Fotolia

Wie Customer Service Analytics Kundenerfahrungen verbessert

Kundenservice ist für ein Unternehmen von großer Bedeutung. Um zufriedene Kunden zu erreichen, sollten Organisationen auch ihren Service analysieren.

Kunden zum Kauf von Produkten oder Dienstleistungen zu bringen ist relativ einfach. Die richtigen Kunden zum Kaufen zu bringen ist schon weniger einfach. Und diese Kunden nach dem Kauf zu halten, kann die härteste Aufgabe von allen sein. Der Schlüssel dafür ist Kundenservice.

Kundenservice ist die wichtigste Komponente der Kundenbindung. Wenn Kunden Unterstützung brauchen, dann brauchen sie diese in der Regel wirklich. Und das Unternehmen, das den Service so angenehm wie möglich gestaltet, sammelt beim Kunden Punkte – und kultiviert damit echte Kundenloyalität. Customer Service Analytics oder Kundendienstanalyse kann dies erleichtern.

Für guten Kundenservice gibt es ein einfaches Rezept: Nichts prägt sich einem Kunden so stark ein und fördert die Kundenbindung so stark wie die Behandlung als individuelle Person. Wenn ein Kunde Hilfe benötigt und ihm diese mit einer persönlichen Note angeboten wird, entsteht ein ganz eigenes Flair aus Respekt und Authentizität. Customer Service Analytics kann diese Personalisierung unterstützen.

Eine Kernaufgabe einer effektiven Analytics ist die Vernetzung von internen Daten über Kunden – die in der Regel aus einem CRM-System stammen – mit externen Daten, die aus mehreren Kanälen – meist soziale Medien – gesammelt werden. Aus diesen Daten lassen sich individuelle Kundenmerkmale und Verhaltensweisen ableiten.

Ist dies erfolgt, kann der Kontext um eine Kundenanfrage herum erstellt werden. Hat der Kunde das Produkt erst kürzlich gekauft oder besitzt er es schon länger? Deuten irgendwelche Anzeichen auf Frustration hin? Welche Kundeneigenschaften ähneln anderen Eigenschaften von Kunden, die das Support Center in der Vergangenheit erfolgreich beraten hat? Alle diese Informationen können aggregiert und in Echtzeit dem Live Support zur Verfügung gestellt werden. Auf diese Weise kann bei einer Kundenbeschwerde oder beim Prozess der Fehlersuche eine Atmosphäre der Empathie geschaffen werden.

Und das ist nicht alles: Stehen all diese Ergebnisse der Customer Service Analytics auf Anfrage zur Verfügung, können die Kundendienstmitarbeiter die Erwartungen des Kunden antizipieren und sie proaktiv – und nicht nur reaktiv – in das Gespräch einbauen.

Verbesserung der künftigen Kundenerfahrung

Predictive Analytics macht allerdings mehr als nur zu beschreiben, was passiert und wem etwas passiert: es prognostiziert auch, was als nächstes passiert. Dies kann bei der Verbesserung der Kundenerfahrung von unschätzbarem Wert sein.

Die Vergangenheit zu betrachten und die entstandenen Probleme zu analysieren ist der eine Punkt; der zentrale Punkt bei der Anwendung von Predictive Analytics auf Support-Prozesse aber ist, die verfügbaren Daten zu analysieren – und damit vorherzusagen, wie Kunden wahrscheinlich reagieren werden.

Die erste Aufgabe ist dabei, zu entscheiden, was genau prognostiziert werden muss. Möchten Sie die Kundenbeschwerden reduzieren? Möchten Sie mehr Crossover-Verkäufe zusätzlicher Produkte erreichen? Oder wollen Sie Fehler oder Ausfälle im Support-System antizipieren?

