Wie angekündigt traf das Christkind gestern unseren Einzelhändler. Er hielt es tatsächlich für eine außerirdische Erscheinung. Er ist ja ein Mann der Menschentat. Er ist einer, der viel von Text Analytics und Net Promoter Scores hält. Texte und deren Analyse sind die eigentliche Religion vom Einzelhändler M. Hier geht zu den Türchen 1 ,2, 3
Und also sprach er: Du Christkind, wenn der Nikolaus es dieses Mal richtig gut machen will, sollte er sich die Kommentare auf Facebook anschauen, die die Kinder im vergangenen Jahr über ihn gepostet haben.
Christkind: Das ist doch fies, dann ist der Nikolaus ja durchsichtig wie ein Glas Wasser!
Er sprach: Willst du nun zufriedene Kinder oder nicht, du musst dich entscheiden!
Christkind: Das ist das Topziel, ja die will ich. Ich kann also für jeden Nikolaus individuell sehen, was er dieses Jahr besonders gut und besonders schlecht gemacht hat?
Einzelhändler M: Ganz genau. So ähnlich mache ich das auch hier auf der Erde. Ich ermittele den Net Promoter Score für mich und meinen Laden. Der Net Promoter Score (NPS) ist ein Maß der Kundenzufriedenheit und gibt die Tendenz an, mit der mich meine Kunden weiter empfehlen.
Christkind: Net Promoter Score hört sich noch schlimmer als Assoziationsanalyse!
"Kann sein", sagte der M, "aber so kann ich genau sehen, wer mich wie bewertet und wer mich unter seinen Freunden weiter empfiehlt. Um meinen NPS zu steigern, werte ich dann auch noch die Kommentare meiner Kunden aus, die sie ins Netz stellen. So kann ich sehen, was ich machen muss, damit meine Kunden noch zufriedener sind. Ganz praktisch, denn ein hoher NPS wirkt sich unmittelbar auf meinen Umsatz oder meinen Gewinn aus. Und so könnte das auch dein Nikolaus machen . Er wüsste quasi sofort, wie er und seine Leute performen!"
Christkind war schwer von Begriff: Aha, wie genau funktioniert das denn mit dem NPS, habe ich noch nicht kapiert.
M: Der Net Promoter Score ist zunächst einmal eine simple Zahl zwischen minus Einhundert und plus Einhundert. Den NPS ermittle ich nicht selber, das lasse ich machen. Zwei Fragen werden meinen Kunden gestellt und das ganze dauert läppische 2 Minuten. Rate mal, was ich frage.
Unser Christkind brachte gaaaanz zufällig hervor ;-): <<Würden Sie unser Unternehmen einem Kollegen oder Freund empfehlen>> Das könnte so eine Frage sein?
Der Einzelhändler wiederum war natürlich begeistert und schrie: BRAVO! Dozierte weiter: Und mit der zweiten Frage lasse ich fragen, wie die Empfehlung zustande kommt, also ich frage nach dem Warum: Worauf basiert Ihre Weiterempfehlungseinschätzung? Jeder antwortet auf die erste Frage mit einer Zahl zwischen Eins und Zehn. Liegt seine Entscheidung dabei im roten Bereich, wird er als Detraktor gezählt, liegt sie im grünen Bereich ist er ein Promotor. Antwortet er mit 7 oder 8, wird er als neutral gewertet.
Der NPS lässt sich dann wie folgt ermitteln
Ist der NPS größer Null, wird das als positiv bewertet, ist er kleiner oder gleich Null, als negativ.
M stand also vor seinem Rechner und erläuterte dem Christkind die spannende Theorie zum NPS. Gedanklich dürfen auch wir zusammenfassen, dass die Antworten auf die erste Frage Informationen über Kundenzufriedenheit, deren Loyalität, Wiederkaufs- und Weiterempfehlungsbereitschaft geben.
Aber, liebe Leser, haben Christkind und Nikolaustruppe nicht eigentlich ein ganz anderes Problem?!?!?! Fingern 12 Jährige tatsächlich mittels einer Zahlenskala von Null bis Zehn herum, um irgendwen zu bewerten? Nein: sie posten, chatten, chillen und dgl. auf Facebook und Co.
M antizipierte das und konterte flott: Und für dein eigentliches Problem, dafür gibt es die zweite Frage, die da lautet Worauf basiert Ihre Weiterempfehlungseinschätzung? Daraus könnt ihr dann Verbesserungspotentiale erkennen. Sie gibt euch Aufschluss über die Ursache einer jeden textlichen Bewertung, ist dadurch allerdings auch hochgradig individuell, äußert sich doch jeder auf seine eigene Art mit seinen persönlichen Vorlieben und seinen unerfüllten Erwartungen.
Beim Stichwort Unerfüllte-Erwartungen wachte das Christkind auf: Ja genau, das ist das Problem. Wie gehe ich damit um? Ich müsste ja nicht nur Wörter zählen, sondern ganze Wortsequenzen analysieren.
Und dann tauchte der Einzelhändler, unser Datenstar, unser Textanalyticspriester ein in die Geheimnisse seiner Privatwissenschaften und begann mit dieser bombastisch anmutenden Illustration (das Christkind döste sogleich wieder weg). Imaginär fuchtelte er mit einem Taktstock rum und fragte: "Was sehen wir hier?"
Und der M sprach eigentlich nur zu sich selber: .... Wir sehen verschiedene Dokumente mit Kundenfeedback. Aus den unstrukturierten Daten (also dem unstrukturierten Kundenfeedback) auf der linken Seite basteln wir uns jetzt mit Algorithmen von Textanalytics zwei strukturierte Variablen. Und die nennen wir: Ursache und Qualität. In dem ersten Kundenfeedback hat der Kunde drei Ursachen für sein Rating angegeben. Vergleichen wir jetzt das Kundenfeedback, Ursache und Qualität, so sehen wir, dass die drei Ursachen mit ihrer entsprechenden Qualität aus dem Text extrahiert wurden. Dies geschieht mit der Software automatisiert und muss nicht händisch erfolgen. Die Werte aus den Spalten Ursache und Qualität können jetzt dem Rating, d.h. der Antwort auf Frage 1, gegenübergestellt und analysiert werden und und und. Wer will, kann noch weiter gehen und mit prädiktiver Modellierung herausfinden, welche Ursache oder welche Qualität entscheidend für eine bestimmte Einstufung waren. Wir sehen, hier kann analysiert werden bis der Arzt kommt und immer und immer weiter verbessert werden – und der Arzt wird kommen! .....
Das Christkind hatte komplett auf Durchzug gestellt. Aufgewacht ist es erst bei dem Wort prädiktive Modellierung. Es ging ein Ruck durch seinen Lichtkörper, weil es ihn an Plätzchenmodellieren erinnerte und an seine Engelsschar. Es fragte sich sogleich, wie es wohl um die Plätzchenbäckerei stehen mag. Es sprach dann hastig zu unserem Datenpapst: "Ja, super, Mümeschmi. Ich werde deinen NPS dem Nikolaus vorstellen, damit er sich perfekt auf den 6. Dezember vorbereiten kann."
