Software Entwicklung
App Entwicklung
Web Entwicklung
Künstliche Intelligenz
GrabIT
VERIFIZIERT 3 REFERENZEN
GrabIT Alternativen
Software Entwicklung
App Entwicklung
Design
SEO
Software Entwicklung
Künstliche Intelligenz
-
-
Software. Daten. Partnerschaften.
Profilübersicht
ATTRAKTIVES PRICING
Über GrabIT
Wir sind eine Gruppe von 40 Ingenieuren, die Daten- und Software-Engineering-Dienstleistungen und Beratung anbieten.
Unser Team aus erfahrenen Fachleuten verfügt über mehr als ein Jahrzehnt an Erfahrung. Wir zeichnen uns durch die Entwicklung kundenspezifischer Softwarelösungen und die Nutzung der transformativen Kraft der generativen KI und des maschinellen Lernens aus.
Haben Sie Rückfragen zu diesen Angaben?
Kontaktieren Sie den Anbieter und erhalten Sie zeitnah eine Rückmeldung zu Ihren Rückfragen.
Standorte
Video
Leistungen
30%
10%
30%
10%
10%
10%
- Software Entwicklung: 30 %
- IT-Personaldienstleister: 10 %
- Künstliche Intelligenz: 30 %
- BI & Big Data: 10 %
- IT Systemhäuser: 10 %
- IT Consulting: 10 %
Benötigen Sie eine dieser Dienstleistungen?
Kontaktieren Sie den Anbieter und erhalten Sie zeitnah ein entsprechendes Angebot.
Portfolio
Kunden
Spar Slovenia Ericsson Du Telekom Telekom Slovenije Tus Trgovine Verizon NLB ING Telenet Hrvatski Telekom mts Intesa SanPaoloDownloads
Projekte
Bewertung der Kundenerfahrung
Case Study von GrabIT
Verizon
Telekommunikation
Mai 2019
August 2019
Künstliche Intelligenz
Maschinelles Lernen
Beschreibung
Wir waren Teil eines Teams, das eine neue Generation der Kundenzufriedenheitsmessung entwickelte, indem es einen umfassenden Customer Experience Score (CES) für jeden Kunden erstellte. Im Gegensatz zu traditionellen Messgrößen wie Net Promoter Scores und Zufriedenheitsumfragen wollten wir das gesamte Kundenerlebnis über alle Interaktionskanäle hinweg erfassen. Durch den Einsatz von KI-Modellen zur Bewertung jeder Interaktion auf der Grundlage ihrer Auswirkungen generierte die Lösung individuelle CES-Bewertungen für jeden Kanal und fügte sie zu einer Gesamtbewertung zusammen. Dieser Ansatz ermöglichte eine detaillierte Analyse der Kundenzufriedenheit auf verschiedenen Ebenen, die dann eine Segmentierung nach demografischen Merkmalen, kanalspezifische Zufriedenheitsbewertungen und Bewertungen für bestimmte Filialen, Regionen und Mitarbeiter ermöglicht. Dies ermöglichte nicht nur einen transparenten Blick auf die Nutzerzufriedenheit, sondern auch umsetzbare Erkenntnisse zur Verbesserung des Kundenerlebnisses, zur Behebung technischer Probleme und zur Steigerung der Nutzerzufriedenheit über verschiedene Berührungspunkte hinweg.
Herausforderung
Ziel des Projekts war es, für jeden Kunden des Telekommunikationsunternehmens einen Customer Experience Score (CES) zu erstellen. Die derzeitigen Metriken zur Messung der Kundenzufriedenheit sind Metriken wie Net Promoter Scores oder Umfragen zur Kundenzufriedenheit, die sich als unzuverlässig erwiesen haben - sie sind lästig für die Kunden, haben niedrige Rücklaufquoten mit starken Verzerrungen zu den extremen Enden hin (jemand wird ein Formular ausfüllen, wenn er entweder sehr zufrieden oder sehr unzufrieden ist), sind rückwärtsgewandt und oft nicht umsetzbar. Die Idee ist, eine Lösung zu schaffen, die die gesamte Erfahrung aller Kunden auf der Grundlage ihrer Beziehung mit dem Betreiber über alle Kanäle hinweg erfasst.
