Der Anbieter von cloudbasierter Kundenservice-Software, Zendesk, hat mit dem neuen Feature „Satisfaction Prediction“ die nach eigenen Angaben „weltweit erste lernfähige Lösung für die Vorhersage der Kundenzufriedenheit“ gelauncht. Aufbauend auf vergangenen Zufriedenheitsumfragen evaluiert die Lösung Interaktionen mit Kunden und warnt den Service-Mitarbeiter, wenn dieser Gefahr läuft, unzufriedene Kunden zu hinterlassen. Dadurch können Unternehmen frühzeitig in den Prozess eingreifen und den Kundenservice rechtzeitig optimieren.

Die Kommunikation mit Kunden ist in den letzten Jahren durch die Vielzahl an Kanälen immer komplexer geworden. Daher ist es für Kundenservice-Agents zunehmend schwierig, im Sinne der optimalen Kundenzufriedenheit einzelne Konversationen herauszufiltern und zu priorisieren. Das neue Zendesk-Feature macht sich die langjährigen Analysen von Kundeninteraktionen zu Nutze, um Unternehmen mit einer Art Frühwarnsystem auszustatten. Dabei werden alle aktuellen Interaktionen mit den vergangenen Daten abgeglichen. Im Vergleich der Konversationen werden die hervorgehoben, die aller Wahrscheinlichkeit nach zu einer sehr hohen oder eben einer sehr niedrigen Kundenzufriedenheit führen werden.

Satisfaction Prediction nutzt in der Vorhersage-Analyse Kundensignale innerhalb eines Service-Tickets, um einen einfachen Wert zwischen Null und 100 zu berechnen. Hierbei entspricht Null der niedrigsten und 100 der größtmöglichen Kundenzufriedenheit. Das ermöglicht Kundenservice-Agents und -Managern ihre Arbeits- und Geschäftsprozesse zu priorisieren, Geschäftsregeln zu entwickeln und nachgelagerte Prozessschritte vorzuziehen. Dies passiert auf der Basis von dynamischen Regeln; aufbauend auf dem Wissen aus Tausenden von analysierten Kundeninteraktionen. Das lernfähige System wird automatisch durch eine Echtzeit-Big Data Analyse gespeist und generiert daraus ein einzigartiges und personalisiertes Kundenservice-Vorhersage-Modell für jeden einzelnen Zendesk-Kunden.

Der lernfähige Algorithmus, der Satisfaction Prediction zugrunde liegt, zieht seine Informationen aus verschiedenen Signalen, wie etwa dem Aufwand, der nötig war, um eine Kundenanfrage zu lösen, der Latenz zwischen den Fragen der Nutzer und den Antworten der Kundenservice-Agenten oder der Sprache, die innerhalb eines Service-Tickets verwendet wird. Diese Informationen fließen zusammen mit der Bewertung des Kunden für die Bearbeitung eines Tickets in das Feature ein und führen zu einem Lerneffekt. Das Modell kann so immer präziser vorhersagen, ob ein Kunde mit einer Beratung zufrieden sein wird oder nicht.

Zendesk hat festgestellt, dass lernfähige Analyseprozesse den Kundensupport von Unternehmen verbessern können, indem der Aufwand für den Kunden möglichst gering gehalten wird. In der Vergangenheit waren Unternehmen dazu gezwungen, Offline-Analysen schlechter Kundenbewertungen durchzuführen, die dann statische Regeln für die Verbesserung der Interaktionen zur Folge hatten. Das Vorhersage-Modell von Zendesk dreht diesen Prozess um und ermöglicht Unternehmen dynamische Echtzeit-Analysen, um das Kundenerlebnis zu verbessern.

Satisfaction Prediction ist derzeit als Beta-Variante für ausgewählte Enterprise-Kunden verfügbar und wird Anfang 2016 breit ausgerollt. Mehr Infos zur Lösung unter: www.zendesk.com