als

bahnbrechend bezeichneten Produkts der Firma zu tun hatte, einer im Hintergrund jeden PC‘s

ablaufenden Software. Die Funktionalitäten der neuen Version der SW waren zwar hervorragend, die

Software als solche aber hatte grosse Leistungsprobleme, die praktisch jeder Anwender beklagte.



Nach der Analyse und der Gewinnung entsprechender Einsichten entschloss sich die Firma deshalb zu

einem Radikalschritt– sie reorganisierte die Entwicklungs- sowie QM-Abteilung und baute ein „Center

of Competence“ auf. In bloss einigen Monaten wurde die neue Version des Produkts komplett

überholt, die Leistungsfähigkeit der Software mit der Hardware optimiert und dies bei den Kunden

kommuniziert. Nach der Markt-Neueinführung verbesserte sich in Folge der verbesserten

Kundenzufriedenheit auch die Stimmung in den einschlägigen Foren signifikant.

Hier, wie auch in vielen anderen Fällen, war das WARUM hinter den Stimmungen wichtig. Erst dieses

Verständnis und – selbstverständlich – die Beseitigung der Ursache der Unzufriedenheit waren es, die

die Umdrehung der Stimmung in positive Richtung ermöglichte. Darüber hinaus konnte auch der

Fokus richtig gestellt werden: Während man anfänglich den Kundenservice als die Ursache der

mangelnden Kundenzufriedenheit vermutete, war es in der Tat das Produkt selbst.

2. Die Technologie als Grundlage der VoC „Voice of the Customer“-

Analyse

Die Technologie der „Allumfassenden Extraktion“ „versteht“ die Syntax und den Kontext jeder

Aussage, kann zwischen vielen verschiedenen Formen und Modi wie Verneinungen, Bedingungen usw.

unterscheiden, die anaphorischen Verbindung „verstehen“ und die unter-schiedlichen, positiven und

negativen, Ausdruckweisen des Kunden fein granuliert wahrnehmen und bewerten. Die Engine

extrahiert in Near-Real-Time und in einer sehr präzisen Art und Weise

Im Semantic Annotation Server wird die Technologie der Allumfassenden Extraktion angewendet



Beispiel: Leistungsstarke Analyse durch die Kombination der Voice of the Customer-Text-extraktion mit den bestehenden DWH-Informationen

aus dem in verschiedensten Kanälen veröffentlichten unstrukturierten Text Fakten, Beziehungen und

Stimmungen. Dieser in strukturiertem relationalem Datenformat erstellte Output wird anschliessend

mit den bestehenden internen strukturierten relationalen Daten (Data Warehouse) gekoppelt. Die auf

diese Art kombinierten Informationen können dann mit den bestehenden BI-Anwendungen

automatisiert untersucht, die besonderen Vorkommnisse ursächlich zurückgeführt und zu

Frühwarnungen angewendet werden.

Das Frühwarnsystem ermöglicht es der Organisation von überall und jederzeit in nahezu Echtzeit die

internen und externen Kundengespräche zu verfolgen. Mit dem Ansatz „Allumfassende Extraktion“

reagiert das Frühwarnsystem sofort auf die identifizierten Warnsignale, strukturiert und ordnet die

Konversationen für die Beantwortung und befördert gleichzeitig die erstellten Einsichten über die

Aufgaben und Ursachen quer durch das Unternehmen zu allen zuständigen Organisationseinheiten

und Personen.



3. Leistungen des Frühwarnsystems

Die Leistungen des Frühwarnsystems ermöglichen es den Benutzern, weit über das einfache Social

Media Monitoring zu gehen:

� Integration der Multi-Channel Kundenkonversation aus vielen Millionen Online- und internen

Quellen in unterschiedlichen Sprachen aus:

� Twitter

� Facebook

� Communities und Foren bei unterschiedlichen Providern, wie z.B. Jive, Lithium,

Codecheck usw.

� Kundenumfragen bei Providern wie Vovici, Allegiance und anderen

� Notizen aus den internen CRM-Systemen, wie z.B. SAP und Oracle Siebel

� Contact Center-Interaktionen, beispielsweise E-Mails oder Chats

� Reportinganwendungen von Webtraffic

� Identifizierung bedrohlicher Situationen, wie z.B. der Kündigungsabsichten, negativen Berichte

im Frühstadium, Planung der Angriffe auf Produkte

� Aufdeckung von Chancen, wie z.B. von kaufbereiten, Empfehlungen oder Informationen über

Produkte suchenden potentiellen Kunden

� Erstellung von Situationsübersichten und deren automatische Lieferung an den Beauftragten

� Bereitstellung der ansonsten in den Datensilos der Firma unauffindbaren Kundendokumente und

deren kollaborative Bearbeitung.

Frühwarnsysteme wurden zur Verarbeitung grosser Datenmengen konzipiert. Mit der MPP Massively

Parallel Processing-Plattform zur Ausführung von Abfragen kombiniert beispielsweise das Data Grid

die Hardware-Ressourcen mit der auf der obersten Schicht plazierten Koordinations- und

Optimierungs-Software, mit der sog. Big Data von Hunderten von Terabytes um einen Faktor 100

schneller als üblich verarbeitet werden können.

