Sentiment-Analyse
Zuletzt aktualisiert:
Was Sentiment-Analyse ist
Sentiment-Analyse, auch Stimmungsanalyse oder Opinion Mining genannt, ordnet einem Text eine Haltung zu. Die einfachste Form markiert eine Nachricht als positiv, negativ oder neutral. Genauere Varianten bewerten die Intensität, erkennen Emotionen wie Ärger oder Verwirrung oder messen die Stimmung je Thema, etwa positiv zum Produkt, aber negativ zur Lieferung. Letzteres heißt aspektbasierte Sentiment-Analyse.
So funktioniert sie
Frühe Werkzeuge zählten positive und negative Wörter aus einem Wörterbuch. Später lernten Machine-Learning-Modelle aus markierten Beispielen. Heute beurteilen Sprachmodelle den Ton im Kontext, auch Verneinungen wie „gar nicht schlecht“. Sarkasmus, Ironie und gemischte Gefühle bleiben aber schwierig.
Das Ergebnis ist eine Wahrscheinlichkeit, keine Tatsache. Am verlässlichsten ist es, wenn man es über viele Gespräche hinweg betrachtet statt Nachricht für Nachricht.
Beispiel
Eine Kundin schreibt: „Ich frage jetzt zum dritten Mal. Wo bleibt meine Erstattung?“ Ein Sentiment-Modell stuft das als deutlich negativ ein. In einem Support-Team könnte diese Markierung das Gespräch in der Warteschlange nach oben schieben, eine Kollegin benachrichtigen oder die Formulierung der Antwort beeinflussen. Über viele Chats hinweg kann ein hoher Anteil negativer Nachrichten zu einem Thema auf ein wiederkehrendes Problem hinweisen.
Warum das für Business-Chatbots wichtig ist
Stimmungsdaten helfen Teams, unzufriedene Kunden zuerst zu bedienen und zu sehen, welche Themen Frust auslösen. Sie sind ein Signal, kein Urteil: Auch eine kurze, neutral klingende Nachricht kann von einem genervten Kunden kommen. Viele Teams kombinieren sie mit direktem Feedback wie CSAT-Umfragen und dem Lesen echter Gesprächsverläufe.
Sentiment-Analyse und intoCHAT
intoCHAT enthält keine Sentiment-Analyse und keine Stimmungswerte. Die Auswertungen zeigen Gespräche, Nachrichten und Leads im Zeitverlauf, und die Chat-Protokolle bieten Suche und vollständige Verläufe. Beim Lesen siehst du, wie Besucher ihre Fragen formulieren und wo Antworten nicht ausreichen. So kannst du Inhalte ergänzen oder priorisieren und den Agenten verbessern.