Anbieter von Luxusfahrzeugen filtert mit Social-Listening irrelevante Erwähnungen heraus
Herausforderung
Ein Automobilunternehmen verdankt seinen jahrzehntelangen Erfolg dem unvergleichlichen Verständnis seiner Kunden und ihrer Luxusbedürfnisse. Und nachdem sich Konversationen über Marken zusehends in die Onlinewelt verlagert haben, hat auch das Unternehmen expandiert: Heute überwacht es diese Onlinegespräche und interagiert über Social-Media- und andere digitale Kanäle mit seinen Kunden.
Doch dieses Social-Listening ging für die Marken des Unternehmens mit einigen Herausforderungen einher. Es gestaltete sich schwierig, aus Onlinequellen verwertbare Einblicke zu gewinnen, da der Markenname im Englischen ein ganz normales Wort ist. Dementsprechend enthielten die Listening-Posts Unmengen irrelevanter Daten – insgesamt zehn Prozent des gesamten Datensatzes. Und noch schlimmer: Es gab keine einfache Möglichkeit, diese irrelevanten Daten herauszufiltern. Teams mussten komplexe Abfragen erstellen und nachverfolgen und regelmäßig Berichte durchgehen, um genaue Daten und echte Einblicke zu gewinnen – eine äußerst ineffiziente und arbeitsintensive Aufgabe. Doch ohne diese Einblicke entgingen dem Team immer wieder Inhalte, die möglicherweise wertvolle Daten und Einblicke enthielten.
Das Unternehmen brauchte eine automatisierte Lösung, mit der es Social-Media-Konversationen erkennen konnte, die für die Marke relevant waren – der Rest sollte aussortiert werden. So sollte ein vollständiges Bild davon entstehen, wie die Marke online wahrgenommen wird, einschließlich Share-of-Sentiment, Informationen über Mitbewerber und des Anteils, den Onlinegespräche über die Marke in Social Media ausmachten.
Lösung
Das Unternehmen implementierte Sprinklr AI Studio, um unnötige Social-Listening-Ergebnisse herauszufiltern.
Das Team entwickelte gemeinsam mit Sprinklr ein individuelles KI-Modell, das vorhersagen kann, was für die Marke relevant sein wird. Mit diesem Filtermodell kann das Team Daten über seine Marke erfassen – und zwar nur über seine Marke. Dieses Projekt umfasste auch die Entwicklung und Validierung von KI-Modellen zur Textklassifizierung, damit Teams die Möglichkeit haben, Nachrichten zu filtern und zu kategorisieren.
Ergebnis
Heute stehen dem Unternehmen relevante und verwertbare Daten bereit, mit dem es kritische Entscheidungen über Marke, Geschäft und Betrieb trifft. Durch das individuelle Filtermodell ist die manuelle Arbeit weggefallen, die zuvor bei der Datenbereinigung angefallen war.
Heute setzt das Unternehmen auf KI, um die Anzahl der Kanäle zu steigern, die es mit Social-Listening überwacht – so kann es nun auch regionale Kanäle und Messaging-Apps abdecken. In nur drei Monaten nach Implementierung hatte das Unternehmen bereits 30 Millionen zusätzliche Earned-Erwähnungen erfasst – und eine Genauigkeit von 85 % bei der Erkennung und Entfernung irrelevanter Erwähnungen erzielt.
„Um zu messen, wie sich Social Media auf unsere Marke auswirkt, brauchen wir unbedingt gute Daten. Und mit Sprinklr sind wir heute deutlich besser in der Lage, gute, saubere Daten zu sammeln, aus denen wir verwertbare Einblicke gewinnen können“, erklärt die globale Social-Media-Leitung des Unternehmens.