Online-Bewertungen und KI: Wie du Trends erkennst und professionell antwortest
Im heutigen digitalen Zeitalter sind Online-Bewertungen nicht nur Feedback, sondern ein mächtiges Werkzeug, das du nutzen kannst, um die Stimmung der Kunden zu verstehen und deinen Service zu verbessern. Wenn du jedoch tausende von Bewertungen auf verschiedenen Plattformen sammelst, wird die manuelle Analyse zu einer unlösbaren Aufgabe.
Hier kommt Künstliche Intelligenz (KI) ins Spiel, um Rohdaten in konkrete Erkenntnisse und professionelle Antworten zu verwandeln. So können Unternehmen Trends immer einen Schritt voraus sein und positive Kundenbeziehungen pflegen. Aber wie fängst du an? Welche Analysen kannst du machen? Und wie gehst du mit den Bewertungen um?
In diesem Blog beantworte ich genau diese 3 Fragen und helfe dir mit Live-Beispielen und Prompts direkt beim Einstieg!
Der Einstieg: Wie bekommst du all deine Bewertungen in einen einfachen Export?
Nehmen wir an, du hast über die Jahre hinweg einige tausend Bewertungen auf deinem Google-Profil gesammelt. Diese manuell zu analysieren oder zu kopieren, würde ewig dauern. Wie kannst du sie also im CSV- oder einem ähnlichen Format herunterladen?
Eine gute Option ist ein Tool wie https://exportcomments.com/, um einen Export zu erstellen. Die ersten 100 Bewertungen sind kostenlos. Ich empfehle dir, alle zu exportieren, denn mehr Daten bedeuten einfach bessere Erkenntnisse.
Natürlich kannst du auch Bewertungen von anderen Plattformen wie Facebook, Amazon und Yelp in deine Analyse einbeziehen. Unser Datensatz für diesen Blog umfasst 2.744 Bewertungen für ein Gartencenter, wobei die älteste aus dem Jahr 2017 stammt. Das ist eine hervorragende Arbeitsbasis!
Stimmungsanalyse und Trends
Da alle Bewertungen mit Datum und Uhrzeit versehen sind, können wir eine Sentiment-Analyse durchführen und ChatGPT bitten, aktuelle positive oder negative Trends hervorzuheben. Es wäre gut zu wissen, ob die Bewertungen schwanken. Also bitten wir OpenAI um eine Grafik mit der durchschnittlichen Bewertung pro Quartal, beginnend mit Q1 2020. Die Frage stellen wir ganz präzise:
Kannst du eine Grafik mit der durchschnittlichen Bewertung pro Quartal erstellen, beginnend mit Q1 2020?
Das Ergebnis ist eine anschauliche Grafik, die den Trend aller Bewertungen von Q1 2020 bis Q2 2024 zeigt:
Wie du sehen kannst, sind die Bewertungen mit rund 4,4 Sternen ziemlich stabil. Allerdings gibt es im 3. Quartal 2023 einen kleinen Einbruch. Da fragt man sich natürlich, was da los war. Bevor wir diesen Zeitraum genauer unter die Lupe nehmen, müssen wir prüfen, ob die Anzahl der Bewertungen in dieser Phase überhaupt dem langjährigen Durchschnitt entspricht. Sonst würden wir voreilige Schlüsse auf Basis von nur ganz wenigen negativen Stimmen ziehen.
Die Zahlen:
Durchschnitt pro Quartal ab 2020: 94,3
Bewertungen in Q3 2023: 58
Die Anzahl der Bewertungen in diesem speziellen Quartal ist im Vergleich zum Durchschnitt also recht niedrig. Wenn wir OpenAI bitten, uns die negativen Bewertungen herauszufiltern und die Beschwerden zusammenzufassen, sehen wir Folgendes:
1 Stern (26. September 2023): Schöne Blumen, aber sehr unfreundlich an der Kasse.
2 Sterne (24. September 2023): Pfannkuchen um 14:56 Uhr bestellt, und trotz anfänglicher Verzögerung war der Service extrem langsam.
