Erkennen von Hindernissen in Disneyland Paris Customer JourneyArtikel

Die Vorteile für Unternehmen

In den letzten zehn Jahren habe ich mich auf die Suche nach konkreten Geschäftsvorteilen gemacht. Ich stelle mir eine Zukunft vor, in der ein einfacher Knopfdruck eine fortschrittliche Technologie aktiviert, die mühelos die Empfindungen und die damit verbundenen Themen erfassen kann. Ein kürzlich geführtes Gespräch mit meinen Kollegen von SANDSIV fügte dieser Vision eine neue Dimension hinzu: Was wäre, wenn dieser nahtlose Prozess auch den genauen Berührungspunkt in der Customer Journey ermitteln könnte, auf den sich der Kunde bezieht? Faszinierend, nicht wahr?

Aber warum sollte man dort aufhören? Ich dachte: Was wäre, wenn dieses intelligente System automatisch eine Liste von Vor- und Nachteilen formulieren, die zehn wichtigsten Initiativen zur Verbesserung der Kundenerfahrung herausfiltern und dann die fünf wirkungsvollsten Projekte für die Umsetzung in die engere Wahl nehmen könnte- unter Berücksichtigung der Möglichkeiten des Unternehmens, diese umzusetzen? Das Ergebnis wäre ein dynamisches Dashboard, das Geschichten erzählt – ein magisches Werkzeug für Erkenntnisse.

Die Vorteile dieses Ansatzes für das Unternehmen sind offensichtlich:

1. Schnelle Markteinführung: Stellen Sie sich vor, dass ein komplexer Analyseprozess, für den Datenwissenschaftler früher Wochen brauchten, jetzt nur noch wenige Minuten in Anspruch nimmt.
2. Vereinfachtes Modelltraining: Mit dem Einsatz von Large Language Models (LLMs) können wir uns von der Notwendigkeit großer Datenmengen verabschieden. Alles war benötigt wird, ist eine schrittweise Annäherung an  die aspektbasierte Sentimentanalyse (ABSA) und die Identifizierung der Customer Journey. 
3. Geringere Abhängigkeit von vorgegebenen Daten: Mit nur 20-30 Beispielen zur Veranschaulichung des Konzepts kann ein LLM von da an alles übernehmen.
4. Automatisierte Berichterstattung über neue Initiativen: Die KI würde einen umfassenden Bericht erstellen, der die Initiativen zum Management der Kundenerfahrung (CX) beschreibt.
5. Unterstützung der CX-Manager: Durch die Zeitersparnis bei der Analyse können sich CX-Manager auf das konzentrieren, was wirklich wichtig ist – die Verbesserung der Kundenerfahrung.
   

Klingt wie Science-Fiction, nicht wahr? Ich versichere Ihnen, das ist es nicht. In den letzten sechs Wochen habe ich mich ausschließlich darauf konzentriert, diese Vision Wirklichkeit werden zu lassen. Die Zukunft der CX-Analytik ist da, und sie ist unglaublich spannend!

Also, auf zu einer spannenden Fahrt. Wie man so schön sagt: “Schnallen Sie sich an, das ist Vorschrift”, aber in diesem Fall geht es auch um die aufregende Reise zu den Einblicken in die Kundenerfahrung.

Die drei wichtigsten Bestandteile

Sind Sie bereit, die Welt der Analyse von Customer Experience zu revolutionieren? Ich habe drei Geheimzutaten für Sie:

• Aspekt-basierte Stimmungsanalyse (ABSA)

• Sofortige Erkennung der Customer Journey
• Ein zuverlässiges Large Language Model, vorzugsweise OpenAI GPT-3.5-TURBO.
  

Stellen Sie sich vor, diese drei leistungsstarken Elemente innerhalb der sandsiv+ Plattform zu kombinieren. Das ist genau das, was ich getan habe, und es hat zu einer grundlegenden Veränderung in der Customer Experience (CX) beigetragen.

