Was ist eine Text-Analytik? Und warum ist sie so wichtig?

Daten. Erkenntnisse. Konvertierungen. Diese drei Wörter werden in der digitalen Welt generell sehr häufig verwendet. Und das hat einen ziemlich offensichtlichen Grund: Dank der richtigen Datenanalyse gewinnen wir Erkenntnisse, mit denen wir auf verschiedene Weisen höhere Konversionen erzielen konnten. Eine etwas weniger offensichtliche Beobachtung ist dabei jedoch die Art der Daten, mit denen wir diese Konvertierungen erreichen…

Bezüglich Online-Benutzer-Feedback gibt es recht viel über quantitative Daten (z.B. Kennzahlen wie Net Promoter Score, Kundenaufwand, & Kundenzufriedenheit) zu berichten, aber im Gegensatz dazu nur recht wenig über die qualitative Seite (z.B. offene Antworten) oder „unstrukturierte Daten“. Obwohl Metriken wie NPS leicht gemessen und in Diagrammen oder einer Excel-Tabelle angezeigt werden können, sind qualitative Daten nicht ganz so einfach, wenn man nicht über die Mittel verfügt, sie zu analysieren. Das ist die Welt der Textanalytik.

Was ist eine Textanalytik?

Die Aufgabe der Textanalytik ist es, die Bedeutung aus Texten und schriftlicher Kommunikation (oder unstrukturierten Daten) zum Ermessen von Kundenmeinungen, Benutzerfeedback, Produktbewertungen, etc. herzuleiten. Mit anderen Worten werden mit dieser Methode große Mengen unstrukturierter Daten so umgewandelt, dass sie verstanden und analysiert werden können.

Im Rahmen des Benutzer-Feedbacks wird die Textanalyse typischerweise dazu verwendet, den Inhalt in offenen Textfeldern innerhalb eines Feedback-Formulars zu analysieren und zu gliedern. Dazu gehört u.a. die Kategorisierung, Clustering, Mustererkennung, Tagging und Visualisierung.

Beliebte Textanalyseverfahren

Von Softwareunternehmen werden verschiedene Techniken eingesetzt, um Text und unstrukturierte Daten zu analysieren. Hier sind ein paar Beispiele für die beliebtesten Methoden:

1. Häufigkeit der Wörter (Wortzahl)

Dieses Verfahren ist Textanalytik in seiner einfachsten Form, wobei die Themen (z.B. Preise, Service, Konto, etc.) gezählt und mit einer erwähnten Häufigkeit gesteigert werden – ideal, um gemeinsame Themen und Probleme von Besuchern schnell zu identifizieren.

2. Wortgruppierung (oder Wortpaarung)

Oftmals verleiht eine Wortgruppe mehr Einblick als nur ein einzelnes Wort. Wenn man beispielsweise Wörter wie „Kosten“, „teuer“ und „monatlich“ zusammenfasst, kann man daraus mit Sicherheit herleiten, dass es viele Kunden gibt, die die monatlichen Kosten für ein angebotenes Produkt oder eine Dienstleistung für zu teuer halten. Für einen noch genaueren Blick kann man dann immer noch die einzelnen Kommentare öffnen.

3. Stimmungsanalyse

Nach der Anwendung der vorherigen Techniken ist jetzt bekannt, wie oft bestimmte Wörter vorkommen und wie sie gruppiert sind, aber ist dieses Feedback positiv, negativ oder neutral? Zum Glück geben Kunden immer gerne Feedback zu Themen, für die sie sich ganz besonders interessieren, so dass eine Stimmungsanalyse mit dem richtigen Tool kein Problem sein sollte.

Die Stimmungsanalyse (oder Opinion Mining) ist ein Bereich innerhalb des Natural Language Processing (NLP) womit Nutzer den Schweregrad des Feedbacks anhand der positiven, negativen und neutralen Wortverwendung sowie der mit häufig verwendeten Wörtern verbundenen Stimmung zu messen.



