Intelligente Dienste lassen Chatbots mittels NLP auch sinnverwandte Fragen erkennen und beantworten

Intelligente Dienste: Wie Datenmanagement Kundenerlebnis und Produktqualität verbessert

Intelligentes Datenmanagement erlaubt es, Muster in Daten zu erkennen, zu analysieren und individuellen Nutzen daraus zu ziehen. Das sorgt für mehr Kundenzufriedenheit, mehr Effizienz in den Prozessen, bessere Produkte – und am Ende für zusätzlichen Umsatz.

In Zeiten von Covid-19 sind Onlinehandel und online genutzte Services wichtiger denn je. Erstens für die Kunden, deren Leben mit so wenigen Einschränkungen wie möglich weitergehen soll. Und zweitens für die Anbieter, die Strukuren brauchen, in denen E-Commerce kein Nice-to-have ist, sondern zentrales Element ihrer Geschäftsstrategie.
Mit intelligentem Datenmanagement lassen sich die Erwartungen beider Seiten erfüllen. Und dabei geht es um viel mehr als um die Verwaltung und Weitergabe von Produktinformationen. Es geht darum, seinen Kunden komfortablen und möglichst automatisierten Service zu bieten, den Input anschließend strukturiert für sich zu nutzen – und am Ende dadurch mehr Umsatz zu machen.
Dass dies in vielen Unternehmen bisher noch nicht gelingt, liegt auch an einem antiquierten Umgang mit Feedback. Ruft ein Kunde an oder schreibt er eine Mail, dann bekommt er im besten Fall eine individuelle Antwort – aber mehr passiert sehr häufig mit seiner Eingabe nicht.

Sprachbot erkennt bei der Datenanalyse: Beide Kunden haben dasselbe Anliegen

Kundenanfragen sind aber keineswegs eine lästige Unvermeidlichkeit, sondern ein Goldschatz, den es zu heben gilt – und zwar mithilfe von intelligentem Datenmanagement. Intelligent meint in diesem Zusammenhang zum Beispiel den Einsatz von NLP-Klassifizierung. NLP steht für Natural Language Processing und ermöglicht Sprachbots, unterschiedlich formulierte, aber inhaltlich ähnliche bis gleiche Anfragen als solche zu erkennen und zu verarbeiten. Die Frage des ersten Kunden an den Hersteller von Elektrowerkzeugen und Gartengeräten zum Beispiel könnte lauten: „Brauche ich für unterschiedliche Holzarten verschiedene Sägeblätter?“. Der zweite Kunde formuliert: „Kann ich das vorhandene Sägeblatt für sämtliche Holzarten verwenden?“ NLP-Klassifizierung – also natürliche Sprachverarbeitung – in Kombination mit Datenanalyse erkennt, dass beide Kunden dasselbe Anliegen haben. Wobei es wichtig ist, dass diese Erkenntnis anschließend auch Teil der Enterprise-Daten wird.

Intelligente Technologien verbessern die Produkt- und Prozessqualität

Die intelligente Analyse und Weiterverarbeitung solchen Inputs und die entsprechende Reaktion darauf sorgt nicht nur für maximale Kundenzufriedenheit, sondern sie verbessert auch die Produkte. Um bei dem beschriebenen Beispiel zu bleiben: Der Hersteller könnte die zitierten Fragen zum Anlass nehmen, ein One-fits-all-Sägeblatt für seine Astschere zu entwickeln.

Und neben den Produkten profitieren auch die Prozesse stark von Datenanalysen. Zum Beispiel nutzt ein SAP-Kunde, der Hygieneartikel für Krankenhäuser herstellt, die Bestelldaten seiner Kunden, um zu analysieren, wann welche Produkte in welcher Menge nachgefragt werden – und wann nicht. Mithilfe der daraus gewonnenen Erkenntnisse möchte das Unternehmen seinen CO2-Fußabdruck verkleinern, indem es die Lieferkette optimiert. Schließlich verbraucht ein voller LKW deutlich weniger Diesel als zwei halbvolle.

Datenstrategie hängt von den gewählten Zielen ab

Damit Bestellinformationen und Kundenfeedback anschließend auch dem Produktmanagement und dem Einkauf in nutzbarer Form zur Verfügung stehen , braucht es die passenden Technologien, zum Beispiel SAP HANA Cloud und SAP Data Intelligence in Kombination mit SAP Analytics Cloud.
Solche Lösungen sorgen für die richtige Datenmenge, -granularität und -qualität. Und sie behalten dabei neben den Prozessen und Produkten die Compliance im Blick. Vor allem Datenschutz ist natürlich im Onlinehandel, wo auch Zahlungsinformationen übermittelt werden, von enormer Bedeutung.

Unterm Strich können systematisch analysierte Daten dazu dienen

  • die Kunden zufriedener zu machen,
  • die Prozesskette zu optimieren,
  • fundiertere Entscheidungen zu treffen,
  • neue (digitale) Produkte und Dienstleistungen zu entwickeln, damit
  • das eigene Geschäftsmodell weiterzuentwickeln,
  • und am Ende mehr Umsatz zu machen.

Für kein Unternehmen sind alle diese Ziele gleichbedeutend – und für keines alle gleichzeitig erreichbar. Die gewählte Datenstrategie und die Datenarchitektur sollten sich an der Priorisierung dieser Ziele orientieren. Was in jedem Fall gilt: Wer seine „Datenschätze“ hebt, hat zufriedenere Kunden, bessere Prozesse – und macht am Ende mehr Umsatz.

#GIVEDATAPURPOSE