"In der Raiffeisenbank sind wir seit langem an der Stimme des Kunden interessiert. Wir versuchen, auf verschiedene Weise Feedback einzuholen und nutzen es, um unsere Dienstleistungen zu verbessern, aber auch um unsere Mitarbeiter zu motivieren. Dieser Ansatz liefert uns umfangreiche Daten von Kunden, ihre Kommentare, Anmerkungen und Bewertungen. Und weil wir nicht wollen, dass die Meinungen im Sande verlaufen, haben wir SentiSquare AI zusätzlich zu diesen Daten eingesetzt, um sie zu verarbeiten. SentiSquare AI kann die unstrukturierten Daten in vorgefertigte Kategorien strukturieren, sodass unsere Mitarbeiter, CX-Experten und Manager sehen können, was bei unseren Kunden ankommt. Es kann auch die Stimmung von Kommentaren oder Kunden erfassen, die unsere Hilfe benötigen und sofort kontaktiert werden müssen, um ihr Problem zu lösen. Wir nutzen das System auch in Fällen, in denen Kunden gereizt reagieren oder aus ihrer Antwort klar hervorgeht, dass eine weitere Kontaktaufnahme nicht angebracht wäre, und passen unsere Kundenkontaktpolitik entsprechend an. Der Einsatz von SentiSquare AI hat uns viel Kapazität und Zeit gespart, wenn es darum ging, bestimmte Bedürfnisse manuell oder durch einfachere Mechanismen zu erfüllen. Außerdem ist das Interesse an Kundenfeedback gestiegen, da es durch die Kategorisierung und Strukturierung für die Empfänger verdaulicher und klarer geworden ist. Außerdem erfolgt alles auf rein automatisierte Weise, so dass man sich um den gesamten Mechanismus keine Gedanken mehr machen muss."
Die Raiffeisenbank stand vor der Mammutaufgabe, monatlich 10.000 SMS-Nachrichten zu verarbeiten, die wichtige Rückmeldungen von ihren geschätzten Kunden enthielten. Die Herausforderung bestand darin, diesen Datenschatz effektiv zu analysieren und daraus verwertbare Erkenntnisse abzuleiten. Der Bedarf an Analyse und Automatisierung: Die Raiffeisenbank erkannte den dringenden Bedarf an Analyse und Automatisierung und suchte nach einer Lösung, um den Workflow bei der Verarbeitung von SMS-Feedback zu rationalisieren und so präzise Erkenntnisse und rasche Reaktionen auf Kundenanliegen zu gewährleisten. Die Lösung: SentiSquare AI als ein analytisches Tool für die Feedback-Analyse.
Einsatz von SentiSquare AI: Ein maßgeschneidertes Kategorisierungsmodell, das Feedback automatisch in Geschäftskategorien einordnet. Die Kategorien, Stimmungen und Themen werden erkannt. Das System ist in die Lösung von OpenOne integriert. Kundenfeedbacks werden Kategorisiert und Korrigiert. Kunden machen Fehler bei den numerischen Bewertungen im Feedback (Verwechslung von 1 und 10 auf der Skala, etc.). KI erkennt und korrigiert diese Fehler. Dadurch können Manager mit genaueren und korrekten Bewertungen arbeiten. Erkennung von "unangemessener Sprache", Erkennung von Kundenkontaktverboten (das Ziel ist es, keine SMS an einen verärgerten Kunden zu schicken).
- Gesteigerte betriebliche Effizienz
- Präzision bei der Feedback-Analyse
- Verbesserte Kundenzufriedenheit
Einsatz eines benutzerdefinierten KI-Modells, das Rückmeldungen selbstständig in geschäftsrelevante Kategorien einordnet und die Nuancen innerhalb der Kundenstimmungen und -themen entschlüsselt.
Nahtlose Integration von SentiSquare AI in die OpenOne-Lösung.
Da unsere KI erkennt, dass Kunden bei numerischen Bewertungen Fehler machen können, erkennt und korrigiert sie diese Diskrepanzen schnell. Dadurch wird sichergestellt, dass CX-Manager mit präzisen und genauen Feedback-Bewertungen arbeiten.
Es wurden fortschrittliche Funktionen implementiert, um unangemessene Sprache zu erkennen und Kunden zu identifizieren, die es vorziehen, nicht per SMS kontaktiert zu werden.
