Leseprobe
Inhaltsverzeichnis
Abkürzungsverzeichnis
Abbildungsverzeichnis
1 Einführung in die Thematik
2 Theoretischer Hintergrund
2.1 Historische Entwicklung von Chatbots
2.2 Die Customer Journey im digitalen Zeitalter
2.3 Anwendung von Chatbots innerhalb der Customer Journey
3 Forschungsmethode
3.1 Umfang der Recherche
3.2 Konzeptualisierung des Themas
3.3 Literaturrecherche
4 Ergebnisse
4.1 Motive für den Einsatz von Chatbots
4.2 Potentiale von Chatbots
5 Inhaltliche Diskussion der Ergebnisse
5.1 Implikationen und weiterer Forschungsbedarf
5.2 Limitationen
6 Fazit
Literaturverzeichnis
Anhang
Bibliografische Information der Deutschen Nationalbibliothek:
Die Deutsche Nationalbibliothek verzeichnet diese Publikation in der Deutschen Nationalbibliografie; detaillierte bibliografische Daten sind im Internet über http://dnb.d-nb.de abrufbar.
Impressum:
Copyright © Science Factory 2021
Ein Imprint der GRIN Publishing GmbH, München
Druck und Bindung: Books on Demand GmbH, Norderstedt, Germany
Covergestaltung: GRIN Publishing GmbH
Abkürzungsverzeichnis
AI: Artificial Intelligence
CC: Conversational Commerce
CJ: Customer Journey
CX: Customer Experience
ML: Machine Learning
SLA: Systematische Literaturanalyse
TP: Touchpoint
UX: User Experience
Abbildungsverzeichnis
Abbildung 1: Begriffsabgrenzung "Conversational Agents"
Abbildung 2: Arten von Chatbots
Abbildung 3: Klassifizierung von Chatbots
Abbildung 4: Kaufentscheidungsprozess
Abbildung 5: Prozessmodell
Abbildung 6: Prozessmodell mit Integration von Chatbots
Abbildung 7: Framework for literature reviewing
Abbildung 8: Taxonomy of Literature Review
Abbildung 9: Auswahlverfahren Literaturrecherche
Abbildung 10: Konzeptmatrix
1 Einführung in die Thematik
Die digitale Transformation hat das gesellschaftliche und wirtschaftliche Leben maßgeblich verändert. Die permanente Erreichbarkeit der Menschen und die ständige Verfügbarkeit von Wissen und Informationen prägen das Verhalten sowie die Bedürfnisse der Kunden nach einem schnellen und individuellen Service (Kruse Brandão und Wolfram 2018). Zudem sind Unternehmen mit ständigen Änderungen der Kundenanforderungen konfrontiert, welche wiederum die Dynamik der Customer Journey (CJ) beeinflussen. Dies erschwert es den Unternehmen zusätzlich, die individuellen Bedürfnisse der Kunden zu verstehen, diese in die betriebliche Realität abzubilden und langfristig gesehen, die für den wirtschaftlichen Erfolg verantwortliche Customer Experience (CX) zu optimieren. Die steigende Komplexität der CJ und die Geschwindigkeit, mit der sich die digitale Welt als auch die Kundenbedürfnisse verändern, erfordern innovative und intelligente Möglichkeiten, um die Informationen und Angebote entlang der gesamten CJ zur richtigen Zeit und am richtigen Ort platzieren zu können.
Ein möglicher Lösungsansatz bietet der Einsatz von Artificial Intelligence (AI) in Form von sprach- oder textbasierten Interfaces, auch Chatbots genannt (Dale 2016). Chatbots als ein Tool der AI besitzen das Potential die Interaktion mit dem Kunden über die unterschiedlichen Kaufphasen auf eine neue Ebene zu setzen, die Kundenkommunikation effizienter zu gestalten und so die Grenzen der Produktivität zu erweitern. Chatbots sind „digitale Dialogsysteme“, die in der Lage sind auf Basis der natürlichen Sprache einen automatisierten Dialog zu führen. Die Aufgabengebiete sind dabei vielfältig und lassen sich theoretisch in vielen Bereichen innerhalb der CJ integrieren (Wagener 2019). Conversational Commerce (CC), als eine neue Form der Kundenkommunikation, ermöglicht es den Unternehmen die Interaktion mit den Kunden durch den Einsatz von Chatbots intelligent zu automatisieren und den Kunden aus dem Dialog heraus zum Produktkauf zu motivieren (Gentsch 2019). Die Implementierung von Chatbots ist trotz der medialen Aufmerksamkeit und Aktualität dieser Thematik noch lange nicht im Alltag der Kunden angekommen. In einer veröffentlichten Online-Umfrage zu den aktuellen E-Commerce Trends 2020 des Online-Preisvergleichsportal „Idealo“, gaben mehr als die Hälfte aller Befragten an, sich noch nie wissentlich mit einem Chatbot innerhalb des Kundenservice unterhalten zu haben (Rehse 2020). Nicht nur in der Praxis, auch in der wissenschaftlichen Literatur sind die möglichen Potentiale und Einsatzmöglichkeiten von Chatbots entlang der CJ weitestgehend unerforscht. Mithilfe einer systematischen Literaturanalyse (SLA) sollen mögliche Potentiale durch den Einsatz von textbasierten Chatbots entlang der CJ ermittelt und aufgezeigt werden.
