Ein Leitfaden zur Erstellung eines Intercom-Workflows zur Kennzeichnung von Konversationen für die CSAT-Analyse

CSAT-Werte (Customer Satisfaction) sind super für einen schnellen Überblick, wie sich Ihre Kunden fühlen. Aber seien wir ehrlich, ein fröhlicher Emoji erzählt Ihnen nicht die ganze Geschichte. Das wahre Gold liegt darin begraben, warum ein Kunde sich so gefühlt hat, und um das herauszufinden, müssen Sie sein Feedback analysieren. Das alles beginnt mit gutem Tagging von Konversationen.

Wenn Sie jemals versucht haben, jede Konversation manuell basierend auf CSAT-Bewertungen zu taggen, wissen Sie, dass dies eine zermürbende Aufgabe ist. Es dauert ewig, es passieren Fehler und es funktioniert einfach nicht mehr, sobald Ihr Supportvolumen wächst. Automatisierung ist wirklich der einzige Weg nach vorn, wenn Sie saubere, konsistente Daten wollen, die Sie tatsächlich für Entscheidungen nutzen können.

Dieser Leitfaden führt Sie durch die Einrichtung eines Standard-Intercom-Workflows zur Handhabung des CSAT-Taggings. Aber noch wichtiger ist, wir werden auf die nervigen Einschränkungen eingehen, auf die Sie wahrscheinlich stoßen werden, und Ihnen einen intelligenteren, KI-gestützten Weg zeigen, um viel tiefere Einblicke aus Ihrem Kundenfeedback zu gewinnen.

Was ist ein Intercom-Workflow zum Taggen von Konversationen für die CSAT-Analyse?

Ein Intercom-Workflow ist im Grunde ein Satz automatisierter Regeln, der innerhalb der Plattform abläuft. Er folgt einer einfachen „Wenn dies, dann das“-Logik. Ein spezifischer Auslöser, wie das Schließen einer Konversation durch ein Teammitglied, stößt eine Reihe von Aktionen an, die Sie im Voraus eingerichtet haben.

Eine visuelle Darstellung des Intercom-Workflow-Builders, die zeigt, wie automatisierte Regeln und Aktionen konfiguriert werden.

Wenn es um Kundenfeedback geht, ist das Ziel eines Intercom-Workflows zum Taggen von Konversationen für die CSAT-Analyse, automatisch die richtigen Tags an Konversationen zu heften, sobald ein Kunde eine Bewertung abgibt.

Wenn ein Kunde zum Beispiel eine „Schlecht“-Bewertung abgibt, kann der Workflow ihm ein „CSAT-Negativ“-Tag verpassen. Dies macht es für Sie oder einen Support-Manager super einfach, nach allen negativen Interaktionen zu filtern. Sie können dann Muster erkennen, Coaching-Möglichkeiten finden oder Produktfehler markieren, ohne jedes einzelne Support-Ticket lesen zu müssen.

So erstellen Sie einen einfachen Intercom-Workflow zum Taggen von Konversationen für die CSAT-Analyse

Obwohl Intercom Ihnen die Werkzeuge zur Verfügung stellt, um diese Automatisierung zu erstellen, ist es gut, den Standardprozess zu kennen, damit Sie verstehen, womit Sie arbeiten. Hier ist ein kurzer Überblick, wie es normalerweise gemacht wird.

Beginnen Sie mit einem Auslöser: Eine Konversation wird geschlossen

Der logischste Ausgangspunkt für einen CSAT-Workflow ist der Auslöser 'Teammitglied ändert den Konversationsstatus'. Sie würden ihn so einstellen, dass er ausgelöst wird, wenn der Status auf „Geschlossen“ wechselt. Dies stellt sicher, dass die Umfrage direkt verschickt wird, nachdem der Mitarbeiter hoffentlich das Problem des Kunden gelöst hat.

Fügen Sie die Anfrage zur CSAT-Bewertung hinzu

Als Nächstes verwenden Sie Intercoms integrierte Aktion 'Um Konversationsbewertung bitten'. Diese sendet die kleine Zufriedenheitsumfrage mit drei Emojis („Schlecht“, „Okay“, „Großartig“) an den Kunden im Chat-Messenger. Es ist eine einfache Möglichkeit für sie, Ihnen mit nur einem Klick Feedback zu geben.

Verwenden Sie Verzweigungen, um Tags anzuwenden

Nachdem die Bewertung eingegangen ist, verwenden Sie „Verzweigungen“, um den Workflow basierend auf der Antwort des Kunden in verschiedene Pfade aufzuteilen. Die Logik hier ist ziemlich einfach und hilft Ihnen, Feedback spontan zu sortieren:

• Pfad 1: Wenn die Konversationsbewertung „Schlecht“ ist, fügen Sie den Tag „CSAT-Negativ“ hinzu.

• Pfad 2: Wenn die Konversationsbewertung „Okay“ ist, fügen Sie den Tag „CSAT-Neutral“ hinzu.

