Wie kann ich prüfen, ob KI-Assistenten meine Marke positiv oder negativ beschreiben?
Modul
Das Sentiment-Modul von Bikma misst die Tonalität, in der KI-Assistenten die Marke beschreiben, aufgeschlüsselt nach Fragen-Cluster und nach Modell.
So funktioniert es in Bikma
Jede Antwort, die die Marke nennt, wird nach Polarität klassifiziert und je Cluster und je Modell aggregiert. Heraus kommt nicht nur eine durchschnittliche Tonalität, sondern die Stellen, an denen sie kritisch ist: bei welchen Themen, bei welchen Modellen, in welchem Zeitraum. Problematische Anfragen werden sichtbar, bevor sie zu einem geschäftlichen Problem werden.
Nennung und Sentiment sind zweierlei
Bikma klassifiziert die Tonalität als positiv, neutral oder negativ, denn genannt zu werden ist nicht dasselbe wie bevorzugt zu werden. In einer Antwort vorzukommen, kann sehr Unterschiedliches bedeuten: als beste Wahl der Kategorie genannt zu werden, nur genannt zu werden, um zu sagen, dass ein Wettbewerber besser passt, oder als gut „aber nicht ganz gut genug“ beschrieben zu werden. Das sind Situationen mit gegensätzlichen Folgen, die eine bloße Nennung nicht unterscheidet. Deshalb misst Bikma Nennung und Sentiment getrennt und verknüpft das Sentiment mit Fragen-Clustern: So zeigt sich eine Marke, die stark präsent ist, über die aber kühl oder ungünstig gesprochen wird, als anderes Problem als eine Marke, die kaum präsent ist.
Warum es wichtig ist
In der KI erreicht eine ungenaue oder negative Beschreibung jeden Nutzer, der diese Frage stellt: Das Sentiment zu überwachen heißt, an der Ursache des Problems anzusetzen statt am einzelnen Vorfall.