scopeKM: Ein Frühwarnsystem für Social Media

1,447 views

Published on

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, müssen automatisch ablaufende Analyseprozesse einbezogen werden, die die Konversationen „verstehen“ und die zu fallspezifisch richtigen Entscheidungen führen. 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? Erst dieses Verständnis und – selbstverständlich – die Beseitigung der Ursache der Unzufriedenheit sind es, die die Umdrehung der Stimmung in positive Richtung ermöglicht.
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 unterschiedlichen, 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 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.
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

Published in: Business
0 Comments
0 Likes
Statistics
Notes
  • Be the first to comment

  • Be the first to like this

No Downloads
Views
Total views
1,447
On SlideShare
0
From Embeds
0
Number of Embeds
7
Actions
Shares
0
Downloads
4
Comments
0
Likes
0
Embeds 0
No embeds

No notes for slide

scopeKM: Ein Frühwarnsystem für Social Media

  1. 1. scopeKM Knowledge ManagementEin Frühwarnsystem für Social MediaDie Stimmungen spielen keine Rolle – so lange man das„Warum“ hinter diesen nicht beantworten kann.
  2. 2. scopeKM Knowledge Management1. Das „Warum“ als HerausforderungWie nie zuvor haben jetzt die Kunden die Möglichkeit, ihr Wissen über Produkte gezielt einzusetzenund 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. – werdendie Unternehmen, Produkte und Dienstleistungen im Rahmen von öffentlichen Diskursen gernebewertet. Dieser teilweise Kontrollverlust hat aber auch einen positiven Aspekt: Web2.0 gilt als einSystem, das das Potential hat, Krisenherde um das eigene Unternehmen und sein Produktportfoliofrühzeitig 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 dasUnternehmen, seine Marken, Produkte, Leistungen, sein Markauftreten und seine Konkurrenten indie Betrachtung miteinbezogen werden würden.Um aus diesen allen Informationen verwertbares Wissen zu gewinnen, benötigte man bestimmteFertigkeiten: die Kundenkonversationen aus allen Kanälen müssten in automatisch ablaufendenAnalyseprozessen solcher Art einbezogen werden, die die Konversationen „verstehen“ ,analysieren undsolche 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 undexternen Quallen als das "heiliger Gral" der richtigen Entscheidungen. Erfahrungen zeigen aber, dassdie Betrachtung der Stimmungen erst dann als sinnvoll gilt, wenn man sie mit dem WARUM, mit derUrsache ihrer Entstehung, verknüpfen kann: Warum ist der Kunde wirklich verärgert oder warum ister sehr zufrieden? Warum reagiert er in scheinbar gleichen Fällen unterschiedlich? Erst dieBeantwortung des „Warum“ hinter den Fakten ermöglicht es, Massnahmen mit richtiger Wirkung zuergreifen. Dies möchten wir mit folgendem Beispiel illustrieren.Eine grosse amerikanische Technologiefirma war mit der Tatsache konfrontiert, dass ihre NetPromoter TM Score eine starke Abwärtstendenz zeigte. Ursächlich verantwortlich gemacht hat man fürdies 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. DenUmfrageergebnissen entsprechend gab es zwar in den Konversationen deutlich negative Stimmung, esstellte sich aber sehr schnell und klar heraus, dass diese etwas mit der letzten Version eines alsbahnbrechend bezeichneten Produkts der Firma zu tun hatte, einer im Hintergrund jeden PC‘sablaufenden Software. Die Funktionalitäten der neuen Version der SW waren zwar hervorragend, dieSoftware als solche aber hatte grosse Leistungsprobleme, die praktisch jeder Anwender beklagte.Ein Frühwarnsystem für Social Media -2-
  3. 3. scopeKM Knowledge ManagementNach der Analyse und der Gewinnung entsprechender Einsichten entschloss sich die Firma deshalb zueinem Radikalschritt– sie reorganisierte die Entwicklungs- sowie QM-Abteilung und baute ein „Centerof Competence“ auf. In bloss einigen Monaten wurde die neue Version des Produkts komplettüberholt, die Leistungsfähigkeit der Software mit der Hardware optimiert und dies bei den Kundenkommuniziert. Nach der Markt-Neueinführung verbesserte sich in Folge der verbessertenKundenzufriedenheit auch die Stimmung in den einschlägigen Foren signifikant.Hier, wie auch in vielen anderen Fällen, war das WARUM hinter den Stimmungen wichtig. Erst diesesVerständnis und – selbstverständlich – die Beseitigung der Ursache der Unzufriedenheit waren es, diedie Umdrehung der Stimmung in positive Richtung ermöglichte. Darüber hinaus konnte auch derFokus richtig gestellt werden: Während man anfänglich den Kundenservice als die Ursache dermangelnden Kundenzufriedenheit vermutete, war es in der Tat das Produkt selbst.2. Die Technologie als Grundlage der VoC „Voice of the Customer“- AnalyseDie Technologie der „Allumfassenden Extraktion“ „versteht“ die Syntax und den Kontext jederAussage, kann zwischen vielen verschiedenen Formen und Modi wie Verneinungen, Bedingungen usw.unterscheiden, die anaphorischen Verbindung „verstehen“ und die unter-schiedlichen, positiven undnegativen, Ausdruckweisen des Kunden fein granuliert wahrnehmen und bewerten. Die Engineextrahiert in Near-Real-Time und in einer sehr präzisen Art und Weise Im Semantic Annotation Server wird die Technologie der Allumfassenden Extraktion angewendetEin Frühwarnsystem für Social Media -3-