Lassen Sie uns diese Elemente näher betrachten und erläutern.

Aspekt-basierte Stimmungsanalyse (ABSA)

ABSA ist eine etwas subtilere Form der Stimmungsanalyse. Dabei geht es nicht nur darum, positive, negative oder neutrale Stimmungen zu erkennen. Vielmehr 

geht es darum, Stimmungen zu bestimmten Aspekten eines Produkts oder einer Dienstleistung zu ermitteln. So kann ein Kunde zum Beispiel die Fahrgeschäfte in Disneyland Paris lieben (positives Sentiment), aber die langen Warteschlangen nicht mögen (negatives Sentiment). ABSA ermöglicht es uns, diese Feinheiten zu verstehen und liefert mehr umsetzbare Einblicke für konkrete Verbesserungen.

Cross-Referencing ABSA mit Customer Journey Touchpoints:

Sobald wir ABSA verwendet haben, um die Empfindungen zu verschiedenen Aspekten des Erlebnisses zu analysieren, können wir diese Stimmungen den verschiedenen Berührungspunkten in der Customer Journey zuordnen. Dieser Prozess ermöglicht es uns, genau zu verstehen, an welcher Stelle der Customer Journey der Kunde eine positive oder negative Erfahrung gemacht 

hat. Wenn negative Gefühle beispielsweise mit langen Warteschlangen in Verbindung gebracht werden, können wir dies mit den Berührungspunkten “Eintritt” oder “Zugang zu den Fahrgeschäften” verbinden. Diese detaillierten Einblicke ermöglichen gezielte Verbesserungen in bestimmten Phasen der Customer Journey.

Verwendung eines Large Language Model – GPT-3.5-TURBO:

Sprachmodelle wie GPT-3.5-TURBO helfen bei der Verarbeitung großer Mengen von Textdaten. Sie sind in der Lage, den Kontext und die Stimmung zu verstehen und können menschenähnlichen Text erzeugen.

Für unsere Zwecke könnten wir das Modell mit Kundenrezensionen versehen und es bitten, gefühlsgeladene Schlüsselsätze zu identifizieren. Zum Beispiel mit Aufforderungen wie:

• “Nennen Sie die fünf wichtigsten Punkte, die in den Bewertungen erwähnt werden.”
• “Fassen Sie die wichtigsten positiven Punkte zusammen, die von den Kunden hervorgehoben wurden”.

Solche Aufforderungen können uns dabei helfen, schnell nützliche Informationen aus den Daten zu gewinnen, und uns sogar dabei helfen, bessere Strategien für die Kundenerfahrung zu entwickeln. Trotz seiner Effektivität ist GPT-3.5-TURBO kosteneffizient und damit eine gute Wahl für diesen speziellen Fall.

Die Geheimzutat

Der wichtigste Faktor für die Umsetzung der 3 oben genannten Elemente ist ein Open-Source-Projekt von Harrison Chase, das von Sequoia Capital und Benchmark unterstützt wird. Der Name des neuen Python-Neulings in der Branche ist LangChain. Was ist LangChain?

LangChain ist ein Werkzeug, das es Entwicklern erleichtert, Anwendungen zu erstellen, die große Sprachmodelle verwenden. Diese Anwendungen können von Chatbots über Tools zur Dokumentenanalyse und Zusammenfassung bis hin zu Code-Analyse-Anwendungen reichen.

Ok, können Sie das bitte in einer weniger technischen Sprache erklären? Stellen Sie sich vor, Sie sind ein Chefkoch in einer Küche. Sie haben eine Reihe von Zutaten zur Verfügung und möchten eine Vielzahl von Gerichten zubereiten. Jedes Gericht einzeln von Grund auf zuzubereiten, kann jedoch zeitaufwändig und kompliziert sein.

