Mit KI zu einer effizienten Kundenkommunikation

Die Analyse des Kundenkommunikationsportfolios stellt eine sinnvolle Anwendung von KI-Algorithmen mit direktem geschäftlichem Mehrwert und Nutzen in der Kundenkommunikation dar. Im Folgenden erläutern wir Ihnen erste Anknüpfungspunkte für den Einsatz von KI in der Kundenkommunikation.

Ausgangslage: Fehlende Onlinedurchdringung und Rückkopplung in der Kundenkommunikation

Die Interaktion mit Kunden läuft in vielen Banken und Versicherungen oftmals noch in Papierform ab. Die Gründe dafür sind dabei recht unterschiedlich und reichen von fehlender Onlinedurchdringung über regulatorische Erfordernisse bis hin zu explizitem Kundenwunsch.

Gleichzeitig liegen die Nachteile einer papieren Kommunikation über den Postweg auf der Hand: hohe Druck- und Portokosten verbunden mit manuellen Aufwänden in der Erstellung, Pflege und Weiterentwicklung des Kommunikationsportfolios. Daneben stellt die Kommunikation per Anschreiben häufig eine Einbahnstraße dar, ohne Rückkopplung und Ausschöpfung eines Multikanalangebots. Doch selbst über digitale Kanäle wirkt Kundenkommunikation aus Sicht der Kunden häufig noch redundant, unkonkret und missverständlich.

Unsere Projekterfahrung zeigt aber auch: Bevor über eine moderne, am Kundenlebenszyklus ausgerichtete Kommunikation mit kundenindividuellen Inhalten über alle verfügbaren Kanäle nachgedacht werden kann, braucht es zunächst einmal Transparenz über das Ist-Portfolio der unterschiedlichen Anschreiben. Führt man sich vor Augen, dass diese Portfolios häufig über viele Jahre gewachsen sind und in der Praxis schnell über 1.000 verschiedene Kundenanschreiben umfassen, wird deutlich, welche Herausforderung in der Kundenkommunikation auf die verantwortlichen Abteilungen zukommt – von diversen Quellsystemen und neuen regulatorischen Anforderungen ganz zu schweigen.

NLP und KI als Lösungsansätze in der Kundenansprache

Vor diesem Hintergrund bieten sich KI-Algorithmen in der Kundenkommunikation an, um ressourcenschonend einen ersten „Griff“ an die vielen Dokumente zu bekommen. Natural Language Processing (NLP) kann helfen, einen schnellen Überblick über das heutige Portfolio an Kundenanschreiben zu erhalten und Auffälligkeiten aufzudecken.

Durch die KI-basierten Analysen lassen sich konkrete Ansatzpunkte im Portfolio identifizieren: Wo gibt es inhaltliche Überschneidungen? Wo bestehen womöglich Redundanzen? Wie komplex und verständlich sind die einzelnen Anschreiben? Wie lassen sich die unterschiedlichen Anschreiben inhaltlich clustern?

Auswahl möglicher Analysen in "Mit KI zu einer effizienten Kundenkommunikation"Abbildung 1: Auswahl möglicher Analysen

Grundsätzlich sind verschiedene Analysen der Kundenkommunikation mit unterschiedlichen Schwerpunkten zur ganzheitlichen Betrachtung des Ist-Portfolios denkbar. Eine mögliche Auswahl erfolgt dabei individuell und je nach Zielsetzung.

In Abbildung 1 können beispielhafte Ansatzpunkte entnommen werden mit dem Ziel der Reduktion von Varianten oder der Zusammenführung sich überschneidender Schreiben, der Auflösung von Redundanzen, der Reduktion von Satzlänge und der Vermeidung von Schachtelsätzen. Aber auch die Reduktion von Wortlänge und Komplexität sowie die Aufnahme weiterführender Hinweise kann analysiert werden.

Des Weiteren kann die Überprüfung der regulatorischen Erfordernis durch den Einsatz von Algorithmen durchgeführt werden. Die Verwendung von unnötigen Fachbegriffen und negativen Formulierungen in der Kundenkommunikation kann genauso untersucht und optimiert werden wie die grundsätzliche Optimierung hinsichtlich der Ansprache für den jeweiligen Zielkanal, z. B. für Post oder E-Mail.

Künstliche Intelligenz trifft auf Mensch / Abstraktes Bild zum zeb KI Quiz
Künstliche Intelligenz spielerisch erleben – das zeb-Quiz zu KI
Testen Sie jetzt Ihr Wissen zu KI!
Weiterlesen »

In unseren Projekten empfehlen wir eine „sprinthafte“ Herangehensweise mit wöchentlichen Review-Zyklen, um möglichst schnell zu verwertbaren Erkenntnissen zu kommen. Dabei unterscheiden wir grundsätzlich zwischen zwei aufeinanderfolgenden Phasen, wie Abbildung 2 zeigt.

