Ich wette, dass bei einer Umfrage „Wer mag unstrukturierte Textdaten analysieren?“ die meisten antworten würden: „Ich eher nicht.“ Und das hat einen guten Grund. Denn diese Frage bedeutet: Wenn du unstrukturierte Daten in Textform analysierst, musst du viel Zeit mitbringen. Zeit für die manuelle Regelerstellung in Systemen wie Excel, Zeit für deren Hinterlegung, Zeit für die Überprüfung deiner Regeln. Unternehmen sind aber auf Mitarbeiter angewiesen, die sich diese Zeit nehmen. Denn heutzutage trudeln die wichtigsten Informationen über Produkte und Services eines Unternehmens in Textform via Email, Kommentarfunktion, soziale Netzwerke, Briefe, Formulare oder Befragungen ein. Ich schreibe in meinem Blog, welche zeitsparenden Alternativen es gibt. Hier geht es zu meinem Webinar.
Egal, ob in der Marktforschung, im Beschwerdemanagement, in Kundencentern oder bei Produktbewertungen, überall müssen Texte analysiert werden. Denn eben hier verstecken sich Meinungen, Themen und Trends. Meistens läuft es also nach dem Aschenputtelprinzip ab. Man beginnt schlicht und ergreifend zu zählen – die positiven Wörter in Töpfchen, die negativen Wörter ins Kröpfchen. Jedoch ist diese Methode sehr fehleranfällig. Denn stures Kategorisieren von Wörtern missachtet den Kontext und damit den Sinn eines Textes bzw. eines Wortes. Das Budget bei dieser Methode mag schnell aus dem Ruder laufen.
Mal eben schnell schauen, wie uns unsere Kunden finden, ist da nicht.
Mein Rat lautet, bevor Sie sich ans Zählen begeben, erst einmal zu fragen, was Sie wissen wollen. Geht es um die Qualität Ihrer Hotline-Mitarbeiter? Wollen Sie wissen, wie Ihre potenziellen Kunden Sie wahrnehmen? Oder möchten Sie keine Überraschungen erleben, wenn es um die Produktweiter-/-neuentwicklung geht? Oder wollen Sie wissen, in welche neuen Trends Sie investieren müssen? Oder wollen Sie alles wissen? Aus diesen Vorüberlegungen lässt sich erahnen, dass Sie mit Wörterzählen und Kategorisieren nicht weit kommen werden. Viel effektiver ist es, Texte automatisiert zu analysieren.
Warum? Weil Sie verschiedene Worte in Zusammenhang setzen und in Ihrer gewohnten Office-Umgebung arbeiten können. Ihre Textdatei können Sie z. B. automatisch in einer Word Cloud analysieren, die bestimmte Themengebiete zusammenfasst. Dann können Sie ganz leicht Stimmungen aus dem Text inkl. Stärken und Schwächen auch standortübergreifend ablesen. Es werden nicht einfach nur Wörter gezählt, sondern diese werden mit statischen Algorithmen zu bestimmten Themen zusammengefasst. Auch für Nicht-Statistiker ist das machbar, denn Mustererkennung, linguistische Funktionen und Statistik laufen komplett im Hintergrund ab, und der User hat nichts damit zu tun. Und wie gesagt, man bewegt sich in seiner gewohnten Office-Umgebung.
SAS in Excel: Beschwerden einfach markieren …
… dann auf Analysieren drücken und wichtige Themen und Stimmungen in Excel erkennen!
Die Texte können den zwei Themengebieten „Kritik“ und „Lob“ zugeordnet und aufgezeigt werden. Zusätzlich sieht man in der Word Cloud, dass wir oft das Feedback über „Warteschleife“, „unfreundlich“, „freundlich“ haben.
Die Word Cloud zeigt, dass z. B. die Wörter „unfreundlich“, „Warteschleife“ und „kompetent“ in den Themengebieten „Kritik“ und „Lob“ oft vorkommen. Wobei gilt: Je größer, umso wichtiger sind die Wörter für ein Themengebiet. Daraus ergibt sich: bei „Warteschleifen“ mal genauer hinschauen.
Drillen wir nun weiter in das Themengebiet „Kritik“ rein. Hier sieht man, dass die Stimmung bei „Wartezeit“ neutral ist. Also weder zu lang noch kurz.
Und nun in „Vertrag“ drillen. Hier stellt sich heraus, dass mit „Vertrag“ „teuer“ und „kompliziert“ assoziiert werden. Ob das nun positiv, negativ oder neutral gemeint ist, sehen wir hier auch. Jetzt könnte man sich die Preise & Tarife genauer ansehen …. Und, und, und. Natürlich kann man noch tiefer gehen und sich die entsprechenden Feedbacks zu den Tarifen anschauen.
Mit Methoden der Mustererkennung und statistischen Algorithmen lassen sich also unbekannte Texte zuverlässig einer Kategorie zuordnen, Problemfelder klassifizieren und identifizieren.
Ich habe dieses Thema in meinem Webinar „Analytics für alle“ etwas detaillierter betrachtet und ein Beispiel als Demo durchgespielt. Einfach mal reinschauen.
