Kundenbedürfnisse erkennen: ein praktischer Leitfaden für Support-Teams

Was "Kundenbedürfnisse erkennen" tatsächlich bedeutet

Ein Kundenbedürfnis ist das Ergebnis, das jemand erreichen will, nicht das Feature oder die Antwort, von der er glaubt, dass sie ihn dorthin bringt. Das klassische Beispiel: Jemand fragt, wie er sein Passwort zurücksetzt, aber das Bedürfnis ist "Ich bin ausgesperrt und habe eine Deadline." Löst man die wörtliche Anfrage, schließt man das Ticket. Löst man das Bedürfnis, bemerkt man, dass die Person jeden Montag ausgesperrt wird, weil die Sitzung übers Wochenende abläuft, und behebt die eigentliche Ursache der Tickets.

Es hilft, das Bedürfnis in drei Ebenen aufzuteilen, weil unterschiedliche Methoden unterschiedliche Ebenen sichtbar machen.

• Geäußerte Bedürfnisse sind das, was Kunden Ihnen direkt sagen: "Ich möchte eine Rückerstattung", "Wie exportiere ich meine Daten?". Leicht zu erfassen, leicht zu bearbeiten, und die flachste Ebene.
• Beobachtete Bedürfnisse sind das, was Kunden tun, unabhängig davon, was sie sagen: wo sie abspringen, welchen Hilfeartikel sie fünfmal erneut lesen, welches Ticket sie zweimal wieder öffnen.
• Latente Bedürfnisse sind die zugrunde liegende Aufgabe, die noch nicht formuliert wurde, manchmal weil den Kunden die Worte dafür fehlen. Hier liegen die eigentlichen Produkt- und Prozessverbesserungen, und das ist die am schwersten zu erreichende Ebene.

Der Fehler, den ich am häufigsten sehe: Das geäußerte Bedürfnis wird für das gesamte Bild gehalten. Ein Support-Workflow, der nur um geäußerte Bedürfnisse herum aufgebaut ist, ist per Definition reaktiv. Man beantwortet immer nur die gestellte Frage, nie die dahinterliegende.

Die Arten von Kundenbedürfnissen, die es zu verfolgen lohnt

Über die drei Ebenen hinaus lohnt es sich, die Arten von Bedürfnissen zu benennen, die im Support auftauchen, denn sie konkurrieren miteinander, und Sie müssen entscheiden, welches Sie optimieren.

Beachten Sie, dass Geschwindigkeit und funktionale Korrektheit oft gegeneinander ziehen, und dass das Kommunikationsbedürfnis unter allen anderen liegt. Eine schnelle, falsche Antwort nützt niemandem. Genau deshalb ist "einfach mehr Tickets deflektieren" ein schwaches Ziel: Deflection, die die emotionale Ebene und die Aufwandsebene ignoriert, verschiebt die Frustration nur stromabwärts.

Wo Teams das falsch machen: die Umfragefalle

Fragt man die meisten Teams, wie sie Kundenbedürfnisse erkennen, lautet die Antwort: "Wir schicken eine Umfrage." Umfragen sind nicht nutzlos, aber sie haben zwei Probleme, die man leicht übersieht.

Erstens der Antwort-Bias. Die Leute, die eine Umfrage ausfüllen, sind die Begeisterten und die Wütenden. Die breite Mitte, die Kunden, deren Bedürfnisse still unerfüllt bleiben, antwortet nicht, also optimiert man für die lauten Extreme und übersieht die Mehrheit.

Zweitens der Prompting-Bias. Eine Umfrage stellt die Fragen, die Sie sich bereits ausgedacht haben. Wenn Sie nicht daran gedacht haben, nach einem latenten Bedürfnis zu fragen, kann die Umfrage es nicht sichtbar machen. Man erhält präzise Antworten auf die falschen Fragen.

Ich habe das bei einem Support-Manager eines Bus-Tracking-Dienstes erlebt, der monatlich 200 bis 250 Zendesk-Tickets bearbeitete. Die gesamte Wissensdatenbank war für Administratoren geschrieben worden, aber die Tickets kamen von Fahrgästen. Keine Umfrage hat das entdeckt, weil niemand auf die Idee kam zu fragen: "Ist unsere Dokumentation für die falsche Zielgruppe geschrieben?" Die Tickets selbst machten es offensichtlich, sobald jemand sie als Ganzes las: dieselbe Fahrgast-Verwirrung, immer wieder, die die administratorenfokussierte Dokumentation nie beantwortete. Das ist das Anzeichen, dass man ein Bedürfnis falsch liest, und es taucht nie in einer Umfrage auf.