Sobald diese Entscheidungen getroffen wurden, müssen geeignete Datenquellen (sowohl interne als auch externe) identifiziert werden, mit denen diese Fragen beantwortet werden können. Anschließend kann die Zielgruppe nach Demografie, Stimmung, Kaufverhalten oder anderen passenden Kriterien segmentiert werden. Dies formt quasi den Körper der deskriptiven Analytics, der notwendig ist, um den prädiktiven Prozess mit Daten zu füttern: Ein zielgerichteter Datentransfer ist dann möglich und versteckte Muster können entdeckt werden, um den Prozess weiter zu verfeinern.

Es braucht eine sorgfältige Mischung von internen und externen Daten, um diese Verfeinerung zu erreichen. Interne Daten können offenes Kunden-Feedback, Transaktionsgeschichten aus früheren Kundenbetreuungen und unstrukturierte Daten wie Telefongespräche und freie Anfragen enthalten. Aber sobald diese in den Prozess integriert sind, ist ein wichtiger Teil der Kundenerfahrung verfügbar – wie der Kunde das Unternehmen als Ganzes betrachtet. Dies kann die Wirksamkeit des Supports erheblich verbessern.

Die externen Daten können und sollten alles beinhalten, was man über sozialen Medien erhalten kann. Nur so ist es möglich, Stimmungsmuster zu erkennen, die Unzufriedenheit andeuten und die den proaktiven Support vorantreiben.

Bewaffnet mit den Ergebnissen solcher Kundendienstanalysen kann ein Unternehmen Strategien ausarbeiten, um Unzufriedenheit und Abwanderung zu reduzieren und jeden möglichen Kontaktpunkt des Kunden zu verbessern.

Wie Analytics den Außendienst verbessern kann

In der Regel wird der Kundendienst eines Unternehmens als Helpdesk- oder Website-Service angeboten, den die Kunden bei Bedarf kontaktieren. Aber manchmal braucht es einen Kundenservice auch im Außenbereich – etwa bei der Reparatur und Wartung von Equipment oder bei der Lösung von Problemen. Analytics kann auch hier den Support verbessern.

Die Zufriedenheit der Kunden im Außenbereich kann noch kritischer sein als im Innenbereich. Denn die Interaktion der Außendienstmitarbeiter zum Beispiel bei der Fehlersuche hat einen erheblichen Einfluss darauf, wie das Unternehmen wahrgenommen wird. Die Qualität dieser Interaktion ist kritisch, und Daten aus diesen Außendienstaktivitäten können wichtig sein.

Dazu ein einfaches Beispiel: Deskriptive Analysen des Fahrzeugparks können die Effizienz deutlich verbessern. So kann die Analyse von Fahrzeugdaten den Kundenservice optimieren, indem Metriken für die Dauer der Besuche festgelegt werden, schlechte Terminplanung verhindert oder ineffiziente Mitarbeiter herausgefiltert werden.

Ausgerüstet mit diesen Daten kann das Flotten-Service-Management seinen Fuhrpark optimieren, die Lkw-Fahrten reduzieren und vorbeugende Maßnahmen für mögliche Reparaturen treffen. Diese Änderungen können zu mehr Außendiensteinsätzen mit höheren Erfolgsraten führen und Routen für das Servicepersonal optimieren. Verspätete Ankünfte können verfolgt und auf Terminierungsfehler oder individuelle Fehler zurückgeführt werden. Vergleichende Metriken können das Personal-Management optimieren. Ebenso verbessern sich die Schätzungen der Reisezeit sowie des Kraftstoffverbrauchs. All das bedeutet zufriedene Kunden – und zufriedene Kunden sind loyale Kunden.

Folgen Sie SearchEnterpriseSoftware.de auch auf Twitter, Google+, Xing und Facebook!

Nächste Schritte

Kostenloses E-Handbook: Vom richtigen CRM-Tool zur passenden Marketing-Anwendung.

Die Einstein-Watson-Verschmelzung verbessert KI und Kundenanalysen.

Chatbots: Was ist bei der Revolution im Kundenservice zu beachten?

Erfahren Sie mehr über Datenanalyse

- GOOGLE-ANZEIGEN

ComputerWeekly.de

Close