SKOPOS GROUP

Wir sind ein Teil der SKOPOS GROUP für zeitgemäße Marktforschung.

Eine breit aufgestellte Unternehmensgruppe, die alle zeitgemäßen Marktforschungs-Dienstleistungen unter einem Dach vereint. Digital und innovativ. Von national bis international. Von Kunden-Befragung über UX-Research bis Insight-Community. Von Mitarbeiter-Befragung über Mystery-Shopping bis Customer-Experience und Data Science decken wir alle relevanten Themen und Methoden ab.

Handel
Automatische Codierung von Kundenfeedback
Short facts

Leistungsumfang

  • Beratung
  • Erstellung von Trainingsdaten
  • Modellentwicklung zur Textklassifikation
  • Implementierung des Modells in laufendes Projekt
  • Integration der Ergebnisse in Reporting-Landschaft

Spezifikation

  • Projektzeitraum: circa 6 Wochen
  • Tools & Techniken: Python, Alteryx, Tableau

Daten-Quellen

  • Kontinuierliches Kundenfeedback-Programm
Kundennutzen

Verstehen, worüber Kunden sprechen – ohne Texte manuell codieren zu müssen.

Kontinuierliche Customer-Experience-Befragungen (CX) erfassen laufend Feedback. Das manuelle Codieren des Kundenfeedbacks ist dabei bei wachsender Anzahl an Antworten sehr zeitraubend und kann den Erfolg des Projekts gefährden. Unsere automatisierte, auf Machine Learning basierende Codierung hilft dabei, tagesaktuelle Auswertungen über die wichtigsten Themenfelder zu erhalten.

Bei der Entwicklung eines individuellen Modells werden die branchenspezifischen, sprachlichen Besonderheiten unseres Kunden beim Training berücksichtigt. Dank der Integration in eine bestehende Reporting-Lösung steht auf Kundenseite somit die Arbeit mit den Ergebnissen im Mittelpunkt. Wir kümmern uns um den ganzen Rest.

Die Herausforderung

Im Feedback-Programm unseres Auftraggebers aus dem Lebensmitteleinzelhandel kommen täglich mehrere tausend Interviews zusammen. Um die Ergebnisse effektiv nutzen zu können, braucht es eine automatisierte Lösung, die auch die geschriebenen Texte berücksichtigt.

Die Ergebnisse müssen anschließend in eine bestehende Reporting-Landschaft integriert werden, aus der tagesaktuelle Ergebnisse genauso wie monatliche KPI-Berichte exportiert werden können.

Die Lösung

Für die effektive Arbeit mit den Feedbacks nutzen wir verschiedene Textanalyse-Module. Das Herzstück stellt dabei eine automatisierte Textklassifikation auf Basis von definierten Themen dar. Hier galt es, die bestehende Codierung anhand von definierten Oberthemen weitestgehend zu übernehmen.

Damit der Prozess automatisiert läuft und sich der Endnutzer auf die Ergebnisse konzentrieren kann, haben wir vom Training bis hin zur Implementierung alle Schritte übernommen, um ein „All Inclusive“-Paket zu bieten. Das individuelle Training des Klassifikationsmodells erlaubt es uns, Besonderheiten aus der Branche unseres Kunden zu berücksichtigen und das Modell laufend weiterzuentwickeln.

Die Umsetzung

Die Kategorien, denen die Feedbacks der Befragten zugeordneten werden sollen, gehen auf einen historischen Codeplan für manuelle Codierungen zurück. Diesen hat die Marktforschungsabteilung entwickelt und in verschiedenen Studien genutzt. Nachdem wir mit dem Kunden diesen Codeplan nochmal weiter verfeinert haben, ist daraus eine Liste von Kategorien bzw. Themenfeldern entstanden.

Um ein Machine-Learning-Modell zu trainieren, müssen zunächst Trainingsdaten erstellt werden: Dazu haben wir etwa 20.000 Feedbacks von Hand den abgestimmten Themenfeldern zugeordnet. Anhand dieser Beispiele lernt das Modell, wie die Kundenfeedbacks zu einzelnen Themen gehören – da wir uns für ein so genanntes Convolutional Neural Network entschieden haben, lernt das Modell dabei nicht nur den Zusammenhang einzelner Wörter zu den Kategorien, sondern berücksichtigt auch den Kontext in dem diese Wörter stehen. Technisch haben wir das Modell mittels der Python-Bibliothek Keras umgesetzt.

Je nach Häufigkeit der Nennung der Themenfelder konnte eine Genauigkeit von bis zu 95% erreicht werden, was dem Niveau von manuellen Codierungen durch Menschen entspricht.

Das trainierte Modell implementierten wir im Rahmen unserer bestehenden ETL-Prozesse in diesem Projekt, um auch die vorhandene Reporting-Landschaft in Tableau mit den Ergebnissen zu versorgen. Für den Nutzer des Dashboards steht die Arbeit mit den Ergebnissen im Vordergrund.

Die Zukunft Deines Business beginnt im Gespräch

Hat Dich der Case inspiriert? Oder hast Du einen anderen Anwendungsfall, den Du gerne mit uns besprechen möchtest?

Warum wir?
Deine Anfrage

Super! Schreib uns einfach, was Dich umtreibt bzw. auf welche Fragestellung Du eine Antwort suchst. Wir melden uns so schnell wie möglich bei Dir.

  • Dieses Feld dient zur Validierung und sollte nicht verändert werden.