KI Kundenfeedback Analyse für bessere Produktentscheidungen
Supportgespräche und öffentliche Bewertungen werden zu einem wöchentlichen Bericht nach Themen gruppiert. So sieht das Produktteam, was Kunden wiederholt sagen, statt auf die jüngste Beschwerde zu reagieren.
Die Ausgangslage
Feedback kam aus zwei Quellen, die nie zusammengeführt wurden. Supporttickets enthielten Probleme, Fragen und Beschwerden zahlender Kunden. Öffentliche Bewertungen auf Shopify und Trustpilot zeigten eine andere Gruppe: Kunden, die sich entschieden hatten, ihre Erfahrung öffentlich zu teilen.
Beide Quellen waren wertvoll, aber keine liess sich als Ganzes leicht lesen. Ein Supportgespräch kann ein wichtiges Problem enthalten. Sechs Bewertungen zum selben Problem erzählen eine andere Geschichte. Niemand würde jede Woche alles lesen, um eines dieser Muster zu finden.
Das Unternehmen wusste, dass Nachrichten und Bewertungen wichtige Belege für Produkt-Roadmap, Verbesserungen und Bugfixes enthielten. Es brauchte eine zuverlässige Methode, um daraus ein gemeinsames Bild zu erstellen.
Die Herausforderung
Die naheliegende Lösung ist ein Echtzeit-Feed: jedes Ticket und jede Bewertung beim Eingang klassifizieren und irgendwohin weiterleiten. Das erzeugt einen Strom, den niemand liest, und verleitet Teams dazu, auf den jüngsten Kommentar zu reagieren statt auf das Problem, das immer wieder auftaucht.
Der Wochenrhythmus war bewusst gewählt, nicht nur technisch bequem. Eine Woche ist lang genug, damit eine laute Einzelbeschwerde das Bild nicht verzerrt, und kurz genug, damit ein wachsendes Problem sichtbar bleibt, solange es noch günstig zu beheben ist.
Auch das Sammeln öffentlicher Bewertungen war eine eigene Herausforderung. Bewertungsquellen müssen zuverlässig erfasst, gegen bereits gespeicherte Daten geprüft und auf Ausfälle überwacht werden. Ein Wochenbericht, der eine Quelle unbemerkt verliert, ist schlechter als einer, der sichtbar fehlschlägt.
Der Bericht brauchte ausserdem eine feste Struktur. Ein Modell, das eine wöchentliche Zusammenfassung schreiben soll, verändert Überschriften, Reihenfolge und Detailgrad von Woche zu Woche. Vergleiche werden dadurch schwierig. Die Ausgabe nutzt deshalb eine feste Notion-Vorlage. Das Modell füllt die Struktur, statt eine eigene zu erfinden.
Was wir gebaut haben
Supporttickets werden bei ihrer Erstellung kategorisiert. Ein geplanter Prozess sammelt jede Woche neue öffentliche Bewertungen und gleicht sie mit gespeicherten Datensätzen ab, damit nichts doppelt gezählt wird. Beide Quellen fliessen in dieselbe Wochenanalyse, die das Feedback der vergangenen Woche nach Themen gruppiert statt jede Nachricht einzeln aufzulisten.
Der Bericht wird jede Woche mit derselben Vorlage in Notion geschrieben. Er zeigt wiederkehrende Probleme, damit das Team erkennt, ob ein Thema ein Konto oder mehrere betrifft, und wiederkehrendes positives Feedback, damit das Produktteam weiss, welche Teile der Erfahrung geschützt werden sollten.
Zusätzlich bauten wir ein visuelles Dashboard, in dem das Produktteam sehen kann, welche Themen jede Woche am häufigsten genannt werden.
Prozessdiagramm
Aktueller Stand
Produkt- und kundennah arbeitende Teams arbeiten mit demselben Wochenbild statt mit getrennten Einzelgeschichten. Ein Problem, das mehrere Kunden betrifft, erscheint als Thema und nicht als drei unverbundene Tickets, die niemand zusammenführt.
Nächste Referenz
Leadgenerierung für Personalvermittlungen
Bereit für bessere Geschäftsergebnisse mit KI-Automatisierung?
Buchen Sie ein 30-minütiges Operations-Review. Wir schauen gemeinsam, wo manuelle Arbeit Ihren Betrieb bremst und ob es eine konkrete Möglichkeit gibt, Kapazität zu schaffen.
Operations-Review buchenSwiss precision. Valley speed.