2 Sterne (14. September 2023): Kassiererin weigerte sich, einen tropfenden Blumenstrauß umzutauschen.
2 Sterne (24. August 2023): Kein Kommentar hinterlassen.
Zwei der Beschwerden gehen also auf schlechten Kundenservice zurück – vielleicht ein Thema für eine kurze Schulung im Team? Wir können jedenfalls festhalten, dass der kleine Einbruch bei den Bewertungen auf nur 4 Kunden zurückzuführen ist. Es handelt sich also nicht um einen besorgniserregenden Trend.
Probleme nach Produktgruppe oder Bereich segmentieren
Drei negative Bewertungen, die das Gesamtergebnis im dritten Quartal 2023 nach unten gezogen haben, hingen mit dem Service zusammen, und eine hatte keinen Text. Aber wie bewerten die Kunden eigentlich die anderen Abteilungen und Bereiche des Gartencenters? Für dieses Geschäft haben wir folgende Hauptbereiche definiert:
Café
Weihnachten
Blumen
Allgemein
Pflanzen
Wir können unseren ChatGPT-Assistenten bitten, die Bewertungen in diese 5 Kategorien zu unterteilen. Damit die KI keine falschen Annahmen trifft, füge ich meinen Prompts meistens solche Zeilen hinzu:
Wenn nicht klar ist, ob sich die Bewertung auf einen dieser 5 Bereiche bezieht, markiere sie als „Allgemein“.
Wenn eine Bewertung 2 oder mehr Bereiche betrifft, markiere sie ebenfalls als „Allgemein“.
Ohne diese Einschränkungen läuft man Gefahr, dass das KI-Tool eigene Wege geht und falsche Infos liefert. Klare Vorgaben und Erwartungen sind hier das A und O. Das Ergebnis basierend auf den 500 neuesten Bewertungen sieht so aus:
Café: Durchschnittliche Bewertung von 4,31 basierend auf 13 Bewertungen.
Weihnachten: Durchschnittliche Bewertung von 4,00 basierend auf 14 Bewertungen.
Blumen: Durchschnittliche Bewertung von 4,00 basierend auf 6 Bewertungen.
Allgemein: Durchschnittliche Bewertung von 4,39 basierend auf 345 Bewertungen.
Pflanzen: Durchschnittliche Bewertung von 4,27 basierend auf 15 Bewertungen.
Der Unterschied zwischen dem Weihnachtsbereich und dem Rest zeigt, dass in der Weihnachts-Abteilung noch Luft nach oben ist. Wir können die KI gezielt bitten, die Weihnachts-Bewertungen zu analysieren, um herauszufinden, was wir verbessern können.
Konkretes Feedback zum Umsetzen
Daten und Statistiken sind zwar nett, aber viel spannender ist doch das konkrete Feedback, das dir deine Kunden in den Bewertungen hinterlassen. Aus dieser Abfrage entsteht eine super praktische Liste mit Verbesserungsvorschlägen für die Weihnachts-Abteilung, die du direkt mit deinem Team besprechen kannst:
Zu wenig Auswahl und mangelnder Vorrat an Weihnachtsartikeln
Kundenservice am Wochenende völlig überlastet
Wunsch nach mehr Events und Workshops
Dank der KI müssen wir nicht erst mühsam alle 14 Bewertungen für den Weihnachtsbereich lesen – wir bekommen die To-dos direkt auf dem Silbertablett serviert.
Das Ganze funktioniert natürlich auch für das gesamte Gartencenter und alle Bewertungen. Wir haben die KI gebeten, die letzten 100 1- und 2-Sterne-Bewertungen zusammenzufassen und uns konkrete Handlungsempfehlungen zu geben.
Das Ergebnis:
Es wird wiederholt von unfreundlichem oder wenig hilfreichem Personal berichtet. Setzt hier auf Schulungen, um den Kundenkontakt zu verbessern und sicherzustellen, dass die Mitarbeiter ansprechbar und kompetent sind.
Einige Kunden bemängeln eine zu geringe Vielfalt und das Gefühl, dass sich das Sortiment kaum verändert. Ein regelmäßiges Auffrischen des Bestands und Fokus auf hohe Qualität können hier Abhilfe schaffen.
Es gab Probleme bei der Preisauszeichnung und Fälle, in denen zu viel berechnet wurde. Überprüft die Preisauszeichnung auf Transparenz, um Vertrauen aufzubauen und Ärger zu vermeiden.
