Datenanalyse

Im folgenden Kapitel wird die Text- und statistische Analyse des Kundenfeedbacks von Bulk behandelt. Durch die Kombination von textbasierter und statistischer Analyse wird ein umfassendes Bild der Stärken und Schwächen des Unternehmens gezeichnet und potenzielle Verbesserungsbereiche identifiziert. Verschiedene Analysemethoden werden vorgestellt, wie beispielsweise Sentiment-Analyse, Themenmodellierung, Häufigkeitsanalyse von Schlüsselwörtern und Korrelationsanalyse, um die wesentlichen Aspekte des Kundenfeedbacks systematisch zu erfassen und daraus Handlungsempfehlungen abzuleiten.

Deskriptive Statistik

In der Analyse wurden die deskriptive Statistik für die Sternebewertungen durchgeführt. Die grundlegenden statistischen Kennzahlen, die berechnet wurden, sind der Durchschnitt, Median, Standardabweichung und die Spannweite der Bewertungen.

Der Durchschnitt der Sternebewertungen beträgt 4,5, was darauf hinweist, dass die Kunden insgesamt zufrieden sind und eher positive Bewertungen abgeben. Der Median von 5 zeigt, dass mindestens 50% der Bewertungen die höchste Punktzahl von 5 Sternen haben. Die Standardabweichung von 1,13 zeigt, dass die Bewertungen eine gewisse Streuung aufweisen, was bedeutet, dass es sowohl sehr positive als auch weniger zufriedene Kunden gibt.

Die Spannweite der Sternebewertungen reicht von 1 bis 5, was darauf hindeutet, dass das gesamte Spektrum an Bewertungen abgedeckt ist. Die Tatsache, dass die höchste und zweithöchste Anzahl von Bewertungen bei 5 und 4 Sternen liegt und die dritthöchste Anzahl bei 1 Stern liegt, zeigt, dass die Mehrheit der Kunden entweder sehr zufrieden oder sehr unzufrieden ist, was auf eine Polarisierung der Meinungen hindeutet.

Sentiment Analyse

Die Sentiment-Analyse der Kundenkommentare für das E-Commerce-Unternehmen "Bulk" hat aufschlussreiche Einblicke geliefert. Mit R wurden die Daten sorgfältig untersucht, um die allgemeine Stimmung der Kundenbewertungen besser zu verstehen.

Zunächst wurden die Kundenkommentare bereinigt, indem sie in Wörter zerlegt und unnütze Wörter entfernt wurden, um eine präzise Analyse durchzuführen. Anschließend wurden die bereinigten Kommentare mit einem Sentiment-Lexikon verknüpft, um die Stimmung dahinter zu verstehen. Daraufhin wurde für jedes Kommentar ein Sentiment-Score berechnet, indem die Anzahl der positiven Wörter von der Anzahl der negativen Wörter abgezogen wurde.

Die Ergebnisse der Analyse zeigten einen durchschnittlichen Sentiment-Score von 1,44, was darauf hindeutet, dass die Kundenbewertungen insgesamt eher positiv ausfallen. Von allen analysierten Kommentaren wurden 22767 als positiv, 4631 als negativ und 1922 als neutral eingestuft. Die Anzahl der negativen Kommentare ist im Vergleich zu den positiven Kommentaren wesentlich geringer, was darauf hindeutet, dass das Unternehmen einen guten Ruf und eine hohe Kundenzufriedenheit genießt.

Themenmodellierung

Latent Dirichlet Allocation (LDA) ist eine Machine-Learning-Technik zur Identifizierung von Hauptthemen in Textdaten. Es handelt sich hierbei um eine Unsupervised Learning-Methode, welche keine festen Antworten oder Kategorien vorgeschrieben bekommt, sondern die Struktur und Themen der Daten selbst bestimmt. Diese Methode wird üblicherweise eingesetzt, um große Textdatensätze zu analysieren und zu verstehen, welche Themen und Probleme aus Kundensicht wichtig sind. Durch die Anwendung von LDA wird die Datenmenge auf eine Weise reduziert, die es ermöglicht, die zugrunde liegenden Themen und Trends zu erkennen. Die Erkenntnisse können dabei helfen, Einblicke in die Meinungen und Bedürfnisse von Kunden zu gewinnen und Strategien zur Verbesserung der Kundenzufriedenheit zu entwickeln.