Im Fokus dieser Bachelorarbeit steht dabei die Beantwortung der folgenden Forschungsfragen:
- Was sind die Motive für den Einsatz von Chatbots aus Kunden- und Unternehmenssicht?
- Wie können Unternehmen im digitalen Zeitalter Kunden mit ihrem komplexen Informations- und Kaufverhalten entlang der CJ durch den Einsatz von Chatbots optimal begleiten? Welche Potentiale ergeben sich daraus für die Unternehmen?
Das übergeordnete Ziel dieser Bachelorarbeit ist es, diese Forschungslücke zu schließen und darüber hinaus aufzuzeigen, welche Potentiale sich durch den Einsatz von textbasierten Chatbots entlang der CJ ergeben.
Zur Beantwortung der Forschungsfragen gestaltet sich der Aufbau der Bachelorarbeit wie folgt: Zunächst werden die relevanten und theoretischen Grundlagen zur Thematik Chatbot und CJ erläutert und aufgezeigt. Um den idealen Weg der Kunden von der ersten Kontaktaufnahme bis hin zum letztendlichen Kaufabschluss nachvollziehen zu können, werden die identifizierten Potentiale entlang der drei Kaufphasen (Vorkauf-, Kauf- und Nachkaufphase) nach dem Prozessmodell von Lemon und Verhoef (2016) zugeordnet (siehe Kapitel 2.2.3). Die Studie von den Autoren Lemon und Verhoef mit dem Titel „Understanding Customer Experience Throughout the Customer Journey“, ist eines der bekanntesten und am meisten zitierten Modelle in diesem Bereich, weshalb es für diese Bachelorarbeit als theoretische Fundierung herangezogen wird. Im Anschluss erfolgt die Einordnung und inhaltliche Zusammenfassung der beiden Themenfelder in den Themenbereich des CC, welches als Interface für AI-gestützte Services den effektiven Einsatz von Chatbots entlang der CJ ermöglicht. Kapitel 3 konkretisiert die angewendete Forschungsmethode dieser Bachelorarbeit. Mithilfe einer SLA soll der aktuelle Forschungsstand zu den Motiven und Potentialen von Chatbots anhand aktueller Studien und Konferenzen zusammengetragen und systematisiert werden. Aufgrund der vorgenommenen Einteilung in die zuvor bereits erläuterten Kaufphasen, können die ermittelten Potentiale von Chatbots für die CJ bei der Präsentation der Ergebnisse in Kapitel 4, am übersichtlichsten darstellt und eingeordnet werden. Im fünften Kapitel werden die erzielten Ergebnisse aus der Literaturanalyse diskutiert, theoretische und praktische Implikationen und Limitationen aufgezeigt sowie ein Einblick in die zukünftige Forschungsagenda gewährt. Trotz des steigenden Interesses von Unternehmen Chatbots in ihre Unternehmensprozesse zu integrieren, äußern viele wissenschaftliche Studien ihre Bedenken und betonen mögliche Herausforderungen, Risiken und überhöhte Erwartungen der Kunden an die Fähigkeiten und Möglichkeiten dieser Technologie (Følstad et al. 2018; Grudin und Jacques 2019; Zamora 2017). Auf Basis der Untersuchungsergebnisse können Empfehlungen für die zukünftige Forschung abgeleitet werden, um den Einsatz von Chatbots entlang der CJ weiter zu fördern. Das letzte Kapitel dieser Bachelorarbeit beinhaltet abschließend ein kurzes inhaltliches Fazit.
2 Theoretischer Hintergrund
In diesem Kapitel werden die relevanten und theoretischen Grundlagen zur Thematik Chatbot und CJ erläutert. Dazu werden zunächst die Begrifflichkeiten rund um das Thema Chatbot beschrieben, mit dem Ziel, einen Überblick über die historische Entwicklung, Definitionen, Arten und Klassifizierungen zu gewährleisten. Die begrifflichen Grundlagen der CJ inklusive des Prozessmodells von Lemon und Verhoef (2016) werden in Kapitel 2.2 thematisiert. Abschließend werden die beiden Themenfelder in den Kontext des CC gesetzt und inhaltlich zusammengefasst. Die Erkenntnisse auf Basis der theoretischen Fundierung werden anschließend dafür verwendet, das Prozessmodell von Lemon und Verhoef (siehe Kapitel 2.2.3) um fehlende Aspekte zum Themengebiet Chatbot zu ergänzen.