Hier kommt Ihr Rezeptbuch ins Spiel. Dieses Rezeptbuch ist kein gewöhnliches Buch, sondern ein besonderes Buch, das nicht nur Rezepte enthält, sondern auch magische Fähigkeiten hat. Es kann dir helfen, die Zutaten auf die effizienteste Weise zu kombinieren, dich durch den Kochprozess führen und sogar einige Schritte für dich ausführen. Dieses magische Rezeptbuch ist wie der sogenannte LangChain-Rahmen. Die Gerichte, die Sie zubereiten, sind wie die Anwendungen oder die Software. Die Zutaten sind die verschiedenen Komponenten oder Daten, die Sie benötigen, um diese Anwendungen zu erstellen.

Stellen Sie sich nun vor, dass einige der Gerichte, die Sie zubereiten wollen, eine besondere Zutat benötigen: ein Gewürz namens “Sprachmodell”. Dieses Gewürz hat die einzigartige Fähigkeit, menschenähnlichen Text zu verstehen und zu erzeugen.

Das magische Rezeptbuch (LangChain) ist besonders gut im Umgang mit diesem besonderen Gewürz (Large Language Models). Es macht es viel einfacher für Sie Gerichte (Anwendungen) zu kreieren, die den besonderen Geschmack und die speziellen Fähigkeiten des Gewürzes “Sprachmodell” haben.

Zusammengefasst ist LangChain also wie ein magisches Rezeptbuch, das Köchen (Entwicklern) dabei hilft, eine Vielzahl von Gerichten (Anwendungen) effizienter zu gestalten, insbesondere jene Gerichte, die das spezielle Gewürz “Sprachmodell” benötigen.

Voraussichtlichen Ergebnisse

Um auf dem hart umkämpften Markt von heute einen außergewöhnlichen Kundenservice bieten zu können, müssen wir in der Lage sein, aufschlussreiche Daten zu sammeln, zu interpretieren und entsprechend zu handeln. Dieser revolutionäre Ansatz ermöglicht es uns, unsere Kunden besser zu verstehen und unsere Dienstleistungen auf ihre Bedürfnisse und Wünsche abzustimmen.

Vor diesem Hintergrund liegt unser Hauptaugenmerk darauf, einen robusten Mechanismus zu entwickeln, der wichtige Themen genau kategorisiert und die damit verbundenen Stimmungen misst.

Dieses umfassende Ranking ermöglicht es uns, die Hauptanliegen unserer Kunden genau zu bestimmen und diese Probleme umgehend anzugehen.

Darüber hinaus stellen wir eine eindeutige Verbindung zum jeweiligen Berührungspunkt der Customer Journey her. Diese Strategie gibt uns ein genaues Verständnis für das Kundenverhalten und die Interaktion mit unserer Marke. Sie bietet Einblicke in die einzelnen Phasen der Customer Journey, die für ein besseres Gesamterlebnis optimiert werden können.

Ein spannender Teil unserer Datenuntersuchung ist die multidimensionale Analyse dieser Informationen. Indem wir unsere Daten über verschiedene Aspekte wie Zeit, Ort und verschiedene Stadien der Customer Journey aufteilen, erhalten wir ein umfassenderes Bild der Erfahrungen unserer Kunden. Durch diese eingehende Analyse können wir besser auf die Bedürfnisse unserer Kunden eingehen und ihr Gesamterlebnis mit uns verbessern. Unser Ziel ist es, diese Erkenntnisse zu nutzen, um einen dynamischen, reaktionsschnellen und kundenzentrierten Ansatz zu entwickeln. Wir setzen eine innovative Kombination von Technologien ein, um die Stimmungen und Bedürfnisse unserer Kunden besser zu verstehen. Im Mittelpunkt dieses Ansatzes steht die Verwendung der GPT-4-API von OpenAI, die mit sandsiv+, Elastic Stack und LongChain integriert ist.

Die API von OpenAI, die für ihr fortschrittliches Verständnis natürlicher Sprache bekannt ist, bietet ein leistungsstarkes Tool für die genaue Durchführung aspektbasierter Stimmungsanalysen. Durch die Analyse und Interpretation der Feinheiten der Textdaten, die wir aus Kundeninteraktionen sammeln, hilft uns die API, den emotionalen Kontext der verschiedenen vom Kunden ausgedrückten Themen zu verstehen.