Lösung
Ein Kunde hat viele Interaktionen mit dem Telekommunikationsunternehmen (Kanäle) - über Einzelhandelsgeschäfte, Callcenter, die Website und mobile Apps, Upgrades und Downgrades von Paketen, bis hin zu Aktionen, die der Kunde durchführt oder die ihm passieren können, wie z. B. die Menge der Datennutzung, die Anzahl der abgebrochenen Anrufe, langsame Internetverbindungen, niedrige Warteschlangen in den Geschäften, lange Wartezeiten im Callcenter, Interaktion mit dem Live-Chat für den Support und mehr. Das Ziel ist es, jede einzelne Interaktion für jeden Kunden zu erfassen, operative KPIs zu erstellen und mit Hilfe von KI-Modellen von 0 bis 100 zu bewerten, je nachdem, wie positiv oder negativ sich diese Interaktion auswirkt. Langsame Internetverbindungen, lange Warteschlangen, Überweisungen zwischen Agenten können zu negativen Erfahrungswerten führen, wohingegen positive Interaktionen hohe Werte in der Rangliste erzeugen. Auf diese Weise erstellen wir separate CES-Bewertungen für jeden Kanal, über den ein Kunde mit dem Anbieter interagieren könnte, und wir können sie zusammenfassen, um die Gesamtzufriedenheit des Kunden zu ermitteln. Auf diese Weise können wir nicht nur die Zufriedenheit unserer Kunden analysieren, sondern auch die Zufriedenheit jedes einzelnen Kanals (z. B. Einzelhandelsgeschäfte, Internet-Zuverlässigkeit, Call Center) separat auswerten. Wir können auch Segmentierungen und Drilldowns durchführen, zum Beispiel die CES-Werte bestimmter demografischer Gruppen. Diese Plattform bietet uns auch einen robusten Rahmen, in dem wir die Kundenzufriedenheit einzelner Geschäfte (wobei wir die CES der Kunden, die dieses Geschäft besucht haben, kombinieren), die CES über Regionen hinweg, die CES der Mitarbeiter (indirekt über die CES der Kunden, denen sie geholfen haben) und mehr analysieren können.
Ergebnisse
Mit der Entwicklung und Implementierung des Customer Experience Score haben wir einen gläsernen Ansatz zur Messung der Nutzerzufriedenheit geschaffen, bei dem alle Komponentenbewertungen, aus denen sich der CES-Score zusammensetzt, verfügbar sind. Wir können sowohl Gesamt- als auch Einzelbewertungen betrachten, hierarchische Drilldowns, Schichtungen sowie viele zusätzliche Analysen auf der Grundlage der Daten durchführen. Mithilfe dieser Techniken kann das Unternehmen dann konkrete Maßnahmen ergreifen. Wenn beispielsweise der CES-Wert in einer bestimmten Region für abgebrochene Anrufe niedrig ist, könnte dies ein Grund sein, einige technische Probleme zu beheben. Ist der CES-Wert in einer bestimmten Filiale oder für einen bestimmten Agenten niedrig, können Maßnahmen ergriffen werden, um die Benutzerzufriedenheit für die Benutzer, die mit diesen Kanälen interagieren, zu verbessern. Die Einführung des Customer Experience Score bot nicht nur einen transparenten Überblick über die Nutzerzufriedenheit, sondern ermöglichte auch umsetzbare Erkenntnisse zur Verbesserung des Kundenerlebnisses, zur Behebung technischer Probleme und zur Steigerung der Nutzerzufriedenheit an verschiedenen Berührungspunkten.
Haben Sie ein ähnliches Projekt?
Kontaktieren Sie den Anbieter und erhalten Sie zeitnah ein entsprechendes Angebot.
Weitere Case Studies des Anbieters
Haben Sie ein ähnliches Projekt?
Kontaktieren Sie den Anbieter und erhalten Sie zeitnah ein entsprechendes Angebot.
Bewertungsübersicht
Gesamtbewertung
Haben Sie bereits mit diesem Anbieter zusammengearbeitet? Anbieter bewerten
Bewertungen
Feedbax Bewertungen
Haben Sie bereits mit diesem Anbieter zusammengearbeitet?
