Online-Bewertungen & KI: Wie du Trends erkennst und professionelle Antworten formulierst?
Im heutigen digitalen Zeitalter sind Online-Bewertungen nicht mehr nur einfaches Feedback, sondern ein mächtiges Instrument, mit dem du die Kundenstimmung verstehen und deinen Service verbessern kannst. Wenn du jedoch Tausende von Bewertungen auf verschiedenen Plattformen sammelst, wird die manuelle Analyse zu einer schier unlösbaren Aufgabe.
Genau 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 am besten mit Bewertungen um?
In diesem Blog werde ich diese 3 Fragen beantworten und dir mit Live-Beispielen und Prompts helfen, direkt selbst loszulegen!
Der Einstieg: Wie bekommst du alle Bewertungen in einen einfachen Export?
Nehmen wir an, du hast im Laufe der Jahre auf deinem Google-Profil ein paar tausend Bewertungen gesammelt. Das manuelle Analysieren oder Kopieren und Einfügen würde ewig dauern. Wie kannst du sie also im CSV- oder einem ähnlichen Format herunterladen?
Eine gute Option ist die Verwendung eines Tools wie https://exportcomments.com/ für den Export. Die ersten 100 Bewertungen sind kostenlos. Ich empfehle dir, gleich 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 enthält 2.744 Bewertungen für ein Gartencenter, wobei die älteste aus dem Jahr 2017 stammt. Das ist eine solide Basis, mit der man gut arbeiten kann!
Stimmungsanalyse und Trends
Da alle Bewertungen mit Datum und Uhrzeit versehen sind, können wir eine Stimmungsanalyse durchführen und ChatGPT bitten, aktuelle positive oder negative Trends hervorzuheben. Es ist immer gut zu wissen, ob die Bewertungen schwanken. Fragen wir OpenAI also nach einer 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?
Als Ergebnis erhalten wir eine schöne Grafik, die den Trend aller Bewertungen von Q1 2020 bis Q2 2024 zeigt:
Wie du siehst, 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 sofort, was da los war. Doch 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 aus nur wenigen negativen Stimmen ziehen.
Die Zahlen im Detail:
Durchschnitt pro Quartal ab 2020: 94,3
Bewertungen im Q3 2023: 58
Die Anzahl der Bewertungen in diesem speziellen Quartal ist also im Vergleich zum Durchschnitt recht niedrig. Wenn wir OpenAI bitten, uns die negativen Bewertungen herauszusuchen 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 sehr langsam.
2 Sterne (14. September 2023): Es wurde sich geweigert, einen tropfenden Blumenstrauß an der Kasse umzutauschen.
2 Sterne (24. August 2023): Kein Kommentar hinterlassen.
Zwei der Beschwerden gehen also auf schlechten Kundenservice zurück – vielleicht ein Thema, das man mit einer kleinen Schulung angehen sollte? Wir können jedenfalls festhalten, dass der Rückgang der Zufriedenheit nur an 4 Kunden lag. Es handelt sich also nicht um einen besorgniserregenden Trend.
Probleme nach Produktgruppe oder Bereich segmentieren
Drei negative Bewertungen, die sich im Q3 2023 auf die Gesamtnote auswirkten, hingen mit mangelndem Kundenservice zusammen, eine hatte gar keinen Kontext. Aber wie bewerten die Kunden eigentlich andere Abteilungen und Bereiche des Gartencenters? Für dieses Geschäft haben wir die folgenden Hauptbereiche definiert:
Café
Weihnachten
Blumen
Allgemein
Pflanzen
Wir können unseren ChatGPT-Assistenten bitten, die Bewertungen in diese 5 Kategorien aufzuteilen. Damit die KI keine falschen Annahmen trifft, füge ich meinen Prompts meistens solche Zeilen hinzu:
Wenn nicht eindeutig ist, ob sich die Bewertung auf einen dieser 5 Bereiche bezieht, markiere sie als „Allgemein“.
Wenn es in einer Bewertung um 2 oder mehr Bereiche geht, markiere sie als „Allgemein“.
Ohne solche präzisen Vorgaben schlägt ein KI-Tool schnell einen eigenen Weg ein und liefert ungenaue Ergebnisse. Klare Leitplanken und Erwartungen sind hier das A und O. Das Ergebnis basierend auf den 500 neuesten Bewertungen:
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 Thema Weihnachten und dem Rest zeigt, dass in der Weihnachtsabteilung noch Luft nach oben ist. Wir können gezielt die Weihnachts-Bewertungen analysieren lassen, um konkrete Ansatzpunkte für Verbesserungen zu finden.
