Erstellung eines „Customer Centricity Graph“ aus unstrukturiertem Kundenfeedback
Dieses Whitepaper beschreibt, wie Insaas und die LMU München öffentlich verfügbares Feedback zu Autoversicherungen in Deutschland genutzt haben, um eine eigene Pipeline zur Berechnung und Visualisierung von Kundenmeinungen zu entwickeln.
Das Whitepaper ist nur auf Englisch verfügbar.
Zusammenfassung
Business-to-Consumer (B2C)-Branchen, wie z. B. Kfz-Versicherungen, müssen sich auf die Bedürfnisse ihrer Kunden konzentrieren, um ihnen das gewünschte Produkt anbieten zu können. Da es nur selten Berührungspunkte zwischen Unternehmen und Kunden gibt, müssen die Unternehmen so viel wie möglich aus dem Kundenfeedback herausholen.
Derzeit findet sich solches Feedback vor allem in unstrukturierten Texten, die im Internet öffentlich zugänglich sind, zum Beispiel in Vergleichsportalen. Vor allem Sterne-Bewertungen sind eine beliebte Möglichkeit für Verbraucher, sich zur Gesamtqualität eines Versicherungsunternehmens zu äußern.
Dies ist jedoch nur ein sehr allgemeiner Ansatz für ein komplexes Thema. Differenziertere Informationen finden sich in den Bewertungstexten selbst. Um die manuelle Analyse dieser riesigen Datenmenge zu vermeiden, ist ein automatisierter Ansatz zur Informationsextraktion und Visualisierung erforderlich.
Gemeinsam haben Insaas und die LMU München ein mehrstufiges Verfahren entwickelt, um dieses Problem zu lösen. Die Lösung ist in der Lage, Themen und deren Polarität zu erkennen und diese Informationen so zu gruppieren, dass die Kundenmeinungen in Form eines Graphen, dem so genannten Customer Centricity Graph, dargestellt werden können.
Anhand dieses Graphen können Unternehmen erkennen, in welchen Bereichen sie besser abschneiden als ihre Konkurrenten und wo es Verbesserungspotenzial gibt.
