top of page

Relevanz von Kundenfeedback

Relevanz von Kundenfeedback

Das Herzstück hinter der Leistung von liCili ist ein Algorithmus, welchen wir in über 3 Jahren entwickelt und verbessert haben. Das für Sie relevante und sichtbare ist die Themenübersicht der ausgewerteten Kundenumfrage inklusive der Einzelansicht, welche bereits auf den vorherigen Seiten beschrieben wurden. Dahinter stecken mehrere Rechenschemas und Recherchen, welche dafür sorgen, dass Sie sofort erkennen, welche Themen kunden- und marktrelevant sind. In folgender Darstellung werden die einzelnen Schichten erklärt und aufgezeigt. 

Wettbewerb

Zusammenhänge

Zusammenhänge

Aufbau des Algorithmus von liCili

Clustering

Das Clustering besteht aus der Kunden- und Marktrelevanz, welche Ihnen eine schnelle Übersicht und Einschätzung des erhaltenen Feedbacks ermöglichen. 

Gewichtung

Die Gewichtung ist der entscheidender Faktor, wenn es darum geht ein realistisches sowie objektives Ergebnis zu erhalten. Durch unterschiedliche Gewichtungskurven werden alle betrachteten Faktoren untereinander verrechnet.

Zu allen Worten und Wortzusammenhänge wird das Suchvolumen recherchiert um herauszufinden, wie hoch die Interesse an den einzelnen Themen ist. 

Eine spannende Einflussvariable ist ebenfalls der Wettbewerb. Dabei geht es darum herauszufinden wie viel Unternehmen auf diesem Sachgebiet unterwegs, aktiv und wie stark diese sind. 

Eine wichtige Basis für den Algorithmus ist das erkennen von vorhandenen Wortzusammenhängen und ihre jeweilige Art und Weise. Darüber lassen sich wichtige Themen und Aussagen als ganzes erschließen und sich nicht aus dem Zusammenhang gerissen. 

Die Recherche durchsucht das visible Web anhand der herausgefundenen Wörter und Wortzusammenhänge. Dabei werden über 25 Faktoren recherchiert, wovon vier Stück in den folgenden Schichten vorgestellt werden. 

Recherche

Über die Recherche von Trendkennzahlen wird erkannt, ob dieses Thema zur Zeit einen Hype erfährt oder ob es zum Beispiel auch saisonale Schwankungen gibt. 

Trend

Der Neuheitsgrad gibt an, wie neu ein Feedback ist und wie wichtig daher eine Reaktion auf die analysierte Bewertung ist. 

Neuheitsgrad

Wortarten

Gewichtung

Clustering

Recherche

Suchvolumen

Trend

Neuheitsgrad

Wortarten

Wortarten

Die erste und sehr grundlegende Schicht ist das erkennen der jeweiligen Wortart. Dies ist notwendig um die relevanten und bedeutenden Wörter aus dem Feedback zu erkennen. 

Die Entwicklung

Anfang 2015 entstand die Idee zu liCili und die Entwicklung begann. Mehrere Thesen wurden erarbeitet, ausgewertet, getestet und bestätigt oder widerlegt. Vor allem eine wissenschaftliche Untersuchung in Zusammenarbeit mit dem Change Management und Innovation Institut der Hochschule Esslingen im Jahr 2017 hat die letzten Puzzleteile zusammengeführt. Seither wurden über 200.000 Daten mit Hilfe des Algorithmus bewertet und auf Ihre Richtigkeit überprüft. Dies wurde in Zusammenarbeit mit den jeweiligen Unternehmen und Experten durchgeführt. Diese sind sich einig, dass der viel schneller Algorithmus in keinem Fall schlechter war wie menschliche aufwendigere Bewertung. Ganze 50% sehen die Bewertung sogar besser durchgeführt wie durch Menschenhand. 

Die Entwicklung unseres Algorithmus
bottom of page