Themen wie Sauberkeit und Struktur im Laden wurden bemängelt. Eine ansprechendere Präsentation und bessere Pflege der Verkaufsflächen werten das Einkaufserlebnis sofort auf.
Es gibt Feedback zu kleinen operativen Details, wie etwa der Getränketemperatur im Café. Auch auf solche Kleinigkeiten zu achten, zahlt sich bei der Kundenzufriedenheit extrem aus.
Als Inhaber kann man diese Liste direkt für das nächste Team-Meeting nutzen. Der Kunde hat eben doch meistens recht, und dieses Feedback ist pures Gold wert. Und weil wir ChatGPT für die Analyse nutzen, sparen wir uns stundenlange Arbeit für Berichte und Zusammenfassungen.
Wer kauft schließlich nicht gerne in einem sauberen Laden mit freundlichen, kompetenten Mitarbeitern, einer tollen Auswahl, fairen Preisen und einem heißen Kaffee oder einer kalten Cola ein?
Auf Bewertungen antworten
Ein weiterer wichtiger Hebel für die Kundenzufriedenheit ist das Beantworten von Bewertungen. Wenn du das angehen willst, solltest du ein paar Dinge beachten:
Der Ton der Antworten muss zu deiner Marke passen
Die Antworten müssen inhaltlich korrekt sein
Schon ein einziger unüberlegter Fehler kann deinem Online-Ruf schaden
Wie stellen wir also sicher, dass die KI die vorgegebenen Grenzen einhält? Indem wir ihr genaue Anweisungen geben. Das Portal „The Rundown“ hat eine nützliche Liste mit 6 Punkten veröffentlicht, die man beim Schreiben eines Prompts für ChatGPT beachten sollte:
Aufgabe: Definiere klar, was zu tun ist.
Kontext: Gib relevante Hintergrundinfos zur Situation.
Beispiele: Liefere Beispielantworten, an denen sich die KI orientieren kann.
Rolle: Erkläre, in welcher Funktion du schreibst.
Format: Bestimme das gewünschte Ausgabeformat.
Tonalität: Achte auf die richtige Rechtschreibung und die passende Ansprache.
Hier ist ein Beispiel für einen solchen Prompt, den ich für dich vorbereitet habe:
Ich bin Kundenservice-Mitarbeiter in einem Gartencenter und beantworte Online-Bewertungen. Schreibe basierend auf meinem Input Antworten auf Online-Plattformen. Antworte professionell, aber persönlich und sprich den Kunden mit Namen an. Halte dich kurz. Lass Begrüßungsfloskeln am Anfang und Ende weg, schreibe nur den reinen Antworttext. Sprache: Deutsch. Maximal 60 Wörter pro Antwort.
Bei 1- oder 2-Sterne-Bewertungen: Sag dem Kunden niemals, dass er unrecht hat. Bedanke dich für das Feedback. Lade den Kunden bei 1 Stern ein, im Center vorbeizukommen und mit dem Kassenbeleg den Marktleiter für ein klärendes Gespräch zu kontaktieren. Hoffe darauf, dass wir das wieder gutmachen können. Bedanke dich bei 2 Sternen für das Feedback und betone, dass wir es zur Verbesserung unseres Services nutzen werden. Bedanke dich bei 3, 4 oder 5 Sternen und sag, dass wir uns auf den nächsten Besuch freuen.
Für einfache Aufgaben reicht dieser Prompt völlig aus. Dir ist vielleicht aufgefallen, dass hier noch die konkreten Beispiele fehlen – dazu gleich mehr. Lass uns den Prompt erst einmal mit echten Kundenbewertungen testen. Starten wir mit einem einfachen Feedback von Gene:
Gute Auswahl an Pflanzen. Keine Hektik im Laden, freundliches Personal, tolle Qualität. Ein bisschen teuer, aber hier findet man Tomatensorten, die es sonst nirgends gibt. Die historischen Tomatensorten waren ein toller Fund!
Und hier ist die generierte Antwort der KI:
Vielen Dank für dein Feedback, Gene! Es freut uns sehr, dass dir unsere Auswahl an historischen Tomatensorten gefällt und du dich bei uns wohlgefühlt hast. Deinen Hinweis zu den Preisen nehmen wir uns zu Herzen und arbeiten weiter an uns. Wir freuen uns darauf, dich bald wiederzusehen!