Anderseits kann aber das oben beschriebene Frühwarnsystem mit der Data-Push-Architektur auch

dezentral, auf einem Laptop, iPad, Playbook usw., aufgebaut werden.



4. Das Fallbeispiel „Hotelkette“

Um die Strategie der kontinuierlichen Qualitätsverbesserung wirtschaftlich optimal durchzusetzen,

entschloss sich die Geschäftsleitung einer der weltweit grössten Hotelkette eine Analyse-Lösung

einzusetzen um zu ermitteln, welche Fehlleistungen sind es, die das Wohlbefinden der Kunden am

meisten beeinträchtigen und sie zu negativen Berichten in Foren und Blogs veranlassen. Die Aufgabe

lautete, solche Bereiche festzulegen und prioritär zu behandeln.

Als die Basis für die Auswertung dienten Hotelumfragen und Sites wie Trip Advisor u.ä., aber auch

Tausende von sozialen Netzwerken, die die Analyse-Lösung täglich ansteuert und analysiert. Mit der

auf dieser Grundlage erstellten Prioritäten-Liste von „Top Things“ auf Liegenschaftsebene konnten die

Verbesserungen angestossen werden, die das Turnaround bezüglich Kundenzufriedenheit und

Kundenkonversationen ermöglichten. Die unterstehende Auswahl von Analysen dient zur Illustration

des Vorgehens.

Weighted Net Advocacy

• Weighted Net Advocacy – Bewertet die Bereitschaft der Kunden zur Produktempfehlung und

ergibt sich aus der Differenz der positiven und negativen Bewertungen; Die beste Zahl ist +100,

die tiefstmögliche Zahl ist -100. Sie bewertet den Einfluss der Kunden auf die Kaufentscheidung

eines potentiellen Kunden bezüglich eines bestimmten Produkts während einer Zeitperiode

• Weighted Positive Advocacy – Das Verhältnis der positiven Kommentare über ein bestimmtes

Produkt oder eine bestimmte Leistung zu der Gesamtzahl der Kommentare. Die Gewichtung

erfolgt nach der Intensität der Stimmung und der Reichweite der Website.

• Weighted Negative Advocacy – Das Verhältnis der negativen Kommentare über ein bestimmtes

Produkt oder eine bestimmte Leistung zu der Gesamtzahl der Kommentare. Die Gewichtung

erfolgt nach der Intensität der Stimmung und der Reichweite der Website.



Net Advocacy Trend

• Änderung der Bereitschaft zur Empfehlung über die Zeit, als Funktion der Länge der

Marktpräsenz, der Produktverbesserungen, des Marketings usw.

Relevante Attribute/Erfahrungen

� Reihenfolge der Attribute einer Marke, eines Produkts oder einer Produktgruppe, gemäss der

Häufigkeit der Nennung in den Umfragen



Einfluss einzelner Faktoren

� Einfluss einzelner Faktoren auf das Empfinden der Kunden, aufgelistet nach der Relevanz

5. Vorgehen nach einem Drehbuch

Für die Weiterentwicklung und Automatisierung Ihrer Geschäftsprozesse stehen wir Ihnen gerne zur

Verfügung. Unsere Lösungen sind so konzipiert, dass alle wichtigen Probleme, Themen und Trends

automatisch identifiziert, die entsprechenden Informationsflüsse automatisch ausgelöst und diese an

die richtigen Personen zur richtigen Zeit geleitet werden.

Response Lösungen ermöglichen es, Aufgaben zur richtigen Zeit anzupacken, um sie proaktiv auf allen

Kanälen behandeln zu können. Die automatische Überwachung aller erstellten Messages noch vor der

Veröffentlichung stellt dabei sicher, dass die ausgehenden Tweets, E-Mails, Facebook- und andere

Postings den unternehmensinterner Richtlinien entsprechen.



Das Drehbuch zur Erstellung des firmenspezifischen Frühwarnsystems der Kundeninteraktion folgt

folgenden logischen Schritten (der ZAZA-Ansatz):

1. Zuhören den Kundenkonversationen über alle Kanäle – E-Mail, Telefon, Chat, SMS, Social

Media oder auch über traditionelle Medien. Alle Konversationen werden verarbeitet und

aggregiert, um ganzheitliche, 360°-Sicht auf die Kunden zu erhalten.

2. Analyse dieser Konversationen, um Schlüsselerkenntnisse, die hinter den elementaren

Stimmungen stehen, zu gewinnen. Erstellt werden detaillierte Berichte über Kunden-Feedbacks

über Produkte, Kampagnen, Marken, Service und Support und andere Business-Drivers.

3. Zusammenführen der neuen Erkenntnisse mit den bestehenden Daten aus den CRM-, ERP-,

EFM- und anderen Systemen.

4. Agieren auf der Basis dieser Informationen – unter Berücksichtigung der Kundenbedürfnisse

einerseits und der eigenen Organisationsstrukturen und Geschäftsprozesse andererseits .

Bei Rückfragen steht Ihnen gerne zur Verfügung:

J. SchickGeschäftsführer

[email protected]

scopeKM GmbHKnowledge ManagementBüchnerstrasse 24CH-8006 ZürichTel. +41 (0) 44 361 62 62Mobil +41 (0) 76 412 58 01