Diese Fähigkeit, Themen auf der Grundlage von Stimmungen zu kategorisieren, gibt uns einen tieferen Einblick in die wahren Gefühle unserer Kunden über ihre Erfahrungen mit uns.

In Kombination mit sandsiv+ können wir diese Stimmungsdaten nutzen und sie mit bestimmten Berührungspunkten in der Customer Journey verknüpfen. sandsiv+ ermöglicht es uns, Kundenfeedback in Echtzeit zu sammeln, zu analysieren und zu verwalten, wodurch wir in der Lage sind, umgehend auf Probleme zu reagieren und diese anzugehen. Es bietet auch ein fortschrittliches Customer Journey Mapping, das uns in Kombination mit der Stimmungsanalyse der OpenAI API hilft, Probleme und verbesserungswürdige Bereiche innerhalb der Interaktion des Kunden mit unseren Dienstleistungen klar zu identifizieren.

Das letzte Teil des Puzzles ist die Integration mit Long Chain, einer Lösung, die eine effiziente Datenorganisation und multidimensionale Analyse ermöglicht. Mit Long Chain können wir die Stimmungs- und Journey-Daten nach verschiedenen Parametern wie Zeit, Region oder Phasen der Customer Journey analysieren. Dieser umfassende und flexible Ansatz für die Datenanalyse ermöglicht es uns, ein umfassenderes Bild von den Erfahrungen unserer Kunden zu erhalten und hilft uns bei der Entscheidungsfindung zur Verbesserung unserer Dienstleistungen.

Angesichts dessen besteht unser Hauptziel darin, einen stabilen Mechanismus zu entwickeln, der diese Technologien nahtlos integriert, um wichtige Themen präzise zu kategorisieren und die damit verbundenen Stimmungen zu messen. Wir glauben, dass wir durch die Nutzung der Leistungsfähigkeit von OpenAI API, sandsiv+ und LongChain in der Lage sein werden, unsere Kunden besser zu verstehen, ihre Customer Journey zu verbessern und letztendlich ein besseres Kundenerlebnis zu bieten.

Aspektbasierte Stimmungsanalyse

Wie bereits erwähnt, geht es bei ABSA nicht nur darum, positive, negative oder neutrale Stimmungen zu erkennen. Vielmehr geht es darum, Stimmungen zu bestimmten Aspekten eines Produkts oder einer Dienstleistung zu ermitteln. Betrachten wir kurz, wie es funktioniert, indem wir ein LLM kombinieren. In unserem Fall OpenAI GPT-3.5-Turbo.

Abbildung 1 – Der Testsatz

Der Satz, den wir untersuchen wollen, lautet: “Ich bin gerade im Park angekommen.” Das Hotel ist gut und sauber. Es gibt lange Schlangen vor den Attraktionen.” Hier ist das Ergebnis:

Abbildung 2 – Die JSON-Ausgabe des von OpernAI GPT-3.5-turbo bereitgestellten Testsatzes

Wie Sie lesen können, ist das Ergebnis durchaus beeindruckend. Das Modell identifiziert sofort die Punkte, die mit den Themen verbundenen  Stimmungen und das jeweilige Segment (Teil des Satzes, der mit dem Thema und der Stimmung zusammenhängt).

Das Customer Journey Mapping

Ein wesentlicher Bestandteil unseres strategischen Ansatzes ist die Verknüpfung der Ergebnisse der aspektbasierten Stimmungsanalyse (ABSA) mit unserem Customer Journey Mapping. Diese Integration wird ein tieferes Verständnis der Kundenstimmungen an jedem Berührungspunkt ihrer Customer Journey.

