Sentiment- und Themenanalyse

Hinweis: Dies ist nur für die Professional Analytics Benutzerlizenz verfügbar und erfordert Credits. Die Datenverarbeitung erfolgt innerhalb der EWR-Region und ist GDPR-konform für unser EU-Rechenzentrum, für unser Schweizer Rechenzentrum werden die Daten in der CH verarbeitet.

Um tiefere Einblicke in die Antworten Ihrer Zielgruppe zu erhalten, ist die Verwendung von Offenen Fragen in Umfragen unerlässlich. Die Beweggründe, die hinter den Antworten der Befragten stehen, geben Aufschluss über die Entscheidungsfindung Ihrer Zielgruppe. Die Analyse von offenen Antworten kann jedoch sehr zeitaufwändig und komplex sein. Survalyzer Next Generation bietet die perfekte Lösung: Offene Textanalyse über unsere KI-Integration mit ChatGPT.

Auf der Registerkarte Analysieren der betreffenden Umfrage kann die Option KI-Sentiment- und Themenanalyse angekreuzt werden:

Dadurch wird automatisch der Wizard gestartet, der Sie durch alle Schritte und Optionen führen wird:

  1. Sie können bestimmen, ob alle Interviews (sowohl historische als auch neue) oder nur neue Interviews analysiert werden sollen. Bitte beachten Sie, dass bei der Wahl von Alle Interviews, wenn diese Option schon einmal ausgewählt wurde, die Analyse für den gesamten Datensatz erneut durchgeführt wird und dafür Credits berechnet werden.
  2. Text anonymisieren: Wenn diese Option aktiviert ist, erkennt KI persönliche Informationen wie E-Mail-Adressen, Telefonnummern und Postleitzahlen und ersetzt sie in der umgewandelten Textversion durch Platzhalter. Siehe unter Anonymisieren weiter unten in diesem Artikel.
  3. Text übersetzen: Wenn diese Option ausgewählt ist, wird KI die offenen Antworten in die gewünschte Sprache übersetzen. Diese Option kann verwendet werden, um einfach von einer Sprache in eine andere oder von mehreren Sprachen in eine Sprache zu übersetzen. Siehe unter Übersetzen weiter unten in diesem Artikel.

Wenn Anonymisierung und/oder Text übersetzen verwendet wird, wird automatisch eine benutzerdefinierte Variable erstellt, die die umgewandelten Daten enthält. Diese Variable ist in den Rohdaten als ‘[QuestionVariable]_azure_transformed’ zu finden.

Im nächsten Schritt 2: Fragen, kann eine Auswahl von Fragen getroffen werden, die analysiert werden sollen. Es können nur (halb-)offene Fragen ausgewählt werden:

Für jede ausgewählte Frage kann angegeben werden, ob sowohl eine Sentimentanalyse als auch eine Themenanalyse gewünscht ist:

Sentimentanalyse

Bei der Sentimentanalyse wird digitaler Text analysiert, um festzustellen, ob der emotionale Ton der Antwort positiv, negativ oder neutral ist. Diese wertvollen Erkenntnisse sind der Schlüssel zur Verbesserung des Kundenservices, zur Bewertung von Produkten und zur Verbesserung des Markenrufs.

Wenn die Option Sentimentanalyse für eine Frage ausgeführt wird, wird automatisch eine benutzerdefinierte Variable ‘[QuestionVariable]_azure_sentiment’ erstellt. Die offene Antwort wird analysiert, was zu drei möglichen Ergebnissen führt:

  1. Positives Sentiment
    Wert = 1
    Farbe = grün
  2. Neutrales Sentiment
    Wert = 0
    Farbe = grau
  3. Negatives Sentiment
    Wert = -1
    Farbe = rot

Unten wird ein Beispiel aus den Rohdaten für jedes Szenario gezeigt:

Tipp: Auf der Seite Analysieren können über den Button Codeplan verwalten die Beschriftungen der Werte geändert werden:

Mithilfe von Emojis (⊞ Win+. or Strg+⌘ Cmd+Leertaste) fällt es besser auf:

In Professional Analytics sieht die Tabelle wie folgt aus:

Abschließend können Sie mit der Sentimentanalyse ganz einfach ein prozentuales Verteilungsdiagramm erstellen, das auf den Texteingaben Ihrer Befragten in offenen Fragen aufgebaut ist:

Themenanalyse

Bei der Themenanalyse erkennen fortschrittliche Machine-Learning-Algorithmen die Themen anhand der Verwendung bestimmter Wörter und ähnlicher Wortmuster. Die Antworten werden auf dieser Grundlage gruppiert. Weitere Informationen über die AI-Themenanalyse und Leitlinien finden Sie auf dieser Seite.

Auf diese Weise lassen sich Erkenntnisse darüber gewinnen, welche Themen, z. B. in Bezug auf den Service, das Produkt oder die Marke, am häufigsten genannt werden. Außerdem zeigt es, ob die Befragten sich eher positiv oder negativ zu bestimmten Themen äußern, so dass Verbesserungen leicht identifiziert werden können.

In Schritt 2 Fragen des Wizards kann die Themenanalyse aktiviert und können Themen definiert werden. Die offenen Antworten werden auf Basis des Antwortinhalts einem oder mehreren der definierten Themen zugewiesen. Für jedes definierte Thema wird eine benutzerdefinierte Variable in der folgenden Form erstellt: ‘[QuestionVariable]_azure_topic_[TopicName]’.

Im folgenden Beispiel finden Sie einige Beispiele für die Bewertung von Produkten und Services:

Tipps:

  1. Seien Sie so spezifisch wie möglich: Appearance liefert bessere Ergebnisse als Design, um das visuelle Erscheinungsbild zu bewerten, denn Design kann sich auch auf die Verwendung und Qualität eines Produkts beziehen.
  2. Themen sollten sich gegenseitig ausschließen: z.B. Appearance und Customer support sind ein gutes Beispiel, aber Customer support und Service sind nah miteinander verwandt, was dazu führt, dass die KI in der Mehrzahl der Fälle beiden Themen eine Bemerkung zuordnet.
  3. Verwenden Sie keine Themen wie Andere oder Sonstige. Jede Themenanalyse hat eine Variable No Topic, die zugewiesen wird, wenn kein Thema aus der Liste mit der offenen Antwort verknüpft werden kann.

Die offene Antwort wird analysiert, und wenn sie mit bestimmten Themen übereinstimmt, ergibt sie den Wert 1 in der/den entsprechenden Spalte(n):

In Professional Analytics werden die Ergebnisse in einer Tabelle mit einem Häkchen angezeigt:

Anhand der Texteingaben Ihrer Befragten können Sie ein Diagramm erstellen, aus dem hervorgeht, wie viel Prozent der Antworten sich auf die angegebenen Themen beziehen:

Gemeinsam mit der Sentiment-Analyse liefert dies nützliche Informationen in Bezug auf mögliche Verbesserungsmaßnahmen:

Anonymisieren

Das Sammeln von qualitativem Feedback bietet die Möglichkeit, die Meinungen, Einstellungen und Erfahrungen von Menschen zu verstehen. Die Zugänglichkeit, die offene Fragen den Befragten bieten, ist sehr wertvoll, aber sie ermöglicht auch die Eingabe persönlicher Daten. Survalyzer bietet die Möglichkeit, persönliche Daten zu anonymisieren. Die KI erkennt persönlich identifizierbare Informationen wie E-Mail-Adressen, Telefonnummern oder Postadressen und ersetzt sie durch Platzhalter für die umgewandelte Textversion:

So kann ein Befragter beispielsweise eine Telefonnummer und eine E-Mail-Adresse in die ursprüngliche Antwort aufnehmen:

Die anonymisierten (umgewandelten) Daten werden die personenbezogenen Daten mithilfe des Platzhalters “[redacted]” ersetzen:

Übersetzen

Wenn mit einer mehrsprachigen Umfrage gearbeitet wird, führt dies zu offenen Antworten in verschiedenen Sprachen. Bisher war es erforderlich, diese getrennt zu analysieren, aber jetzt ist es möglich, den Input in eine Sprache zu übersetzen und alles an einer Stelle zu haben. In Schritt 1 Allgemeines des Wizards können Sie die Sprache einstellen, in die alle Inputs der ausgewählten Fragen übersetzt werden sollen.