Konkretes Feedback nutzen
Daten und Statistiken sind zwar spannend, aber noch besser ist es, herauszufinden, welches konkrete Feedback die Kunden in ihren Bewertungen hinterlassen haben. Eine gezielte Abfrage liefert dir eine praktische Liste mit Verbesserungsvorschlägen für die Weihnachtsabteilung, die du direkt mit deinem Team besprechen kannst:
Zu geringe Auswahl und mangelnder Vorrat an Weihnachtsartikeln
Kundenservice an den Wochenenden überlastet
Wunsch nach mehr Events und Workshops
Dank der KI müssen wir nicht mühsam alle 14 Bewertungen zur Weihnachtsabteilung einzeln lesen; wir bekommen die wichtigsten To-Dos direkt mundgerecht serviert.
Das lässt sich natürlich auch auf das gesamte Gartencenter und alle Bewertungen übertragen. 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 behilflichem Personal berichtet. Setze hier auf gezielte Schulungen, um den Kundenkontakt zu verbessern und sicherzustellen, dass das Team ansprechbar und kompetent auftritt.
Einige Kunden bemängeln eine zu geringe Auswahl und das Gefühl, dass sich das Produktsortiment kaum verändert. Regelmäßige Frische im Sortiment und der Fokus auf hohe Qualität können hier Abhilfe schaffen.
Es gab Probleme bei der Preisgestaltung, darunter auch falsche Abrechnungen. Überprüfe die Preisauszeichnung und sorge für transparente Preise, um Vertrauen aufzubauen und Enttäuschungen zu vermeiden.
Mängel im Bereich Sauberkeit und Ordnung wurden angesprochen. Eine ansprechende Präsentation und Pflege der Verkaufsflächen verbessern das gesamte Einkaufserlebnis spürbar.
Es gibt Kritik an kleinen operativen Details, wie etwa der Temperatur der Getränke im Café. Auf solche vermeintlichen Kleinigkeiten zu achten, kann die Kundenzufriedenheit enorm steigern.
Mit diesen Punkten kann der Inhaber direkt in die Teambesprechung gehen. Der Kunde hat eben doch meistens recht, weshalb dieses Feedback Gold wert ist. Dank ChatGPT sparen wir uns stundenlange Arbeit für Zusammenfassungen und Berichte.
Denn seien wir mal ehrlich: Wer kauft nicht gerne in einem sauberen Laden mit freundlichem, kompetentem Personal und einer tollen Produktauswahl ein, während man noch einen heißen Kaffee oder eine kalte Cola genießen kann?
Auf Bewertungen antworten
Ein weiterer Hebel für eine hohe Kundenzufriedenheit ist die direkte Antwort auf das Feedback deiner Kunden. Dabei solltest du ein paar wichtige Dinge beachten:
Die Tonalität der Antworten muss zu deiner Marke passen.
Die Antworten müssen inhaltlich absolut korrekt sein.
Schon ein einziger unüberlegter Fehler kann dem Online-Ruf schaden.
Wie stellen wir also sicher, dass die KI die vorgegebenen Grenzen einhält? Indem wir ihr einfach ganz genaue Anweisungen geben. „The Rundown“ hat eine nützliche Liste mit 6 Dingen 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: Stelle Beispielantworten zur Orientierung bereit.
Rolle/Persona: Erkläre, in welcher Funktion du antwortest.
Format: Bestimme das gewünschte Format des Ergebnisses.
Tonfall: Stelle sicher, dass Stil und Rechtschreibung stimmen.
Hier ist ein praktisches Beispiel für einen solchen Prompt, den du nutzen kannst:
Ich bin Kundenservice-Mitarbeiter in einem Gartencenter und verwalte die Online-Bewertungen. Schreibe basierend auf meinen Angaben Antworten auf Online-Rezensionen. Antworte professionell, aber persönlich und sprich den Kunden mit Namen an. Halte dich kurz. Lass Begrüßungsfloskeln vorab oder Schlussformeln weg, schreibe nur die direkte Antwort. Antworte auf Deutsch. Maximal 60 Wörter pro Antwort.
Bei 1 oder 2 Sternen: Sag niemals, dass der Kunde unrecht hat. Danke für das Feedback. Bei 1 Stern: Lade den Kunden ein, im Center vorbeizukommen und nach dem Manager zu fragen, um das Problem persönlich mit dem Kassenbon zu besprechen. Drücke die Hoffnung aus, dass wir eine gute Lösung finden. Bei 2 Sternen: Danke für das Feedback und betone, dass wir es nutzen, um besser zu werden. Bei 3, 4 oder 5 Sternen: Danke für das Feedback 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 keine Beispiele enthalten sind – dazu gleich mehr. Jetzt testen wir diesen Prompt erst einmal mit echten Kundenbewertungen. Starten wir mit einer einfachen von Gene:
Gute Auswahl an Pflanzen. Keine Hektik, freundliches Personal, hochwertige Pflanzen. Ein bisschen teuer, aber man findet Tomatenpflanzen, die es sonst nirgendwo gibt. Die alten Sorten waren ein echter Glücksgriff.