Betrachten wir genauer, wie das funktioniert. Mithilfe der OpenAI-API analysieren wir das Kundenfeedback, um bestimmte Themen und die damit verbundenen Stimmungen zu erfassen. Anschließend gleichen wir diese ABSA-Ergebnisse mit den Phasen der Customer Journey ab. Jedes Kundenfeedback wird klassifiziert und der entsprechenden Phase in der Customer Journey zugeordnet, so dass wir die Stimmung und die wichtigsten Anliegen im Kontext der Interaktion des Kunden mit uns verstehen können.

Aber wie gehen wir vor, wenn wir keine Customer Journey, z. B. für Disneyland Paris, erstellt haben? Hier kommt das enorme Potenzial von OpenAI GPT-3.5-TURBO ins Spiel.

Mithilfe des leistungsstarken Sprachmodells von OpenAI GPT-3.5-TURBO können wir eine Customer Journey Map für Disneyland Paris erstellen. Die KI berücksichtigt verschiedene mögliche Berührungspunkte, von der anfänglichen Planung und Buchung über die Ankunft im Park, den Besuch der Attraktionen und die Interaktion mit dem Personal bis hin zu den Erfahrungen nach dem Besuch. Dabei werden die möglichen Interaktionen, Erwartungen und Emotionen in jeder Phase berücksichtigt.

Diese von der KI erstellte Journey Map wird uns in Kombination mit den ABSA-Ergebnissen einen ganzheitlichen Überblick über die Erfahrungen unserer Kunden geben. Wir können die Phasen identifizieren, in denen die Stimmung besonders positiv oder negativ ist, und verstehen, welche Faktoren zu diesen Stimmungen beitragen. Infolgedessen können wir Strategien entwickeln, um die positiven Elemente zu verstärken und die negativen zu korrigieren und so das Gesamterlebnis der Kunden in Disneyland Paris zu verbessern.

Die Kombination von OpenAI GPT-3.5-TURBO, ABSA und Customer Journey Mapping versetzt uns in die Lage, überragende, maßgeschneiderte Erlebnisse zu liefern, die bei unseren Kunden wirklich ankommen. Lassen Sie uns diesen innovativen Ansatz nutzen, um die Reise eines jeden Kunden unvergesslich zu machen!

Abbildung 3 – Das Customer Journey Mapping von GPT-3.5.-TURBO (Bild des Autors)

Wenn wir die obige Anzeige als Beispiel für unsere Eingabeaufforderung verwenden, können wir eine bestimmte Eingabeaufforderung für die Few Shots-Ketten erstellen, um die einzelnen Segmente zu analysieren und den jeweiligen Berührungspunkt zu verstehen. Hier ist ein Testergebnis: 

Abbildung 4 – CJM Touchpoint, der automatisch dem ABSA-Segment zugewiesen wurde (Bild des Autors)

Das Dashboard zum Geschichten erzählen

Die Zukunft von Business Intelligence und Analytik besteht nicht nur in optisch ansprechenden Grafiken und Diagrammen, sondern in einem interaktiven, ansprechenden Dialog mit Daten. Um unsere Analysefähigkeiten zu verbessern, schlagen wir den Einsatz eines konversationellen, KI-gestützten Dashboards vor, das die menschliche Sprache versteht und mit ihr kommuniziert.

Dieses neuartige Dashboard wird als dynamische Schnittstelle dienen, die über die herkömmlichen statischen Anzeigen hinausgeht. Mithilfe fortschrittlicher Funktionen zur Verarbeitung natürlicher Sprache werden Daten nicht nur visualisiert, sondern auch auf eine verständliche, menschenähnliche Weise interpretiert. Dies erleichtert ein tieferes Verständnis der gewonnenen Erkenntnisse und macht sie für alle Beteiligten in Ihrem Unternehmen zugänglicher und nützlicher.

Eines der wichtigsten Merkmale dieses intelligenten Dashboards ist seine Fähigkeit, auf der Grundlage der analysierten Daten eine Liste von Vor- und Nachteilen zu formulieren und zu präsentieren. So kann die Analyse des Kundenfeedbacks beispielsweise die Vor- und Nachteile eines bestimmten Bereichs des Parks oder eines Kundenkontaktpunkts im Disneyland Paris aufzeigen.

