Autoindustrie
Data Science beschleunigt die Welt.
Wir synchronisieren Ihr Unternehmen.
Autoindustrie
Wir haben SEAT in die Lage versetzt, offenes Feedback ihrer internationalen Kundenbefragungen komplett automatisiert auszuwerten. SEAT konnte dabei nicht nur lernen, über welche Themen besonders häufig gesprochen wird, sondern auch, welche Themen die Kundenzufriedenheit besonders stark beeinflussen. Somit wurden Handlungsfelder direkt und klar aufgezeigt, um die Customer Experience weiter zu steigern.
Seit 2010 erhebt die Volkswagen Group für ihre Marken an unterschiedlichen Touchpoints die Zufriedenheit ihrer Kunden. SKOPOS CONNECT führt diese Befragungen im Auftrag der Volkswagen Group seit 2016 durch. Wie bei vielen Befragungen üblich, liegt der Fokus in der Auswertung auf den geschlossenen Fragen – die Ergebnisse der Freitextfelder werden oft zur punktuellen Auswertung einzelner, konkreter Fragestellungen herangezogen. Als Proof-of-Concept haben wir eine individuelle Analyse der offenen Texte entwickelt, die neben den wichtigsten Aspekten und der Häufigkeit ihrer Nennung auch die Wichtigkeit hervorhebt.
Unsere individuelle Lösung für SEAT besteht aus verschiedenen Machine-Learning-Verfahren, die miteinander kombiniert werden, um ein handlungsleitendes Ergebnis zu erhalten. Aus den automatisiert ins Englische übersetzten Texten werden mittels vortrainierter Sprachmodelle und Netzwerkanalysen Aspekte extrahiert, über die die befragten Kunden sprechen. Eine Aspekt-basierte Sentiment-Analyse gibt Auskunft darüber, ob Kunden über die genannten Themen eher positiv oder eher negativ sprechen. Diese Informationen fließen in ein Treibermodell ein, das die angesprochenen Themen mit der abgefragten Kundenzufriedenheit in Verbindung bringt.
So erhält SEAT nicht nur einen Überblick, welche Themen wie oft genannt wurden, sondern auch Erkenntnisse darüber, wie wichtig diese Themen für die Kundenzufriedenheit und mittelfristig für die Kundenbindung sind.
Um die Daten für unsere Analyse nutzbar zu machen, haben wir mit Alteryx einen einfachen ETL-Prozess entwickelt, der die Daten aus der Befragung extrahiert und für die nachfolgenden Schritte vorbereitet. Die eigentliche Textanalyse-Lösung wurde mittels Python entwickelt und verbindet frei verfügbare Sprachmodelle mit selbst entwickelten Analysen und neu trainierten Modellen. Während jeder Baustein für sich bereits einen wichtigen Einblick in die Kundenwahrnehmung erlaubt, entsteht der besondere Mehrwert unserer Analyse durch die Verbindung der Einzelteile. Wie ein Motor, der aus einer Vielzahl verschiedener Bausteine zusammengesetzt ist, um Sie von A nach B zu bringen.
Wir durften unsere Textanalyse Lösung auf dem ESOMAR Fusion-Kongress 2018 in Dublin vorstellen. Schauen Sie sich hier unseren Vortrag an:
Dr. Christopher Harms
Co-Founder & Managing Director
Kontaktieren Sie uns für eine individuelle Beratung
Sie müssen den Inhalt von reCAPTCHA laden, um das Formular abzuschicken. Bitte beachten Sie, dass dabei Daten mit Drittanbietern ausgetauscht werden.
Mehr InformationenSie sehen gerade einen Platzhalterinhalt von Facebook. Um auf den eigentlichen Inhalt zuzugreifen, klicken Sie auf die Schaltfläche unten. Bitte beachten Sie, dass dabei Daten an Drittanbieter weitergegeben werden.
Mehr InformationenSie müssen den Inhalt von reCAPTCHA laden, um das Formular abzuschicken. Bitte beachten Sie, dass dabei Daten mit Drittanbietern ausgetauscht werden.
Mehr Informationen