Skip to main content

Viele Unternehmen setzen mittlerweile auf Bots, um erste Kundenanfragen entgegenzunehmen. Dabei wird häufig nur auf den Inhalt der Anfragen, nicht aber auf die Formulierung eingegangen. Das ist verschenktes Potenzial und eine vertane Chance die Kundenzufriedenheit mit Sentiment Analysis und Natural Language Processing enorm zu steigern.

Wie schlau sind Bots bereits?

Bots kommen an verschiedenen Stellen zum Einsatz, als Phonebots, WhatsApp Bots, Chatbots auf Webseiten und mehr. Im Hintergrund funktionieren alle recht ähnlich. Phonebots und sprachbasierte Bots im Allgemeinen verwenden im ersten Schritt einen Algorithmus, der das Audio-Signal in Text umwandelt. Dieses Verfahren nennt sich „Automatic Speech Recognition“ (ASR) oder auch „Speech To Text“ (STT). Textbasierte Bots benötigen diesen Schritt nicht.

Um die Wünsche und Intentionen aus Texten zu erkennen, wird in der Regel eine Art Natural Language Processing (kurz NLP) Algorithmus verwendet. Dieser Algorithmus würde aus dem Satz „Ich möchte eine Margherita Pizza bestellen“ ableiten, dass es die Intention der Kund*innen ist, etwas zu bestellen.

Die Erkennung, was genau bestellt werden soll, nennt sich „Slot Filling“ und wird ebenfalls vom Algorithmus übernommen. So macht der Code aus „Ich möchte eine Margherita Pizza bestellen“ etwas das so aussieht:

HMTL-Code

Warum Natural Language Processing wichtig ist

Natural Language Processing Algorithmen können aber mehr als nur den Inhalt eines Textes zu bestimmen. Viele Algorithmen haben eine Funktion namens Sentiment Analysis. Mithilfe dieser soll unsere künstliche Intelligenz auch eine Art emotionale Intelligenz erhalten. Anhand der Formulierung und verwendeten Wörter gibt der Algorithmus eine Einschätzung darüber, ob die Stimmung des Textes eher positiv oder eher negativ ist.

Eine Sentiment Analysis des Satzes „Ich möchte eine Margherita Pizza bestellen.“ könnte so aussehen:

HMTL-Code

Testen wir den Satz „Margheritha Pizza ist meine liebste Pizza!“ erhalten wir folgendes Ergebnis:

HMTL-Code

Während der erste Satz neutral eingeschätzt wurde, wird diese Formulierung nun als positiv bewertet. Testen wir nun noch „Margherita Pizza ist einfach nur langweilig“ erhalten wir:

HMTL-Code

Die NLP bewertet diese Aussage als leicht negativ. Wie stark die Bewertung in eine Richtung ausschlägt lässt sich in diesem Beispiel an dem „Score“-Wert ablesen. Je stärker ein Wert von 0 abweicht, desto positiver oder negativer ist er.

(Für diese Tests haben wir nlp.js verwendet.)

Wie hilft Sentiment-Analysis in der Kundenkommunikation?

Nun wissen wir also, dass Sentiment Analysis möglich ist. Wie können Bots aber von ihrer emotionalen Intelligenz Gebrauch machen? Und wie können Kund*innen und Unternehmen davon profitieren?

Für gute Kommunikation im Allgemeinen ist es wichtig, die Gefühle des Gegenübers erkennen und darauf eingehen zu können. Menschen machen das automatisch. Bots müssen darauf erst programmiert werden.

Im Kundenservice können Mitarbeiter*innen auf unglückliche Kund*innen deeskalierend eingehen.  Bereits zufriedene Kund*innen benötigen diese Versicherung möglicherweise nicht. Aus ihnen könnte man aber mit einer netten Geste vielleicht sogar begeisterte Brand Ambassadors machen.

Nehmen wir zum Beispiel folgende Sätze:

  1. „Ich wollte mich nur einmal nach dem Status meiner Pizzalieferung erkundigen.“

  2. „Wo ist meine blöde Pizza?!“

Auf die erste Nachricht könnte man so antworten: „Deine Bestellung ist bereits unterwegs und sollte jeden Moment eintreffen. Entschuldige bitte die etwas längere Wartezeit. Wir beeilen uns!“

Während bei der zweiten Nachricht möglicherweise etwas mehr Informationen zur Deeskalation beitragen könnten: „Deine Bestellung ist unterwegs und sollte jeden Moment eintreffen. Entschuldige bitte die Wartezeit! Wir verstehen, dass das sehr frustrierend ist. Wir haben sicherheitshalber auch noch einmal mit dem Fahrer gesprochen und werden in fünf Minuten noch einmal den Status überprüfen.“

Nun könnte man zwar in jedem Fall die zweite Nachricht zurücksenden. Doch warum jemanden auf Frustrationen ansprechen, die diese Person möglicherweise gar nicht fühlt? Vielleicht hat die erste Person die Situation gar nicht bewusst als frustrierend empfunden. Dann brauchen wir ihr das auch nicht einzureden. Hingegen die zweite Person ist sichtlich verärgert. Darum kann es hilfreich sein, diesen Ärger wahrzunehmen und darauf einzugehen. Vielleicht kann das sogar Kunden positiv überraschen, wenn sie sich in ihrer Frustration wahrgenommen fühlen.

Vieles in der Dialogentwicklung von Bots lässt sich direkt aus der Kommunikationswissenschaft übernehmen. Prinzipien wie gewaltfreie Kommunikation oder das Vier-Seiten-Modell können dazu beitragen, dass Bots auf die Bedürfnisse von Kund*innen eingehen, wie es andere Arten von Computerinterfaces nie zuvor konnten.

Jeder Bot braucht Gefühle

Bots haben die Möglichkeit Interaktionen zwischen Menschen und Computern menschlicher zu machen. Seit Entstehung von Computern mussten Menschen sich anpassen, um Computer bedienen zu können. Beispielsweise mussten sie den Umgang mit User Interfaces lernen. Mit Bots ist es uns möglich, Computer so zu programmieren, dass sie auf Menschen eingehen und sich an sie anpassen können. Nicht umgekehrt. Wir sollten dieses Potenzial voll ausnutzen. Eine höhere emotionale Intelligenz in der Kundenkommunikation führt auch zu mehr zufriedenen Kund*innen.

Last One - Die dritte Unterüberschrift

Ihr benötigt Alexa-Beratung? Sprecht uns gern an! Wir finden eine Lösung.

Samuel Boguslawski

Samuel ist mehr als ein leidenschaftlicher Entwickler. Er weiß, dass ein Kilometer keine 1024 Meter sind. Sein “Bin gleich fertig” ist noch etwas wert. Und man munkelt sogar: Seine ersten Worte waren “Hallo Welt”.