Zudem kann man mit einigen Tools auch sehr negative und positive Stimmungen und die am häufigsten verwendeten Wörter analysieren, die mit diesen Empfindungen verbunden sind.

4. Tagging/Kategorisierung von Feedback-Kommentaren

Beim Durchgehen von Feedback-Daten ist es auch wichtig, über ein System zu verfügen, mit dem man Feedback basierend auf dem Inhalt der offenen Kommentare filtern und finden kann. Dies kann entweder durch manuelles Tagging oder durch – erfolgen, womit das Tagging und die Kategorisierung automatisch erledigt wird.

Bei Letzterem muss der Benutzer zunächst manuell mit der Kennzeichnung von Feedback-Elementen beginnen.



Um dieses Verfahren noch weiter zu verfeinern, kann der Benutzer das System darüber informieren, ob die Kommentare richtig kategorisiert wurden oder nicht. Dies geschieht mit Hilfe des sogenannten Supervised Machine Learning, das im Grunde das System so trainiert, das zu tun, was man will. Dazu werden Beispiele bereitgestellt, von denen das System lernen kann. Im Laufe der Zeit verbessert sich dann die automatisierte Kategorisierung auf der Grundlage dieses Benutzerfeedbacks.



Lesen Sie hier mehr über die automatische Kategorisierung.

Die Vorteile der Verwendung von Textanalytik

Die Textanalytik bietet mehrere Möglichkeiten zur Erkenntnisgewinnung, die Ihrem Feedbackprogramm zugute kommen:

1. Hilft bei der Identifizierung der Ursache eines Problems (oder der Quelle der Zufriedenheit)

Kunden erhalten mit offenen Fragen die Möglichkeit, zu erkennen, was zu ihrer Zufriedenheit ist oder nicht und warum das so ist. Wenn beispielsweise mehrere Besucher Artikel im Warenkorb lassen, ohne sie zu kaufen, wird Ihre Textanalyse diesen Trend wahrscheinlich mit wiederkehrenden Wörtern wie „Warenkorb“, „Kauf“ oder „Kasse“ und den Stimmungen hinter diesen Wörtern usw. aufdecken.

2. Ermöglicht das Auftauchen neuer Trends, die durch viele Feedback-Umfragen eingeschränkt werden.

Natürlich kann man sehen, ob der NPS steigt oder fällt, allerdings kennt man nicht den Grund dafür, es sei denn, man hat eine Erklärung vom Kunden selbst. Textanalytiken helfen Anwendern, Trend-Feedback-Kategorien zu visualisieren und zeitnah zu lösen.

3. Probleme können schnell und effizient priorisiert werden.

Durch die Identifizierung der am häufigsten verwendeten Wörter oder die Verwendung von Wortpaaren weiß man sofort, auf welche Bereiche man sich konzentrieren muss oder in welchen Bereichen man sich bewegt. Dies gewährleistet eine schnelle und einfache Lösung eines Problems.

4. Die Ideen und Vorschläge der Kunden materialisieren sich und führen zu einem verbesserten digitalen Erlebnis.

Meinungen und Gedanken, von denen man sonst nie erfahren hätte, gelangen so an die Oberfläche, so dass Sie ein optimales Kundenerlebnis bieten und Ihre Kunden zufrieden stellen können.

Analysieren Sie das, was wirklich wichtig ist.

Ein verfügbares offenes Kommentarfeld kann sichtlich Wunder für ein Feedbackprogramm bewirken. Das Feedback, das Ihre Besucher in diesem Bereich abgeben, enthüllt unentdeckte Schmerzpunkte, den Kontext hinter Ergebnissen wie NPS und CSAT und vor allem die Erkenntnisse, die zur Optimierung Ihrer Website erforderlich sind und den Kreis mit Ihren Kunden schließen.

Die Analyse dieser Daten ist jedoch sicherlich eine schwierige und überwältigende Aufgabe, wenn nicht die richtigen Analytiktools für das Benutzer-Feedback vorhanden sind. Mit Mopinion können Sie Ihr digitales Team im Handumdrehen aufbauen und textuelles Feedback analysieren!