Ziemlich professionell und genau auf den Punkt, oder? Spannend wird es aber vor allem bei der Reaktion auf Beschwerden, da diese feinfühliger sein müssen. Hier sind zwei Beispiele:
Habe vor 10 Tagen die lila Ampel zusammen mit der rosa Ampel gekauft, und sie ist fast tot. Wollte sie umtauschen, aber mir wurde gesagt, es gibt keine Garantie darauf.
Das war eine 1-Stern-Bewertung von Jane. Schauen wir uns die Antwort an:
Vielen Dank für dein Feedback, Jane. Es tut uns leid, dass du diese Erfahrung machen musstest. Wir wollen, dass unsere Produkte immer bester Qualität sind, und nehmen deine Kritik sehr ernst. Bitte komm doch noch einmal mit deinem Kassenbeleg im Center vorbei und frage nach dem Marktleiter. Wir tun unser Bestes, um das für dich zu lösen. Hoffentlich können wir das wieder gutmachen.
Und eine weitere Beschwerde, diesmal von Adam:
Ich habe im Herbst Saskatoon-Beerensträucher bestellt und die Bestellung im Frühjahr bestätigt. Als die Pflanzen nicht kamen, rief ich an und mir wurde gesagt, sie seien nicht geliefert worden. Ich wollte selbst in der Baumschule anrufen, aber mir wurde gesagt: „Rufen Sie da bloß nicht an“ – sehr verdächtig. Habe dann doch dort angerufen und erfahren, dass gar keine Bestellung vorlag. Danke für nichts.
Und die passende Antwort der KI:
Vielen Dank, dass du deine Erfahrung teilst, Adam. Wir entschuldigen uns aufrichtig für das Durcheinander mit deiner Bestellung und den Ärger. Bitte komm mit deinem Beleg im Center vorbei und wende dich an den Marktleiter. Wir würden das gerne persönlich besprechen und hoffen, eine gute Lösung für dich zu finden.
Wie du siehst, passen die Antworten perfekt zu unseren Vorgaben. Alles, was du tun musst, ist die Bewertungen auf deinen Profilen im Blick zu behalten, sie zu kopieren und die fertige Antwort der KI zu nutzen.
Meistens wirst du die generierten Texte noch minimal anpassen wollen. Um das Ganze noch weiter zu verbessern, kannst du eine Datei mit deinen eigenen Best-Practice-Antworten bei OpenAI hochladen. So lernt die KI genau deinen Stil. Hier kommen die vorhin erwähnten Beispiele ins Spiel!
Ein solcher Trainingsdatensatz bewirkt Wunder. Erstelle einfach ein Word-Dokument mit ein paar typischen Bewertungen und deinen idealen Antworten und lade es in deinem OpenAI-Konto hoch. Danach ergänzt du deinen Prompt einfach um diesen Satz:
Beantworte die Bewertungen im Stil der bereitgestellten Beispiele, aber kopiere sie nicht eins zu eins.
Denn KI-Systeme wie ChatGPT nehmen Dinge manchmal etwas zu wörtlich, und du willst ja nicht, dass jeder Kunde exakt dieselbe Antwort bekommt.
KI & Bewertungen: Es gibt viel zu entdecken
Es ist unglaublich wichtig, effizient auf Kundenfeedback zu reagieren und daraus zu lernen – schließlich sind es diese Kunden, die in deinem Center einkaufen und den Umsatz bringen! Wie gezeigt, hilft dir ein einfacher Export deiner Bewertungen, Stimmungen und Trends viel besser zu verstehen. Mit KI und smarter Datenanalyse lassen sich Schwachstellen im Handumdrehen aufdecken.
Der persönliche und professionelle Ton bei den Antworten sorgt für einen echten Dialog auf Augenhöhe mit deinen Kunden. Selbst aus einer negativen Bewertung kann so eine Chance werden, den Service noch besser zu machen.
Dieser ganzheitliche Ansatz – Daten sammeln, Trends erkennen, To-dos ableiten und aktiv mit Kunden kommunizieren – sorgt dafür, dass dein Gartencenter flexibel und nah am Kunden bleibt. Einfache KI-Tools wie ChatGPT unterstützen dich perfekt dabei!