Das Ziel dieser Arbeit ist die Entwicklung und Validierung eines spezifischen Vorgehensmodells für die Nutzung von KI-basierter Text-Klassifikation von E-Mails im B2C-Kundenservice, um eine Lücke zwischen allgemeinen Machine Learning-Vorgehensmodellen und praktisch anwendbaren Leitfäden zu schließen. Durch die Anwendung von Design Science Research wird ein neues Modell vorgeschlagen, das auf die Bewertung von Potenzialen für die Text-Klassifikation von E-Mails ausgerichtet ist.
Diese Arbeit nimmt eine realitätsnahe Stichprobe von E-Mails aus dem Kundenservice eines Unternehmens und analysiert diese mithilfe der SIPOC-Methode, um relevante Prozess-Klassen für die Text-Klassifikation zu identifizieren. Dadurch wird ein praxisnaher Beitrag zur Optimierung des Kundenservice durch effiziente E-Mail-Klassifizierung geleistet. Die vorliegende Arbeit zeigt, wie die Ergebnisse einer SIPOC-Analyse genutzt werden können, um relevante Prozess-Klassen für den späteren Einsatz des E-Mail-Klassifikators zu identifizieren.
Inhaltsverzeichnis
- Kurzfassung
- Abstract
- Vorgehensmodell für den Einsatz eines E-Mail-Klassifikators im B2C-Kundenservice
- Disclaimer - Gendergerechte Sprache
Zielsetzung und Themenschwerpunkte
Diese Arbeit verfolgt das Ziel, ein Vorgehensmodell für die initiale Phase eines Data Science-Projektes zu entwickeln, welches die Bewertung von Potenzialen hinsichtlich einer Text-Klassifikation von E-Mails im B2C-Kundenservice ermöglicht. Dabei werden Erkenntnisse aus verschiedenen Disziplinen, wie etwa Business-Analyse und digitale Reifegradmodelle, integriert und neu kombiniert.
- Entwicklung eines Vorgehensmodells für die Potenzialanalyse von Text-Klassifikation im B2C-Kundenservice
- Integration von Wissen aus Business-Analyse und digitalen Reifegradmodellen
- Anwendung des Modells auf eine reale Stichprobe von E-Mails aus einem Kundenservice-Umfeld
- Identifikation relevanter Prozess-Klassen für den Einsatz eines E-Mail-Klassifikators
- Beitrag zur Schließung der Lücke zwischen theoretischen Modellen und praktischer Anwendbarkeit
Zusammenfassung der Kapitel
- Die Kurzfassung und das Abstract geben einen Überblick über die Thematik der Arbeit und die wesentlichen Ergebnisse.
Schlüsselwörter
Die Arbeit beschäftigt sich mit den Themen #vorgehensmodell, #machinelearning, #kundenservice, #textklassifikation, #businessunderstanding, #geschäftsprozessanalyse, #potenzialanalyse und #sipoc.
- Arbeit zitieren
- Monika Arbter-Hubrich (Autor:in), 2022, Die Optimierung des B2C-Kundenservice durch KI, München, GRIN Verlag, https://www.grin.com/document/1453424