Bei der Analyse der Kundenerfahrungen wurden insgesamt vier Hauptthemen identifiziert. Das erste Thema zeigt, dass die Kunden besonders auf die Qualität und den Preis der Produkte achten. Die Kunden wollen Produkte von hoher Qualität zu einem angemessenen Preis erwerben. Das zweite Thema zeigt, dass die Kunden auch auf die Lieferung und den Kundendienst achten. Kunden wollen nicht nur gute Produkte, sondern auch eine gute Erfahrung bei der Bestellung und Lieferung. Das dritte Thema konzentriert sich auf die schnelle Lieferung von Produkten und die Nutzung von Proteinpulver. Dies könnte darauf hindeuten, dass Kunden, die Proteinpulver bestellen, auf eine schnelle Lieferung angewiesen sind, um ihre Trainingsroutine aufrechtzuerhalten. Schließlich betont das vierte Thema nochmal, dass Kunden auf Qualität, Lieferung und Kundendienst achten. Kunden wollen in allen Aspekten ihrer Bestellung und Lieferung eine hervorragende Erfahrung machen.

Zusammenfassend lässt sich sagen, dass die Kundenerfahrungen in erster Linie von der Qualität der Produkte, der Liefergeschwindigkeit und dem Kundenservice beeinflusst werden. Die Themen sind eng miteinander verknüpft und zeigen, dass Kunden sich ein ganzheitliches Erlebnis wünschen, bei dem Produkte von hoher Qualität schnell und zuverlässig geliefert werden und ein guter Kundenservice geboten wird. Dies kann dazu beitragen, Kunden langfristig an das Unternehmen zu binden und positive Bewertungen zu generieren.

Korrelationsanalyse

Die Korrelationsanalyse ist eine statistische Methode, die verwendet wird, um die Stärke und Richtung der Beziehung zwischen zwei Variablen zu untersuchen. In unserem Fall möchten wir herausfinden, wie bestimmte Schlüsselwörter in Kundenbewertungen mit der Sternebewertung in Zusammenhang stehen. Durch die Untersuchung dieser Beziehungen können wir Einblicke in die Faktoren gewinnen, die die Kundenzufriedenheit beeinflussen, und somit bessere Geschäftsentscheidungen treffen.

Zunächst wurden die meistgenannten Wörter in den Kundenbewertungen ermittelt und wichtige Schlüsselwörter ausgewählt. Dazu gehörten "Produkt", "Lieferung", "Preis", "Qualität", "Geschmack", "Aroma" und "vegan". Anschließend wurde die Korrelation zwischen den Sternebewertungen und den Schlüsselwörtern berechnet, um ihre Beziehung zu analysieren.

Insgesamt deuten die Ergebnisse darauf hin, dass bestimmte Aspekte des Kundenerlebnisses, wie Produkte, Lieferung, Preis, und Qualität, einen positiven Einfluss auf die Sternebewertungen haben, während andere Aspekte, wie die Erwähnung von Geschmack, Aroma und veganen Produkten negative Beziehungen aufweisen.

Zufriedene Kunden verwendeten häufiger das Wort "Produkte", was auf die Bedeutung von qualitativ hochwertigen Produkten für die Kundenzufriedenheit hinweist. Ein weiterer Faktor, der zu höheren Sternebewertungen beiträgt, ist eine schnelle und zuverlässige Lieferung. Preis spielt ebenfalls eine entscheidende Rolle für die Kundenzufriedenheit.

Die negative Korrelation zwischen Sternebewertungen und Geschmack sowie Aroma deutet darauf hin, dass Bulk in die Entwicklung neuer Geschmacksrichtungen investieren und bestehende Rezepturen optimieren sollte, um den Geschmacksvorlieben der Kunden gerecht zu werden.

Schließlich weist die negative Korrelation mit veganen Produkten darauf hin, dass Kunden, die vegane Produkte suchen, möglicherweise mit dem Angebot von Bulk weniger zufrieden sind.