Das heißt nicht, Umfragen abzuschaffen. Es heißt, Umfragen sollten bestätigen, was Ihre operativen Daten bereits gesagt haben, nicht der erste Ort sein, an dem Sie nachsehen.

Fünf Wege, Kundenbedürfnisse zu erkennen

Es gibt keine einzelne Quelle der Wahrheit. Die starken Teams triangulieren über mehrere Quellen und gewichten die am wenigsten verzerrten stärker.

1. Umfragen und CSAT - gut, um ein bekanntes Bedürfnis über Zeit zu verfolgen, schwach darin, ein neues zu entdecken. Halten Sie sie kurz und an eine konkrete Interaktion gebunden. Eine CSAT-Umfrage nach einem gelösten Ticket schlägt eine jährliche Mega-Umfrage, und es gibt Feedback-Tools, die die Erfassung automatisieren.
2. Einzelinterviews - die Methode mit der höchsten Genauigkeit für latente Bedürfnisse, und die am wenigsten skalierbare. Fünf echte Gespräche lehren mehr über das Warum als tausend Umfragezeilen. Nutzen Sie sie, um in die Tiefe zu gehen, nicht in die Breite.
3. Auswertung von Support-Tickets - die Methode, die die meisten Teams am wenigsten nutzen, und die, zu der ich zuerst greifen würde. Jedes Ticket sagt Ihnen unaufgefordert, wo genau Ihr Produkt oder Ihre Dokumentation versagt hat. Mehr dazu weiter unten.
4. Verhaltensanalysen - was Kunden im Produkt tatsächlich tun. Abbruchpunkte, Rage-Clicks, das Feature, das niemand findet. Das ist Ihre Ebene der beobachteten Bedürfnisse.
5. Notizen von Front- und Vertriebsteams - Ihre Agenten und Vertriebler hören täglich dieselben Einwände und Anfragen. Dieses stillschweigende Wissen ist eine Goldgrube, und es steckt meist in den Köpfen der Leute statt in einem gemeinsamen Dokument. Es festzuhalten lohnt ein wiederkehrendes 15-Minuten-Ritual.

Das Muster, das sich durch alle fünf zieht: Je weiter man sich von "Leute bitten, selbst zu berichten" entfernt und je näher man an "beobachten, was tatsächlich passiert ist" herankommt, desto weniger Verzerrung trägt man mit sich.

Die Methode, die die meisten Teams auslassen: die Auswertung Ihrer Support-Gespräche

Hier kommt der Teil, der mir am wichtigsten ist, weil ich hier bei Teams den größten "Aha"-Moment beobachtet habe.

Ihre Support-Warteschlange ist eine fortlaufende, unaufgeforderte, zeitgestempelte Aufzeichnung jedes Bedürfnisses, das Ihre Kunden nicht selbst erfüllen konnten. Sie ist größer als jede Umfrage-Stichprobe, in den eigenen Worten des Kunden geschrieben, und erfasst das Bedürfnis genau in dem Moment, in dem es wehtat. Es gibt kein ehrlicheres Research-Panel. Der einzige Grund, warum Teams sie nicht so nutzen, ist, dass es unmöglich ist, zehntausend Tickets von Hand zu lesen, also liegen die Daten einfach ungenutzt herum.

Genau diese Einschränkung hebt KI tatsächlich auf. Statt manuellem Ticket-Tagging liest ein KI-Modell die gesamte Historie und gruppiert Gespräche nach Thema, sodass sich die wiederkehrenden Bedürfnisse selbst nach Häufigkeit einordnen.

Bei eesel ist das der Teil, mit dem ich immer anfange, weil wir jahrelang beobachtet haben, was passiert, wenn ein Team seine Warteschlange endlich als Datensatz sieht. Verbindet man ein Helpdesk-System, liest die KI als Erstes die vergangenen Tickets und macht die Themen sichtbar: welche Themen das meiste Volumen verursachen, wo die Wissensdatenbank Lücken hat, welche Fragen wieder eröffnet werden. Oft erfährt man in diesem ersten Bericht mehr über die Bedürfnisse der Kunden als in einem ganzen Jahr voller Umfragen.

eesels Reports machen die wiederkehrenden Themen in Ihrer Tickethistorie sichtbar, sodass sich die Bedürfnisse mit dem höchsten Volumen von selbst einordnen.