Die Übersetzung wird nur dann durchgeführt, wenn die Sprache, in der die offene Antwort gegeben wurde, der in der Umfrage eingestellten Sprache entspricht:

Wenn Sie z. B. Antworten auf Englisch und Deutsch sammeln und die Übersetzung ins Englische aktiviert haben, finden Sie alle gesammelten (übersetzten) Antworten in der Spalte ‘[QuestionVariable]_azure_transformed]’:

In Professional Analytics können Sie zum Beispiel mit deutschem Input arbeiten, ihn ins Englische übersetzen und mit Sentiment- und Themenanalyse kombinieren. Dies würde zu einem Output führen, wie er unten zu sehen ist:

Zusammenfassung & Analyse

Wenn die allgemeinen Einstellungen wunschgemäß und die zu analysierenden Fragen ausgewählt sind, führt Sie der Wizard zu Schritt 3 Zusammenfassung. Hier wird eine Übersicht angezeigt:

  1. Es werden entweder ‘Alle Interviews’ oder ‘Neue Interviews’ analysiert.
  2. Die Einstellungen für ‘Anonymisieren’ und/oder ‘Übersetzen’, die angewendet werden.
  3. Die Anzahl der Credits, die abgebucht werden (abhängig von der Anzahl der zu analysierenden offenen Antworten):
    • Wenn eine offene Frage nicht ausgefüllt ist, werden keine Credits berechnet.
    • Die Anzahl der ausgewählten Einstellungen hat keinen Einfluss auf die berechneten Credits.
    • Wenn zuvor ‘Alle Interviews’ analysiert worden sind und die Analyse bearbeitet und erneut für ‘Alle Interviews’ aktiviert wird, werden die Credits erneut für den gesamten Datensatz berechnet.
  4. Die Kosten werden pro analysierter offener Antwort berechnet. Wie beim Industriestandard handelt es sich um € 0,08 pro offener Antwort.
  5. Eine Übersicht aller Fragen und der zugehörigen angewendeten Einstellungen.

Wenn alles zur Zufriedenheit eingestellt ist, kann mit dem Button Submit die Analyse in Schritt 4 automatisch gestartet werden. Es folgt eine Übersicht aller Variablen, die aufgrund der ausgewählten Fragen und Einstellungen erstellt worden sind:

Je nach Anzahl der zu analysierenden Antworten kann es mehrere Minuten dauern, bis in der rechten Seitenleiste der Seite Analysieren folgendes angezeigt wird:

  1. Ansicht: die aktuellen Einstellungen der aktiven Sentiment- und Themenanalyse.
  2. Bearbeiten: Hier können die Einstellungen der aktuellen Sentiment- und Themenanalyse angepasst werden. Der Wizard wird erneut geöffnet und alle Schritte können angepasst werden, bevor die Analyse erneut aktiviert wird.
  3. Stopp: Hier kann die Datenanalyse gestoppt werden. Historische Daten sind davon nicht betroffen. Es wird lediglich sichergestellt, dass neue Interviews nicht analysiert werden.

Professional Analytics Dashboard

Zusammenfassend kann festgestellt werden, dass die KI-Sentiment- und Themenanalyse die Tür zu einer völlig neuen Welt der Datenanalyse öffnet. Eine einzige offene Frage kann sehr wertvolle und brauchbare Erkenntnisse liefern, die zur weiteren Verbesserung der aktuellen Serviceleistung, des Produkts oder der Markenidentität genutzt werden können. Und das alles ohne die stundenlange Arbeit, die in der Vergangenheit erforderlich war.

Ein Beispiel für ein Professional Analytics Dashboard, das sich auf die KI-Sentiment- und Themenanalyse bezieht, ist hier zu sehen:

Updated on December 8, 2023

Was this article helpful?

Related Articles

Need Support?
Please login to your Survalyzer account and use the "Create Support Request" form.
Login to Survalyzer