  4. 4. scopeKM Knowledge Managementaus dem in verschiedensten Kanälen veröffentlichten unstrukturierten Text Fakten, Beziehungen undStimmungen. Dieser in strukturiertem relationalem Datenformat erstellte Output wird anschliessendmit den bestehenden internen strukturierten relationalen Daten (Data Warehouse) gekoppelt. Die aufdiese Art kombinierten Informationen können dann mit den bestehenden BI-Anwendungenautomatisiert untersucht, die besonderen Vorkommnisse ursächlich zurückgeführt und zuFrühwarnungen angewendet werden. Beispiel: Leistungsstarke Analyse durch die Kombination der Voice of the Customer-Text- extraktion mit den bestehenden DWH-InformationenDas Frühwarnsystem ermöglicht es der Organisation von überall und jederzeit in nahezu Echtzeit dieinternen und externen Kundengespräche zu verfolgen. Mit dem Ansatz „Allumfassende Extraktion“reagiert das Frühwarnsystem sofort auf die identifizierten Warnsignale, strukturiert und ordnet dieKonversationen für die Beantwortung und befördert gleichzeitig die erstellten Einsichten über dieAufgaben und Ursachen quer durch das Unternehmen zu allen zuständigen Organisationseinheitenund Personen.Ein Frühwarnsystem für Social Media -4-
  5. 5. scopeKM Knowledge Management3. Leistungen des FrühwarnsystemsDie Leistungen des Frühwarnsystems ermöglichen es den Benutzern, weit über das einfache SocialMedia 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 MassivelyParallel Processing-Plattform zur Ausführung von Abfragen kombiniert beispielsweise das Data Griddie Hardware-Ressourcen mit der auf der obersten Schicht plazierten Koordinations- undOptimierungs-Software, mit der sog. Big Data von Hunderten von Terabytes um einen Faktor 100schneller als üblich verarbeitet werden können.Anderseits kann aber das oben beschriebene Frühwarnsystem mit der Data-Push-Architektur auchdezentral, auf einem Laptop, iPad, Playbook usw., aufgebaut werden.Ein Frühwarnsystem für Social Media -5-
  6. 6. scopeKM Knowledge Management4. Das Fallbeispiel „Hotelkette“Um die Strategie der kontinuierlichen Qualitätsverbesserung wirtschaftlich optimal durchzusetzen,entschloss sich die Geschäftsleitung einer der weltweit grössten Hotelkette eine Analyse-Lösungeinzusetzen um zu ermitteln, welche Fehlleistungen sind es, die das Wohlbefinden der Kunden ammeisten beeinträchtigen und sie zu negativen Berichten in Foren und Blogs veranlassen. Die Aufgabelautete, solche Bereiche festzulegen und prioritär zu behandeln.Als die Basis für die Auswertung dienten Hotelumfragen und Sites wie Trip Advisor u.ä., aber auchTausende von sozialen Netzwerken, die die Analyse-Lösung täglich ansteuert und analysiert. Mit derauf dieser Grundlage erstellten Prioritäten-Liste von „Top Things“ auf Liegenschaftsebene konnten dieVerbesserungen angestossen werden, die das Turnaround bezüglich Kundenzufriedenheit undKundenkonversationen ermöglichten. Die unterstehende Auswahl von Analysen dient zur Illustrationdes 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.Ein Frühwarnsystem für Social Media -6-
  7. 7. scopeKM Knowledge ManagementNet 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 UmfragenEin Frühwarnsystem für Social Media -7-
  8. 8. scopeKM Knowledge ManagementEinfluss einzelner Faktoren€ Einfluss einzelner Faktoren auf das Empfinden der Kunden, aufgelistet nach der Relevanz5. Vorgehen nach einem DrehbuchFür die Weiterentwicklung und Automatisierung Ihrer Geschäftsprozesse stehen wir Ihnen gerne zurVerfügung. Unsere Lösungen sind so konzipiert, dass alle wichtigen Probleme, Themen und Trendsautomatisch identifiziert, die entsprechenden Informationsflüsse automatisch ausgelöst und diese andie richtigen Personen zur richtigen Zeit geleitet werden.Response Lösungen ermöglichen es, Aufgaben zur richtigen Zeit anzupacken, um sie proaktiv auf allenKanälen behandeln zu können. Die automatische Überwachung aller erstellten Messages noch vor derVeröffentlichung stellt dabei sicher, dass die ausgehenden Tweets, E-Mails, Facebook- und anderePostings den unternehmensinterner Richtlinien entsprechen.Ein Frühwarnsystem für Social Media -8-
  9. 9. scopeKM Knowledge ManagementDas Drehbuch zur Erstellung des firmenspezifischen Frühwarnsystems der Kundeninteraktion folgtfolgenden 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. SchickGeschäftsführerjuraj.schick@scopekm.chscopeKM GmbHKnowledge ManagementBüchnerstrasse 24CH-8006 ZürichTel. +41 (0) 44 361 62 62Mobil +41 (0) 76 412 58 01Ein Frühwarnsystem für Social Media -9-

×