Und so sieht die generierte Antwort aus:
Vielen Dank für das tolle Feedback, Gene! Es freut uns sehr, dass dir unsere Auswahl an alten Tomatensorten gefällt und du dich bei uns wohlgefühlt hast. Deinen Hinweis zum Preis nehmen wir uns zu Herzen – wir arbeiten stetig an uns. Wir freuen uns schon auf deinen nächsten Besuch!
Die Antwort klingt professionell und trifft genau den richtigen Ton, oder? Richtig spannend wird es aber bei der Reaktion auf unzufriedene Kunden. Schauen wir uns zwei Beispiele an:
Habe vor 10 Tagen die lila Hängeampel zusammen mit der rosa Ampel gekauft, und sie ist fast tot. Beim Umtausch wurde mir gesagt, dass es keine Garantie gibt.
Das war offensichtlich eine 1-Stern-Bewertung von Jane. Die KI antwortet:
Vielen Dank für dein Feedback, Jane. Es tut uns leid, dass du diese Erfahrung machen musstest. Unser Anspruch sind qualitativ hochwertige Pflanzen, und wir nehmen dein Anliegen sehr ernst. Bitte komm mit dem Kassenbon bei uns im Center vorbei und frage nach dem Manager, damit wir gemeinsam eine gute Lösung finden können.
Und eine weitere Beschwerde, diesmal von Adam:
Ich habe im Herbst online Felsenbirnen-Sträucher bestellt und die Bestellung im Frühjahr bestätigt. Als die Pflanzen nicht kamen, rief ich an. Man sagte mir, sie seien nicht geliefert worden. Als ich vorschlug, direkt in der Baumschule anzurufen, hieß es nur „Rufen Sie dort nicht an“. Ich habe es trotzdem getan und erfahren, dass gar keine Bestellung vorlag. Danke für nichts...
Hier die generierte Antwort:
Vielen Dank für dein Feedback, Adam. Wir entschuldigen uns aufrichtig für das Missverständnis bei deiner Bestellung und den Ärger, den du hattest. Bitte komm mit deinem Beleg bei uns vorbei und wende dich an unseren Manager. Wir möchten das gerne persönlich besprechen und die Sache für dich klären.
Wie du siehst, passen die Antworten perfekt zu unseren Vorgaben. Alles, was du tun musst, ist dein Bewertungsprofil im Blick zu behalten, die Rezensionen zu kopieren und die fertigen Antworten ausgeben zu lassen.
In der Praxis wirst du die Entwürfe wahrscheinlich hier und da noch minimal anpassen. Um die Qualität weiter zu steigern, kannst du eine Datei mit deinen eigenen Best-Practice-Antworten bei OpenAI hochladen. So versteht die KI noch besser, wie dein Gartencenter genau klingen soll – hier kommen die vorhin erwähnten Beispiele ins Spiel!
Kundenbeispiele oder ein sogenanntes „Training Set“ sind extrem hilfreich. Erstelle dafür einfach ein Word-Dokument mit typischen Bewertungen und deinen idealen Antworten und lade es in deinem OpenAI-Konto hoch. Danach ergänzt du deinen Prompt einfach um diesen Satz:
Antworte auf die Bewertungen im Stil der bereitgestellten Beispiele, aber hangle dich nicht Wort für Wort an ihnen entlang.
Denn auch KI-Systeme wie ChatGPT nehmen Anweisungen manchmal etwas zu wörtlich, und du möchtest ja nicht, dass jeder Kunde exakt denselben Satz liest.
KI & Bewertungen: Es gibt viel zu lernen
Man kann gar nicht oft genug betonen, wie wichtig es ist, effizient auf Kundenfeedback zu reagieren und daraus zu lernen – schließlich sind es diese Kunden, die in deinem Center einkaufen und den Umsatz sichern! Wie gezeigt, hilft dir ein einfacher Export deiner Bewertungen, Muster und Stimmungen frühzeitig zu erkennen. Mithilfe von KI und Datenanalyse lassen sich Schwachstellen im Handumdrehen aufdecken.
Indem du professionell und persönlich auf Bewertungen antwortest, zeigst du, dass dir die Meinung deiner Kunden wichtig ist. Selbst aus einer unglücklichen Reklamation kann so eine neue Chance werden, den Kunden doch noch glücklich zu machen.
Dieser ganzheitliche Ansatz – Daten sammeln, Trends erkennen, To-Dos ableiten und mit den Kunden im Gespräch bleiben – sorgt dafür, dass dein Gartencenter flexibel bleibt und den Kunden immer in den Mittelpunkt stellt. Clevere KI-Tools wie ChatGPT machen dir diese Arbeit heute leichter denn je!