2.1 Historische Entwicklung von Chatbots
Durch die voranschreitende Digitalisierung und den sich daraus ergebenden technologischen Entwicklungen und Innovationen im Bereich der künstlichen Intelligenz sowie der Verarbeitung natürlicher Sprache, haben textbasierte Chatbots als eine Erscheinungsform der „Conversational Interfaces“ zunehmend an Bedeutung gewonnen (Brandtzaeg und Følstad 2017; Fiore et al. 2019b; Klopfenstein et al. 2017). Hinter dem Trend-Thema „Chatbot“ verbirgt sich jedoch keine neue Technologie. Der Begriff hat schon einige Meilensteine hinter sich und existiert seit den frühen Anfängen der Mensch-Maschinen Interaktion (Khan und Das 2018). Inspiriert durch den von Alan Turing in den 1950er Jahren eingeführten „Turing Test“ mit der Fragestellung „Can a Machine Think?“, begannen Wissenschaftler Computerprogramme zu entwickeln, die einen menschlichen Kommunikationspartner simulieren sollten (Turing 1995). Der erste, wohl berühmteste Chatbot mit dem Namen „ELIZA“ wurde 1966 durch den Informatiker Joseph Weizenbaum eingeführt und ist als Vorläufer aller Chatbots bekannt (Spierling 2018). Durch technologische Weiterentwicklungen im Bereich der AI konnten Chatbots ab dem Jahr 1980 durch technologische Fortschritte im Kontext des Machine Learning (ML) einfacher trainiert und implementiert werden (Radziwill und Benton 2017). Um das Jahr 2016 nahm, durch die Integration von Chatbots innerhalb von Messenger-Plattformen, die Implementierung der Technologie rasant zu (Dale 2016). Die zunehmende Beliebtheit zahlreicher Messaging-Plattformen, wie Facebook Messenger, Skype, Slack, WeChat und Telegram, veranlasst immer mehr Unternehmen in die automatisierte Kundenkommunikation zu investieren (Følstad und Brandtzæg 2017). Aufgrund der starken Relevanz und der ansteigenden Implementierung befasst sich der nachfolgende Teil mit den begrifflichen Grundlagen rund um das Thema Chatbot. Da sich der Fokus dieser Bachelorarbeit weniger auf die technischen Aspekte von Chatbots, sondern vielmehr auf die wirtschaftlichen Potentiale richtet, finden die technischen Komponenten und Funktionsweisen keine nähere Betrachtung.
2.1.1 Definitionen und begriffliche Grundlagen
Chatbot. Die Begriffsbezeichnung „Chatbot“ setzt sich aus den beiden englischen Wörtern „to chat“ [deutsch: plaudern] und „bot“ [deutsch: Abkürzung von Roboter] zusammen (Zumstein und Hundertmark 2017). Als gängige Bezeichnungen werden die Begriffe „machine conversation system“, „virtual agent“, „conversational agent“, „dialogue system“, „bot“ oder „chatterbot“ als Synonyme verwendet (Ikumoro und Jawad 2019; Shawar und Atwell 2007). Im weiteren Verlauf dieser Bachelorarbeit wird aus Gründen der Übersichtlichkeit der Begriff „Chatbot“ als Oberbegriff verwendet. Innerhalb der wissenschaftlichen Literatur existieren unterschiedliche Definitionen für den diesen Begriff. Laut Zumstein und Hundertmark (2017) ist ein Chatbot „(…) a computer program, which simulates human language with the aid of a text-based dialogue system” (Zumstein und Hundertmark 2017, S. 98). Thies et al. (2017) betonen dabei die Fähigkeit eines Chatbots menschliche Konversationen zu simulieren: „A chatbot is an artificially intelligent chat agent that simulates human-like conversation“ (Thies et al. 2017, S. 441). Laut Dale (2016) besteht die Aufgabe eines Chatbots darin, die Unterhaltung mit einer Maschine über den Dialog sowie dem Einsatz der natürlichen Sprache zu simulieren (Dale 2016). In der engeren Definition handelt es sich bei einem Chatbot um eine dialogorientierte Technologie die dazu fähig ist, die Anfrage eines Nutzers zu interpretieren und auf Basis der natürlichen Sprache zu antworten (Dale 2016; Spierling 2018). Die Autoren Radziwill und Benton (2017) nehmen in ihrer Publikation eine genauere Differenzierung der Bezeichnung „Conversational Agents“ vor.