Darüber hinaus generiert unser innovatives Dashboard eine Liste von Empfehlungen für Projekte zur Steigerung der Kundenzufriedenheit. Anhand der ABSA-Ergebnisse in Verbindung mit dem Customer Journey Mapping werden Initiativen vorgeschlagen, mit denen die festgestellten Probleme behoben und die positiven Aspekte des Kundenerlebnisses verstärkt werden können.

Das Dashboard hilft bei der Priorisierung dieser Aktivitäten, indem es sie nach den Kriterien Wirkung und Aufwand einstuft. Die Bewertung des potenziellen Nutzens eines jeden Projekts im Vergleich zu den erforderlichen Ressourcen hilft dabei, fundierte Entscheidungen darüber zu treffen, welche Maßnahmen zuerst verfolgt werden sollen.

Abbildung 5 – Das Modell erstellt automatisch eine Rangliste der 10 besten Verbesserungen zur Verbesserung der Kundenerfahrung (Bild des Autors)

Stellen Sie sich ein Dashboard vor, das Ihnen nicht nur Diagramme anzeigt, sondern auch Erklärungen und Empfehlungen in einfacher Sprache liefert, die Ihnen ein besseres Verständnis der Daten ermöglichen und Sie in die Lage versetzen, bessere Entscheidungen zu treffen. Das ist es, was wir mit unserem KI-gesteuerten, dialogorientierten Analyse-Dashboard erreichen wollen. Es geht darum, Daten mit Hilfe von KI und einem menschenähnlichen Dialog in umsetzbare Ergebnisse zu verwandeln.

Schlussfolgerungen

Während unserer Recherche habe ich die Integration von Spitzentechnologien wie OpenAIs GPT-4 API, sandsiv+, LangChain und ABSA in Verbindung mit KI-gestütztem Customer Journey Mapping diskutiert. Dieser innovative Ansatz ebnet den Weg für ein umfassendes Verständnis der Erfahrungen unserer Kunden. Er hilft bei der Identifizierung wichtiger Problempunkte, der Aufdeckung von Verbesserungsmöglichkeiten und schließlich zur Optimierung des gesamten Kundenerlebnisses.

Das nächste Projekt, auf das ich mich besonders freue, ist die Entwicklung eines konversationellen, KI-gestützten Dashboards. Dies verspricht einen großen Sprung im Umgang mit unseren Daten und deren Interpretation. Indem ich komplexe Datensätze in zugängliche, aussagekräftige Dialoge und umsetzbare Ergebnisse übersetze, verbessere ich nicht nur unser Verständnis der Customer Journey, sondern erleichtere auch eine fundierte, datengestützte Entscheidungsfindung in unserem Unternehmen.

Fortsetzung folgt

Wie geht es nun weiter auf unserer Reise? Ich freue mich, ankündigen zu können, dass mein nächster Artikel die Funktionsweise des vorgeschlagenen Conversational Dashboard näher beleuchten wird. Ich werde seine einzigartigen Funktionen erkunden, sein Potenzial zur Verbesserung unserer Analysefähigkeiten aufzeigen und Ihnen zeigen, wie es die Art und Weise, wie wir unsere Daten verstehen und nutzen, revolutionieren kann.

Bleiben Sie dran für meinen nächsten Artikel, in dem ich dieses spannende Tool vorstelle und zeige, wie es die Datenanalyse interaktiver, aufschlussreicher und umsetzbarer macht als je zuvor. Freuen wir uns auf eine Zukunft, in der unsere Dashboards uns nicht nur Daten zeigen, sondern auch mit uns sprechen und uns zu intelligenteren, wirkungsvolleren Entscheidungen anleiten.

Abbildung 6 -ABSA-CJM-Dashboards in sandsiv+