Bessere Entscheidungen durch Real-time Analytics

Als Leiter eines Kundensupport-Centers fragen Sie sich bestimmt manchmal, wie viele Kundengespräche pro Woche scheitern, weil Ihre Mitarbeiter die Stimmung des Kunden nicht richtig einschätzen können oder seine Customer Journey nicht verstehen. Kunden wollen nicht das Gefühl haben, für ein Unternehmen nur eine Einnahmequelle zu sein. Im Zeitalter der Hyperpersonalisierung erwarten sie, dass sie individuell betreut werden und dass Supportmitarbeiter ihre Historie, ihre Präferenzen und ihre Absicht kennen – mit anderen Worten, über den kompletten Kontext verfügen.

So geht es allen. In der heutigen Geschäftsumgebung, die von Unsicherheit geprägt ist, müssen Unternehmen so agil und flexibel sein wie nie, um genau die maßgeschneiderten CRM-Erlebnisse zu bieten, die Kunden erwarten. Dass es eine Herausforderung war, mit sich laufend ändernden Kundenerwartungen Schritt zu halten, ist spätestens dann klar, wenn man sieht, dass rund die Hälfte der Kunden nach nur einer schlechten Kundenservice-Erfahrung zur Konkurrenz wechseln. Bei mehr als einer schlechten Erfahrung schnellt diese Zahl sogar auf 80 %. Die globale Unsicherheit aufgrund von COVID-19 hat dies zusätzlich verschärft.

Muster und Trends erkennen, Verhaltensweisen verstehen

Kein Wunder, dass CRM-Manager auf aktuelle und historische Daten als objektive Grundlage zurückgreifen, um den Erfolg ihrer Bemühungen zu messen und Muster, Trends und Verhaltensweisen zu identifizieren. Sie wollen objektiv verstehen, welche Bereiche verbesserungsbedürftig sind. Integrierte Analysticsfunktionen machen CRM-Systeme schlicht intelligenter, wenn es darum geht, Kunden zu verstehen. So können Manager datengestützte Entscheidungen treffen, und zwar unabhängig von der Unternehmensgröße oder Branche. Channel-übergreifende Analysen bieten eine einheitliche Kundenansicht, damit Kundenserviceteams den Customer Journey und die Channel-Präferenzen ihrer Kunden verstehen und relevante Account-Daten zur Hand haben. Gewappnet mit diesen Einsichten können sie dann eine maßgeschneiderte Customer Experience bieten.

Im Kundenservice sind solche Metriken in der Regel die allgemeine Kundenzufriedenheit (CSAT) sowie der Net Promoter Score™ (NPS™). Weitere Faktoren sind die Zeit bis zur ersten Antwort (wie lange es dauert, bis ein Endbenutzer eine Antwort von einem Agenten erhält), die Zeit bis zur vollständigen Lösung (wie lange es dauert, bis ein Ticket ganz gelöst ist) und der Anteil von One-Touch-Tickets (Tickets, die in einer einzigen Interaktion gelöst werden).

Echtzeit-Einsichten in die Praxis umsetzen

Die Kehrseite der Analyse von Metriken im Anschluss an die eigentliche Kundeninteraktion ist, dass der Zug bereits abgefahren ist: Zu diesem Zeitpunkt ist es einfach zu spät, in problematische Gespräche einzugreifen. Hier kommen prädiktive und Real-time Analytics ins Spiel. Dank neuester Fortschritte im Bereich der künstlichen Intelligenz können moderne CRM-Systeme jetzt Daten nutzen, um die Kundenzufriedenheit auf ein völlig neues Niveau zu heben und langfristige Beziehungen zu fördern.

Prädiktive Analytics zieht Muster in historischen und Transaktionsdaten heran, um vorherzusagen, was in der Zukunft passieren wird. Anhand der vorgeschlagenen Optimierungsmaßnahmen können Ihre Mitarbeiter Kunden helfen, noch während sie mit ihnen im Gespräch sind. In der Praxis ist das beispielsweise ein Live-Feed aller relevanten Informationen in einem Dashboard oder Live-Informationen für Supportmitarbeiter, damit diese ihre Zeit optimal nutzen können.

Dank Real-time Analytics sehen Sie, wie eine Konversation läuft – noch während Sie mit dem Kunden im Kontakt sind. Wenn Ihre Supportmitarbeiter zu Beginn einer Konversation den gesamten Kontext haben, verstehen sie den Kunden viel besser, und da der Prognosewert in Echtzeit aktualisiert wird, erhalten sie sofortiges Feedback zu ihren Aktionen. So können sie bestimmen, was zu tun ist, um ein positives Ergebnis sicherzustellen und das Risiko eines Misserfolgs zu verringern. Dieser Ansatz wirkt sich positiv auf höhere Kundenbindung, einen besseren Customer Lifetime Value (CLV) aus und zudem auch auf die Möglichkeit, Konversionsraten zu verbessern und Upselling-Chancen zu identifizieren.

Intern können Analytics dazu beitragen, Prozesse und den Customer Journey zu optimieren. Die Visualisierung von Anrufspitzen ermöglicht es den Leitern von Support-Centern, die Ticketverteilung auf Grundlage einer Zufriedenheitsprognose zu beeinflussen und „risikoreiche“ Interaktionen an erfahrenere Kollegen oder Mitarbeiter mit speziellem Fachwissen weiterzuleiten. Sie können dann eingreifen, um dem Kunden eine bessere Erfahrung zu bieten und den Kundensupport effizienter zu gestalten. Mit einem umfassenderen Verständnis des Kundenverhaltens können Supportteams Probleme schneller und besser lösen. Und durch Priorisierung von Tickets mit einem niedrigen Zufriedenheitsprognosewert lässt sich dafür sorgen, dass manche Kundenanliegen gar nicht erst zu einem Problem werden.

Auch für den Kunden zahlt sich das aus: Er erhält eine personalisierte Lösung, die seine Beziehung zur Marke ganzheitlich berücksichtigt.

All das ist für wirklich erfolgreiche Unternehmen aber erst der Anfang. Für sie ist ein datengestützter Ansatz selbstverständlich und sie machen sich die gewonnenen Erkenntnisse auch über das Support-Center hinaus systematisch zunutze. Anhand von Kundenfeedback nehmen sie konkrete, datengestützte Verbesserungen an Produktfunktionen oder an Serviceangebot vor. Wenn Sie Ihre Daten intern allen Personen zur Verfügung stellen, die sie brauchen, fördern Sie die Zusammenarbeit im gesamten Unternehmen.

Weil Sie damit Ihre Kunden besser verstehen, können Sie aus jeder Investition, die Sie tätigen, den größten Nutzen ziehen. Außerdem können Sie damit die Zuverlässigkeit Ihrer Rentabilitätsanalyse erhöhen und besser entscheiden, welche Projekte und Innovationen wirklich lohnenswert sind. Dadurch kann Ihr Unternehmen einen größeren Teil seiner Marketing- und Vertriebsbemühungen auf die wertschöpfenden Segmente konzentrieren, was letztendlich den ROI langfristig erhöht.

Der Übergang zu Real-time Analytics ist daher für eine moderne Supportstrategie von entscheidender Bedeutung, um aus einem CRM-System maximalen Wert zu bekommen. Und die Entwicklungen auf diesem Gebiet werden sich ungebremst fortsetzen. Auch wenn zum Beispiel die Real-time-Sprachanalyse im Moment noch in den Kinderschuhen steckt, entwickelt sie sich rasant weiter und wird bereits heute von agilen Unternehmen in Omnichannel-Strategien integriert.