Der Name des Spiels lautet Kundenzufriedenheit, insbesondere in der Luftfahrtindustrie, wo Unternehmen ständig um Geschäfte kämpfen, indem sie besseren Service als ihre Konkurrenten versprechen. Jetzt hat ein Professor an der University of Missouri künstliche Intelligenz eingesetzt, um Tausende von Kundenbewertungen zu sortieren und herauszufinden, wo Fluggesellschaften zu kurz kommen.
Sharan Srinivas, Assistenzprofessorin mit gemeinsamer Berufung in der Abteilung für Industrie- und Systemtechnik und der Abteilung für Marketing, verwendete KI, um fast 400.000 einzigartige, öffentlich zugängliche Kundenbewertungen von sechs Fluggesellschaften in den Vereinigten Staaten zu analysieren. Nachdem er die Informationen sortiert hatte, entwickelte er Algorithmen, die die in den Bewertungen am häufigsten diskutierten Themen identifizierten und dann die Meinung des Kunden (positiv oder negativ) zu jedem der identifizierten Themen ermittelten, wodurch Fluggesellschaften potenziell ein besseres Verständnis der Sichtweise ihrer Kunden gewinnen konnten und Erfahrung.
Die Ergebnisse zeigten, dass die meisten negativen Rückmeldungen verlorenes Gepäck, unbequeme Sitzplätze und Flugannullierungen betrafen; während die Kunden die Bordunterhaltung, den Service des Boden- und Kabinenpersonals und den Service in der First- und Business-Class am positivsten beurteilten.
Basierend auf diesem Feedback formulierte Srinivas 11 Empfehlungen zur Verbesserung des Kundenerlebnisses:
Srinivas sagte, Fluggesellschaften könnten diese Informationen nutzen, um ihre nächsten Schritte als Unternehmen festzulegen.
„Das ultimative Ziel ist es, diese Fluggesellschaften darüber zu informieren, was der Kunde tatsächlich denkt“, sagte Srinivas. „Es ist unmöglich, die Stimme aller Kunden und potenziellen Kunden zu hören, insbesondere für größere Fluggesellschaften, aber unsere Software und unsere Empfehlungen werden die Fluggesellschaften erheblich dabei unterstützen, Dinge aus der Verbraucherperspektive zu betrachten.“
Srinivas wurde durch einen Vorfall im Jahr 2017 zu dieser Untersuchung inspiriert, bei dem ein Sicherheitsvertreter von United Airlines einen Passagier aus einem Flugzeug zerrte, als er sich weigerte zu gehen, weil der Flug überbucht war. Beamte von United Airlines sagten, sie hätten den Passagier nach dem Zufallsprinzip ausgewählt, doch die Empörung, die über Kundenbewertungen und in den sozialen Medien hereinbrach, war überwältigend.
Folglich war es für United Airlines eine Herausforderung, das gesamte Kundenfeedback zu sichten. Srinivas sagte, die KI-Software dieser Studie würde es Unternehmen wie United Airlines ermöglichen, Kundenfeedback zu sortieren und schneller auf auftretende Probleme zu reagieren.
„Die Verwendung unseres vorgeschlagenen Ansatzes könnte es Unternehmen ermöglichen, Textinformationen viel automatisierter und rationalisierter zu verarbeiten“, sagte Srinivas. „Ohne einen automatisierten Prozess wäre es viel schwieriger und zeitaufwändiger, sich jede einzelne Bewertung anzusehen und etwas zu finden, mit dem Fluggesellschaften ihr Geschäft verbessern können.“
Während Stakeholder und Mitarbeiter vielleicht ein besseres Verständnis dafür haben, wie das Geschäft funktioniert, sagte Srinivas, dass es beim Produkt – in diesem Fall Flugreisen – entscheidend ist, seine Kunden zu kennen.
„Die Benutzer eines Produkts sind diejenigen, die Ihnen den besten Einblick darüber geben können, was verbessert werden muss“, sagte Srinivas. „Sie sind die Zielgruppe. Sie verwenden das Produkt mit begrenzter Voreingenommenheit, und es gibt viele ungenutzte Einblicke in das, was sie sagen.“
Srinivas hat verschiedene Versionen künstlicher Intelligenz verwendet, um die Kundenzustimmung in vielen verschiedenen Branchen zu verfolgen, darunter Versicherungen, adaptive Kleidung und Hochschulen. Srinivas sagte, es könne auch zur Interpretation von Arztnotizen und Patientenbewertungen verwendet werden.
Die Studie wurde veröffentlicht in Annalen der Betriebsforschung.
Mehr Informationen:
Sharan Srinivas et al, Passenger Intelligence as a Competitive Opportunity: Unsupervised Text Analytics for Discovering Airline-spezifische Erkenntnisse aus Online-Bewertungen, Annalen des Operations Research (2023). DOI: 10.1007/s10479-022-05162-9