Ein globaler Automobilhersteller, der auf mehreren Märkten tätig ist, verwaltet Millionen von unstrukturierten Kundeninteraktionen - von Umfragen und sozialen Medien bis hin zu Protokollen von Kontaktzentren. Auf der Suche nach einer neuen Strategie für das Kundenerlebnis ging das Unternehmen eine Partnerschaft mit Artefact eine ganzheitliche Voice of the Customer (VoC)-Plattform aufzubauen, die auf generativer KI und AWS, und ersetzte langsame, manuelle Analysen durch ein skalierbares, aufschlussreiches System, das die Umsatzzahlen und die Kundenbindung direkt verbesserte.

Die Herausforderung: Manuelle VoC-Analysen blockieren den Einblick in die Kunden.

Das bestehende Verfahren des Unternehmens zur Analyse von Kundenfeedback stützte sich ausschließlich auf menschliche Analysten, die die Wortmeldungen manuell in eine feste, statische Taxonomie einordneten. Das Ergebnis waren generische, niedrig aufgelöste Erkenntnisse, die nicht die Nuancen erfassten, die für sinnvolle geschäftliche Maßnahmen auf den globalen Märkten erforderlich sind.

  • Engpass bei der manuellen Klassifizierung: Menschliche Analysten klassifizierten die Kundenausdrücke einzeln und erstellten eher vage Themendefinitionen wie ‘Sauberkeit des Autos’ als granulare Unterscheidungen wie ‘Probleme bei der Fahrzeugreinigung’ vs. ‘Probleme beim Valet-Service’ - was die Gewinnung von Erkenntnissen verlangsamte und die analytische Präzision einschränkte.
  • Blinde Flecken bei neuen Themen: Die statische, manuelle Taxonomie konnte bisher unbekannte Themen - wie die Auswirkungen des Klimawandels auf die Markenwahrnehmung - nicht aufdecken. Dadurch entstanden Informationslücken, die das Unternehmen daran hinderten, auf neue Kundenstimmungen zu reagieren.
  • Unfähigkeit, über Märkte hinweg zu skalieren: Angesichts der riesigen Mengen an unstrukturiertem Feedback aus dem Vertrieb, dem Kundendienst, der Google-Suche und den Contact Centern in verschiedenen Ländern war die manuelle Analyse grundsätzlich nicht skalierbar und inkonsistent in den verschiedenen Märkten.

Die Lösung: eine ganzheitliche VoC-Plattform mit LLMs und AWS DataZone.

Artefact entwickelte und lieferte eine ganzheitliche VoC-Plattform, die unüberwachtes maschinelles Lernen mit Large Language Models (LLMs) auf AWS kombiniert und automatisch unstrukturiertes Kundenfeedback in globalem Maßstab erkennt, klassifiziert und Erkenntnisse daraus gewinnt. Die Lösung wurde für maximale Effizienz produziert und nutzt eine kontrollierte Hub-and-Spoke-Architektur, die über AWS DataZone verwaltet wird.

  • Unüberwachtes Lernen für die Themenfindung: Durch die Anwendung von Einbettungsmodellen und Clustering-Algorithmen zur Verarbeitung von Rohdaten von Kunden wurden automatisch Themencluster mit hoher Dichte identifiziert, ohne Vorkenntnisse oder menschliche Voreingenommenheit. Dies ermöglichte die Entdeckung von Themen, die in der manuellen Taxonomie nicht vorgesehen waren.
  • Few-Shot LLM-Klassifizierungspipeline: Einsatz einer Few-Shot-Lernpipeline unter Verwendung von Foundation Models zur Klassifizierung neuer Kundenrezensionen in die etablierte Taxonomie (Thema, Unterthema, Stimmung) in großem Umfang, wodurch nahezu in Echtzeit Erkenntnisse in der Produktion gewonnen werden können.
  • AWS DataZone für globale Governance: Nutzung von AWS DataZone als zentrale Governance-Ebene für die sichere Verteilung von KI-Modellen vom globalen Hub an lokale Marktumgebungen, wobei die Modelle als regulierte data-Produkte behandelt werden und vor jeder regionalen Bereitstellung eine Qualitätsvalidierung erfolgt.
  • Produktionssteigerung und Kostenoptimierung: Er leitete eine spezielle Produktionsphase, in der die ursprüngliche PoC-Architektur überarbeitet wurde, wodurch die Vorhersagezeit um 83% und die monatlichen Ausführungskosten um 90% gesenkt werden konnten, was eine kosteneffiziente, unternehmenstaugliche Produktionsbereitstellung ermöglichte.

Das Ergebnis: eine messbare Steigerung von Konversion, Kundenbindung und Effizienz.

Die Holistic VoC-Plattform lieferte quantifizierte, statistisch validierte Ergebnisse in den Bereichen Konversion, Kundenbindung und Betriebskosten - ein Beweis für den direkten kommerziellen Wert von generativer KI, die verantwortungsvoll und in großem Maßstab eingesetzt wird.

  • +5,9% Steigerung vom Basis-Umrechnungskurs: Validiert durch strenge A/B-Tests mit einer statistischen Signifikanz von 98%. Hochwertige Segmente wie ‘Premium- und Eigentumswohnungen’ erzielten Konversionssteigerungen von bis zu +11,6% - was direkt auf die KI-gesteuerten Next Best Action-Empfehlungen zurückzuführen ist.
  • 90% Reduzierung der monatlichen Betriebskosten: Die produktionsreife Lösung reduzierte die monatlichen Ausführungskosten um 90% im Vergleich zur anfänglichen MVP/PoC-Phase und schafft damit eine äußerst kosteneffiziente Produktionsbasis für die Skalierung der Plattform auf weitere Märkte.
  • ~83% Verkürzung der Vorhersagezeit: Die Bearbeitungszeit wurde um fünf Sechstel reduziert, so dass die Teams des Unternehmens wesentlich schneller auf Kundeninformationen zugreifen und aufkommende Probleme auf den globalen Märkten nahezu in Echtzeit lösen können.

Durch die Ablösung der manuellen Analyse durch eine gesteuerte, KI-gestützte VoC-Plattform auf AWS ermöglichte Artefact einem weltweit führenden Automobilhersteller, Kundenfeedback in ein strategisches Gut zu verwandeln - mit messbarem ROI, skalierbarer globaler Intelligenz und einer replizierbaren Architektur, die bereit ist, auf neue Märkte zu expandieren, wenn die Ambitionen des Unternehmens im Bereich Kundenerfahrung weiter wachsen.