• Pfad 3: Wenn die Konversationsbewertung „Großartig“ ist, fügen Sie den Tag „CSAT-Positiv“ hinzu.

Sobald dies live ist, haben Sie ein grundlegendes System zur Kategorisierung von Feedback basierend darauf, welches Emoji ein Kunde anklickt. Einfach genug, oder?

graph TD  

    A[Start: Konversation geschlossen] --> B{CSAT-Umfrage senden};  

    B --> C{Kunde antwortet};  

    C --> D[Bewertung 'Großartig'?];  

    D -- Ja --> E[Tag 'CSAT-Positiv' anwenden];  

    D -- Nein --> F[Bewertung 'Okay'?];  

    F -- Ja --> G[Tag 'CSAT-Neutral' anwenden];  

    F -- Nein --> H[Bewertung 'Schlecht'?];  

    H -- Ja --> I[Tag 'CSAT-Negativ' anwenden];  

    E --> J[Ende];  

    G --> J;  

    I --> J;  

Wo der native Intercom-Workflow für das CSAT-Tagging an seine Grenzen stößt

Die Einrichtung dieses einfachen Workflows ist ein guter erster Schritt, aber Teams stellen oft ziemlich schnell fest, dass es nicht ausreicht, um echte, aussagekräftige Einblicke zu gewinnen. Das Problem ist, dass diese regelbasierten Workflows einfach zu starr sind, um mit dem Durcheinander echter Kundenkonversationen umzugehen.

Starre Regeln erfassen einfach nicht die Nuancen

Hier ist das größte Kopfzerbrechen: Ein einfacher Emoji-Klick hat keinen Kontext. Ein Kunde könnte auf das „Großartig“-Emoji tippen, aber dann hinzufügen: „Der Mitarbeiter war fantastisch, aber ich habe es satt, den Support jeden Monat wegen desselben Problems kontaktieren zu müssen.“

Ihr Standard-Intercom-Workflow wird dies als „CSAT-Positiv“ taggen und weitermachen, wobei er völlig die Tatsache übersieht, dass Sie ein wiederkehrendes Problem und einen verärgerten Kunden haben. Er kann den Text nicht auf Stimmung oder spezifische Themen analysieren, also bleiben Sie mit einem positiven Tag bei einer Konversation zurück, die eigentlich ein Warnsignal ist.

Wie der native Workflow in gängigen Situationen versagt

Wie einige frustrierte Benutzer in der Intercom Community angemerkt haben, ist Intercom so konzipiert, dass es keine CSAT-Umfrage sendet, wenn eine Konversation mehrere Teammitglieder involviert. Dies ist eine beabsichtigte Funktion, um das Spammen von Personen zu vermeiden, bedeutet aber, dass Ihr automatisierter Tagging-Workflow bei diesen Tickets gar nicht erst läuft. Plötzlich haben Sie große Lücken in Ihren Daten, insbesondere bei Ihren komplexesten Supportfällen.

Komplizierte Umgehungslösungen

Um etwas Fortgeschritteneres zu tun, müssen Sie normalerweise kreativ mit Conversation Data Attributes (CvDAs) werden. Angenommen, Sie möchten aufhören, CSAT-Umfragen für bestimmte Arten von Tickets zu senden, wie Spam oder Verkaufsanfragen. Sie müssen ein benutzerdefiniertes Attribut erstellen, Ihre Mitarbeiter dazu bringen, es bei jeder einzelnen dieser Konversationen manuell zu setzen, und dann zusätzliche Verzweigungen in Ihren Workflow einbauen, um danach zu suchen.

Dies fügt Ihren Mitarbeitern nur mehr manuelle Arbeit hinzu und verwandelt das, was ein einfacher Workflow sein sollte, in ein unübersichtliches Chaos, dessen Pflege mühsam ist. Dies ist genau die Art von manueller Konfiguration, für die moderne KI-Tools entwickelt wurden, um sie automatisch zu handhaben, ohne dass Sie ein Labyrinth von Regeln erstellen müssen.

Ein intelligenterer Ansatz: Der Einsatz von KI

Anstatt sich in starren Regeln und umständlichen Workarounds zu verstricken, können Sie eine KI-Plattform integrieren, die sich gut in Ihren bestehenden Helpdesk einfügt. Ein Tool wie eesel AI verbindet sich direkt mit Intercom und fügt leistungsstarke neue Funktionen hinzu, ohne dass Sie die Plattform wechseln müssen.

Eine Intercom-Ticketansicht mit einem in der Seitenleiste integrierten KI-Copiloten, die einen intelligenteren Ansatz zur CSAT-Analyse demonstriert.

Gehen Sie über einfache Bewertungen hinaus mit KI-gestützter Triage

Die KI-Triage von eesel AI schaut nicht nur auf das Emoji, das ein Kunde angeklickt hat. Sie liest und versteht die gesamte Konversation und ermittelt den wahren Kontext, die Stimmung und die diskutierten Themen.