Als Grundlage für die anschließenden Analysen werden die zu betrachtenden Dokumente zunächst zerlegt, vereinfacht oder, sofern erforderlich, mithilfe von OCR ausgelesen. In der Explorationsphase werden dann die in Abbildung 1 aufgeführten Analysen auf das bestehende Portfolio angewendet und erste Erkenntnisse zur Kundenkommunikation abgeleitet.

In der anschließenden Konkretisierungsphase werden die ersten Erkenntnisse vertieft und erhärtet. Warum werden beispielsweise ähnliche Sachverhalte in verschiedenen Anschreiben unterschiedlich formuliert? Folgen die Anschreiben aus Kundensicht immer einer gleichen Logik und bauen inhaltlich aufeinander auf? Welche Gesprächsanlässe lassen sich sinnvoll mit weiterführenden Themen verknüpfen und welche Vertriebsansätze generieren? Mithilfe dieser und weiterer Fragestellungen können konkrete Maßnahmen in der Kundenkommunikation abgeleitet und verdeutlicht werden. Der gesamte Prozess ist durch einen engen Austausch mit dem jeweiligen Fachbereich gekennzeichnet.

Wie lange jede einzelne Phase dauert, ist unter anderem von Umfang und Komplexität der Dokumente abhängig. Erfahrungsgemäß können bereits mit 1–2 Wochen je Phase brauchbare Ergebnisse erzielt werden.

Ein iteratives Sprintvorgehen in "Mit KI zu einer effizienten Kundenkommunikation"Abbildung 2: Ein iteratives Sprintvorgehen, bei dem die Anzahl der Sprints abhängig vom Umfang des Portfolios und von den angestrebten Analysen ist

KI-Algorithmen für die Kommunikationsanalyse

Der Einsatz von KI-Algorithmen zur Analyse des Kundenkommunikationsportfolios wirkt sich im Wesentlichen auf zwei Dimensionen aus: Zum einen lassen sich Effizienz- und Kostenpotenziale durch die Optimierung des Portfolios realisieren. Hier sei beispielsweise auf die Reduktion von Druck- und Portokosten oder die Vermeidung von manuellen Aufwänden im Rahmen der Redaktion und Administration der Schreiben in der Kundenkommunikation hingewiesen. Unsere Projekterfahrung zeigt, dass bis zu 25 % des bestehenden Portfolios aufgrund von Redundanzen wegfallen können.

Zum anderen wirkt sich jede Anpassung am Kommunikationsportfolio direkt auf die Kundenschnittstelle aus und hat somit vertriebliche Relevanz. Eine einheitliche Ansprache und eine Verbesserung der Verständlichkeit zahlen positiv auf das Kundenerlebnis ein.

In einem zweiten Schritt ließen sich mithilfe von Data Analytics gezielt Kundengruppen zu bestimmten Themen und Produkten ansprechen, für die sie besonders empfänglich sind. Im Ergebnis profitieren Kunden von weniger, aber dafür zielgerichteter und verständlicherer Schreiben.

Fazit zum Einsatz von KI in der Kundenkommunikation

Durch die Analyse mit NLP lassen sich konkrete Ansatzpunkte für die Optimierung des Kundenkommunikationsportfolios ableiten, die sich letztlich alle auf ein verbessertes Kundenerlebnis auswirken. Gleichzeitig bietet das vorgestellte Sprintvorgehen die Möglichkeit, binnen kürzester Zeit verwertbare Ergebnisse zu produzieren und diese Erkenntnisse wiederum auf den nächsten Sprint zu übertragen. Auf diese Weise bildet die Analyse eine gute Ausgangsbasis für weitere Optimierungen auf dem Weg hin zu einer modernen und effizienten Kundenkommunikation.

Haben Sie Fragen oder Interesse an einem Austausch zu unseren Erfahrungen? Dann sprechen Sie uns gerne an.

Sprechen Sie uns gerne an!

Artikel teilen

Kommentare

Schreiben Sie einen Kommentar

Ihre E-Mail-Adresse wird nicht veröffentlicht. Erforderliche Felder sind mit * markiert

BankingHub-Newsletter

Analysen, Artikel sowie Interviews rund um Trends und Innovationen
im Banking alle 2 Wochen direkt in Ihr Postfach