Analyse von Foreninhalten: neue Kundengruppe und Produktentwicklung

Branche und Unternehmen

Ein Unternehmen, das ein eigenes Produkt entwickelt und dafür neue Zielgruppen sucht. Das Wissen darüber, was die Nutzer wirklich wollen, war über Foren und Themengruppen verstreut, wo Menschen ihre Probleme mit eigenen Worten beschreiben.

Ausgangslage

Entscheidungen darüber, was ins Produkt kommt und welche Zielgruppe man damit anspricht, fielen auf Basis einzelner Signale: ein Kunde, der sich lauter meldete, ein internes Bauchgefühl, das, was die Konkurrenz gerade macht. Dabei schreiben Nutzer in Foren ganz direkt, wo es hakt und wofür sie zahlen würden.

Dieses Material ist jedoch unstrukturiert. Es ist Freitext in ganz unterschiedlichem Stil, ohne jede Kategorie. Eine solche Masse an Beiträgen von Hand zu lesen und zu sortieren ist unrealistisch, also blieb das Wissen ungenutzt.

Vorgehen und Leistungsumfang

Ausgangsmaterial waren Beiträge, die Nutzer selbst in Themenforen schreiben. Sie wurden mit Methoden der Verarbeitung natürlicher Sprache (NLP) ausgewertet. Statt Beitrag für Beitrag zu lesen, wurden die Äußerungen zunächst in Vektorrepräsentationen (Embeddings) umgewandelt, die ihre Bedeutung wiedergeben, und dann per Clustering gruppiert: Der Algorithmus ordnet ähnliche Äußerungen selbst zu Gruppen, sodass aus der rohen Masse an Beiträgen wiederkehrende Themen und Bedürfnisse hervortreten.

Jedes Cluster steht für ein Bündel von Erwartungen: ein konkretes Problem, die Art, wie Menschen darüber sprechen, und die Begriffe, die sie verwenden. Auf dieser Landkarte sieht man zwei Dinge zugleich: Zielgruppen, die das Produkt bisher nicht angesprochen hat, und Funktionen, die im aktuellen Produkt fehlen.

Die Textdaten wurden in einer abgesicherten Umgebung verarbeitet.

Ergebnis für das Unternehmen

Das Unternehmen bekam die Erwartungen der Nutzer in deren eigenen Worten, gruppiert nach klaren Themen. Einige Cluster wiesen auf ein Segment hin, das das Produkt bisher nicht erreichte, und eröffnen damit eine neue Kundengruppe. Andere zeigten konkrete Lücken im aktuellen Produkt, also eine fertige Liste von Funktionen, die ergänzt werden können.

Funktionen, für die es eine echte Nachfrage gibt, erhöhen den Wert des Produkts für den Kunden und wirken sich positiv auf die Marge aus, weil das Unternehmen das entwickelt, wonach die Menschen tatsächlich suchen.

Umfang des Projekts

Die Analyse umfasste Zehntausende Äußerungen aus Foren und Themengruppen rund um das Produkt, genug, damit die Muster verlässlich sind. Je mehr Äußerungen die Quelle enthält, desto belastbarer die Cluster, denn eine einzelne Stimme ist eine Anekdote, ein wiederkehrendes Muster ein Signal.

Wenn deine Nutzer ihre Bedürfnisse im Netz beschreiben und du Produktentscheidungen aus dem Bauch heraus triffst, beschreib uns deinen Fall. Wir prüfen, was sich aus dem herauslesen lässt, was schon heute über dich geschrieben wird.

Verwandte Artikel in der cm-opti-Wissensdatenbank

• Was sind Datenanalyse und BI?
• Was sind OCR und NLP? So liest KI Dokumente
• Was ist Künstliche Intelligenz?

Leistungsbereich: Machine Learning und Prognosen (Datenanalyse und NLP in der Produktentwicklung).

Weitere Projekte