Das bedeutet, dass sie automatisch viel nützlichere Tags wie „stimmung:frustriert“, „thema:rechnungsfehler“ oder „produkt-feedback:ui-vorschlag“ anwenden kann. Sie kann dies auch dann erkennen, wenn der Kunde eine „Großartig“-Bewertung hinterlassen hat, und stellt so sicher, dass Sie niemals kritisches Feedback übersehen, das in seinen Kommentaren versteckt ist. Sie erhalten das vollständige Bild, nicht nur das Emoji.

In Minuten eingerichtet, nicht in Stunden

Sie können das Erstellen komplizierter Workflows mit Dutzenden von Verzweigungen und benutzerdefinierten Attributen vergessen. Mit eesel AI verbinden Sie einfach Ihr Intercom-Konto, und schon sind Sie fertig. Die KI beginnt sofort, aus Ihren früheren Konversationen zu lernen, um Ihre spezifischen Support-Probleme und Ihre Markenstimme zu verstehen. Sie können vom ersten Tag an wertvolle Einblicke gewinnen, ohne ein riesiges Einrichtungsprojekt oder die Einbeziehung von Entwicklern.

Erhalten Sie umsetzbare Einblicke, nicht nur Datensammlungen

Das Analyse-Dashboard in eesel AI listet nicht nur getaggte Konversationen auf. Es zeigt Trends auf und weist auf Lücken in Ihrer Wissensdatenbank hin. Es könnte Ihnen zum Beispiel zeigen, dass 25 % Ihrer negativen CSAT-Bewertungen mit einer verwirrenden Funktion zusammenhängen, für die es keinen guten Hilfeartikel gibt. Dies gibt Ihnen eine klare, datengestützte To-Do-Liste für Änderungen, die tatsächlich Ihr Ticketvolumen senken und die Kunden zufriedener machen werden.

Funktion	Native Intercom-Workflows	eesel AI
Tagging-Logik	Regelbasiert (z. B. WENN Bewertung X ist)	KI-basiert (analysiert den gesamten Konversationstext)
Einrichtungskomplexität	Hoch (erfordert Verzweigungen, CvDAs)	Niedrig (Ein-Klick-Integration)
Kontextuelle Nuancen	Niedrig (übersieht Kontext in Kommentaren)	Hoch (versteht Stimmung, Thema, Absicht)
Chats mit mehreren Teilnehmern	Versendet keine CSAT-Umfrage	Analysiert alle Konversationen unabhängig davon
Berichterstattung	Einfache Tag-Filterung	Umsetzbare Einblicke, Analyse von Wissenslücken

Was berechnet Intercom für Workflows?

Um die Workflows zu erstellen, über die wir gesprochen haben, benötigen Sie Zugriff auf den Workflow-Builder von Intercom. Diese Funktion ist nur in den Tarifen Advanced (ab 85 $ pro Arbeitsplatz und Monat) und Expert verfügbar.

Darüber hinaus hat Intercoms eigener KI-Agent, Fin, ein Preis pro Lösung-Modell. Wie Sie auf ihrer Preisseite sehen können, werden Ihnen 0,99 $ für jede Lösung berechnet. Dies kann zu unvorhersehbaren Kosten führen, die mit wachsendem Supportvolumen schleichend ansteigen und die Budgetierung erschweren.

Im Gegensatz dazu bieten Plattformen wie eesel AI transparente, vorhersagbare Preise, die auf Interaktionen basieren, nicht auf Lösungen. Sie erhalten einen klaren, festen Satz, sodass Sie nicht dafür bestraft werden, mehr Kunden zu helfen.

Vom einfachen Tagging zur tiefgehenden Analyse

Die Einrichtung eines Intercom-Workflows zum Taggen von Konversationen für die CSAT-Analyse ist ein guter Ausgangspunkt, um Kundenfeedback zu organisieren. Aber die Grenzen der regelbasierten Automatisierung bedeuten, dass Sie nur an der Oberfläche kratzen. Sie sehen das Was, aber Ihnen entgeht völlig das Warum.

Um die Geschichte hinter jeder Bewertung wirklich zu verstehen, benötigen Sie ein Werkzeug, das die gesamte Konversation analysieren kann. Indem Sie KI einsetzen, können Sie über einfaches, reaktives Tagging hinausgehen und anfangen, Trends zu erkennen, grundlegende Probleme zu beheben und ein Kundenerlebnis zu schaffen, das wirklich großartiges Feedback verdient.

Entdecken Sie die wahre Geschichte hinter Ihren CSAT-Werten

Sind Sie bereit, über das bloße Verfolgen von Emojis hinauszugehen? Sehen Sie, wie die nahtlose Integration von eesel AI mit Intercom Ihre CSAT-Analyse vollständig automatisieren und Ihnen die tiefen Einblicke geben kann, die Sie benötigen, um Ihre Kunden zufriedener zu machen.

Starten Sie eine kostenlose Testversion oder buchen Sie eine Demo noch heute.