Was das Ganze vertrauenswürdig macht statt zu einer Blackbox, ist die Simulation. Bevor irgendetwas automatisiert wird, lässt eesel die KI gegen Ihre historischen Tickets laufen und zeigt Ihnen Thema für Thema, was sie geantwortet hätte und wo sie gescheitert wäre. Das ist ein diagnostischer Bericht sowohl über die Bedürfnisse Ihrer Kunden als auch über Ihre Fähigkeit, sie zu erfüllen, und genau das soll "Kundenbedürfnisse erkennen" leisten. Ich habe schon selbstbewusst klingende Bots erlebt, die still und leise falsche Antworten gaben, deshalb zeige ich einem Team lieber vorab die Lücken, als sie in einer echten Warteschlange entdecken zu lassen.

"Im ersten Monat löst eesel 73 % unserer Tier-1-Anfragen. Wir haben während unserer 7-tägigen Testphase schnell Ergebnisse gesehen."

Kim Simpson, Gridwise (G2-Bewertung)

Die 73 %-Zahl ist weniger wichtig als das, was sie impliziert: 73 % ihres Tier-1-Volumens waren eine kleine, sich wiederholende Menge an Bedürfnissen, die mit vorhandenem Wissen vollständig beantwortbar waren. Sie konnten diese Menge nur nicht sehen, bis die Tickets gruppiert wurden.

Bedürfnisse in Handlung umsetzen

Ein Bedürfnis zu erkennen ist nur die halbe Arbeit. Der Punkt ist, den Kreis zu schließen, und Support-Daten schließen ihn schneller als jede andere Quelle, weil sie fortlaufend sind.

• Die Wissenslücke schließen. Wenn ein Thema immer wieder auftaucht und Ihre Dokumentation es nicht abdeckt, ist das ein fehlender Hilfeartikel, kein Schulungsproblem. Manche KI-Tools entwerfen den Artikel für das nicht abgedeckte Thema sogar selbst.
• Die Grundursache beheben. Wenn "jeden Montag ausgesperrt" ein Top-Thema ist, ist die Antwort ein technischer Fix, kein besseres Makro. Leiten Sie diese Themen an das Produktteam weiter.
• Den Aufwand neu verteilen. Sobald Sie die fünf wichtigsten wiederkehrenden Bedürfnisse kennen, wissen Sie, wo Automatisierung und Self-Service tatsächlich etwas bewegen, statt zu raten.
• Erneut messen. Hier verdienen sich Umfragen ihren Platz. Eine gezielte CSAT-Umfrage zu einem Thema, das Sie gerade angegangen sind, sagt Ihnen, ob Sie das Bedürfnis richtig gelesen haben.

Machen Sie das zu einem festen Kreislauf, und Ihr Verständnis der Kundenbedürfnisse hört auf, ein einmal im Jahr stattfindendes Forschungsprojekt zu sein, und wird zu einem laufenden Feed.

eesel ausprobieren, um zu lesen, was Ihre Kunden brauchen

Wenn die ehrliche Antwort auf "Woher wissen wir, was unsere Kunden brauchen?" lautet "Wir schicken eine Umfrage und raten", ist eesel AI für die bessere Version gebaut. Es verbindet sich mit Ihrem Helpdesk (Zendesk, Freshdesk, Gorgias, HubSpot, Front und 100+ weiteren), liest Ihre bestehenden Tickets und Dokumente und macht die wiederkehrenden Themen und Wissenslücken bereits in Ihrem ersten Simulationslauf sichtbar, bevor Sie irgendetwas automatisieren.

eesel liest Ihre laufende Ticket-Aktivität und vergangene Historie, um sichtbar zu machen, was Kunden immer wieder wollen.

Das Unterscheidungsmerkmal ist, dass es aus Ihren gelösten Tickets lernt, nicht nur aus Ihren Hilfe-Center-Artikeln, und so die Bedürfnisse versteht, die Ihr Team bereits zu erfüllen weiß. Es ist kostenlos zum Testen ohne Kreditkarte, und Sie können es in wenigen Minuten auf Ihre eigene Historie loslassen und sehen, was Ihre Warteschlange die ganze Zeit über zu sagen hatte.