Wie Unternehmen Customer Centricity für sich messbar machen können
Einblicke in unser Forschungsprojekt mit LMU und IUBH
In den letzten zehn Jahren hat das Thema Customer Centricity viele Branchen und Firmen beschäftigt. Neue Technologien wurden von Unternehmen eingekauft und Ideen dazu umgesetzt. Ein entscheidender Punkt wurde dadurch jedoch nicht gelöst.
Die Investitionen haben Unternehmen nicht geholfen, Customer Centricity messbar zu machen. Auch der Grad der Kundenorientierung ist schwer zu messen, da er mit der individuellen Kundenzufriedenheit und den Präferenzen der Kunden korreliert. Um das zu ermöglichen, müssten Marketingexperten alle verfügbaren Kundenstimmen im Detail und aus vielen verschiedenen Quellen analysieren. Durch manuelle Arbeit oder klassische Marktforschung lässt sich die Aufgabe nur bedingt erledigen. Allein die Auswertung und Zusammenfassung von 1.000 Kundenstimmen ist kaum zu bewältigen, vor allem wenn sie täglich stattfinden muss.
Viele unserer Kunden haben deshalb den Wert von Insaas.ai schätzen gelernt, was unser Beitrag zu vorhandenen Daten und Technologien ist. Wir haben im Laufe mehrerer Kundenprojekte festgestellt, dass Unternehmen an Kundenfeedback interessiert sind, dieses aber nicht ohne Weiteres in der täglichen Arbeit anwenden können. Die Ergebnisse sind oft zu heterogen. Eine Liste von Themen, kombiniert mit einer positiven, negativen oder neutralen Stimmung, lässt sich nur schwer mit Kundenzentrierung und Kundenzufriedenheit in Verbindung bringen. Daher besteht unser Ansatz darin, die einzelnen Stimmen zu sortieren und in Kategorien zu gruppieren. Für den Begriff „Service“ könnte das so aussehen:
Dieser Ansatz löst jedoch nicht das Problem der Messung der Customer Centricity. Für Deloitte basiert Customer Centricity auf dem Wert, den ein Produkt und eine Dienstleistung für einen Kunden haben. Aber wie kann man diesen „Wert“ definieren und berechnen, um Kundenzentrierung zu messen?
Letztendlich geht es um den messbaren Mehrwert von Dienstleistungen und Produkten in den Augen des Kunden. Es geht darum, dem Kunden zuzuhören und zu messen, ob der „job to be done“ wirklich erledigt wurde. Anders ausgedrückt:
„A truly customer-centric organization takes a systematic approach, talking to customers to create a fact-based assessment of what customers want and which things they value over others.“ (A customer centric approach to commercial excellence)
Daher konzentriert sich die Messung der Kundenzentriertheit auf zwei Hauptkategorien: die Dienstleistung und das Produkt. Für diese Cluster haben wir ausgehend von der Forschung von Prof. Mischa Kolibius (IUBH) jeweils vier Unterkategorien definiert, um die beiden Kategorien zu beschreiben. Auf diese Weise ist unsere Softwarelösung in der Lage, die einzelnen Stimmen auf Cluster wie Dienstleistung und Produkt mit der jeweiligen Stimmung zuzuordnen.
Das Ergebnis ist eine Grafik, die das öffentliche Feedback im Vergleich zu den Wettbewerbern darstellt. Wir nennen diesen Ansatz den „Customer Centricity Graph“.
Aktuell arbeiten wir an einem Projekt für deutsche KFZ-Versicherer. Zuerst recherchieren wir die Quellen, in denen Kunden über ihre Autoversicherung sprechen. Daraufhin definieren wir eine Liste der beliebtesten Versicherungsmarken in Deutschland und sammeln mehr als 300.000 Stimmen aus 100 verschiedenen Quellen, darunter Aggregatoren, Foren, Blogs, Portale und App-Stores.
Mit diesen Informationen haben wir ein Forschungsprojekt mit der Ludwigs-Maximilians-Universität München begonnen, um Entitäten und Sentiment vorherzusagen und den Customer Centricity Graph automatisch zu berechnen. Unsere Schwerpunkte liegen auf der Lemmatisierung und korrekten Klassifizierung des Kontexts für jedes Feedback. Als Ergebnis werden wir ein Dashboard erstellen, um die Grafik entsprechend den Quellen zu messen und zu filtern.
Auf diese Weise wird Customer Centricity messbar und könnte zu einer allgemeinen Metrik werden. Wir gehen davon aus, dass der „Customer Centricity Graph“ für Branchen wie Versicherungen, Einzelhandel und Software sehr relevant ist und die Optimierung von Produkten und Dienstleistungen positiv beeinflussen kann. Weitere Ergebnisse unserer Arbeit werden demnächst veröffentlicht.