Abbildung in dieser Leseprobe nicht enthalten
Abbildung 1: Begriffsabgrenzung "Conversational Agents" (in Anlehnung an: Radziwill und Benton 2017, S.28)
Wie in Abbildung 1 ersichtlich, stellen Chatbots eine Unterkategorie der „Conversational Agents“ dar. „Embodied Conversational Agents“ unterscheiden sich von Chatbots durch die Visualisierung eines virtuellen Körpers, mithilfe dessen die menschliche Mimik und Gestik nachgeahmt werden kann (Radziwill und Benton 2017).
Artificial Intelligence und Machine Learning. Laut Brandtzaeg und Følstad (2017) kann das derzeitige steigende Interesse an Chatbots auf die technologischen Fortschritte in den Bereichen der AI und des ML zurückgeführt werden (Følstad und Brandtzæg 2017). AI ist ein Teilgebiet der Informatik und beschreibt „(…) the science of making computers do things that require intelligence when done by humans” (Michiels 2017, S. 73). Ikumoro und Jawad (2019) sprechen in ihrer Publikation von sogenannten „AI-Chatbots“, die dem Nutzer personalisierte Services in Form einer intelligenten Konversation ermöglichen (Ikumoro und Jawad 2019). Die weiteren Entwicklungen im Bereich der AI befassen sich mit der Lösung komplexer Probleme mithilfe von intelligenten Computeranwendungen. Eng verbunden mit dem Begriff der AI ist ML, welches im übertragenen Sinne künstliches Wissen aus Erfahrungen generieren kann (Gentsch 2019).
2.1.2 Arten von Chatbots
Entlang der Kundeninteraktion kommen Chatbots in unterschiedlichen Anwendungsgebieten zum Einsatz. Laut Elsholz et al. (2019) werden die meisten textbasierten Chatbots vor allem im Bereich des Kundenservice zur Automatisierung des Kundendialogs implementiert (Elsholz et al. 2019). Brandtzaeg und Følstad (2017) unterscheiden Chatbots nach ihrem zu erfüllenden Zweck innerhalb der Anwendungsgebiete „Kundenservice“, „soziale und emotionale Unterstützung“, „Information“ und „Unterhaltung“ (Brandtzaeg und Følstad 2017). In den unterschiedlichen Anwendungsgebieten lassen sich verschiedene Arten von Chatbots differenzieren. Im Rahmen dieser Bachelorarbeit liegt der zentrale Fokus auf den Chatbot-Arten im Bereich des Kundendialogs. Die Untergliederung von Wagener (2019) nach ihrer Funktion in die Bereiche Content, Product Information und Recommendation, Ordering und Customer Service kann der Abbildung 2 entnommen werden (Wagener 2019).
Abbildung in dieser Leseprobe nicht enthalten
Abbildung 2: Arten von Chatbots (in Anlehnung an: Wagener 2019, S.146)
Die spezifischen Möglichkeiten dieser Chatbot-Arten für die Optimierung der CJ, werden im Kapitel 2.3.2 näher betrachtet und aufgezeigt.
2.1.3 Klassifizierung von Chatbots
Chatbots können nicht nur nach ihrer Art, sondern auch nach ihren Eigenschaften differenziert werden. Zur besseren Übersicht und Unterscheidung der möglichen Eigenschaften von Chatbots, erfolgt eine Klassifizierung in die folgenden Kategorien: Wissensdomäne, Intelligenz, Aufgabenspektrum und Dialogform. Innerhalb der wissenschaftlichen Literatur existieren dabei unterschiedliche Ansatzweisen für die Einordnung und Klassifizierung von Chatbots. Die Erkenntnisse unterschiedlicher Autoren werden nachfolgend in Abbildung 3 zusammengefasst:
Abbildung in dieser Leseprobe nicht enthalten
Abbildung 3: Klassifizierung von Chatbots (in Anlehnung an Nimavat und Champaneria 2017, S.1020)
Klassifizierung auf Basis der Wissensdomäne. Die erste mögliche Klassifizierung findet auf Basis der Wissensdomäne statt, über die ein Chatbot verfügt beziehungsweise zurückgreifen kann. Man unterscheidet zwischen einer offenen und einer geschlossenen Wissensdomäne. Eine offene Domäne besitzt eine große Bandbreite an hinterlegten Daten zu generellen Themen, welche Konversationen jeglicher Art ermöglichen. Bei einer geschlossenen Domäne sind die Frage- und Antwortmodule auf eine bestimmte Aufgabe ausgerichtet. Solche Chatbots konzentrieren sich deshalb ausschließlich auf die Beantwortung relevanter Fragen im Rahmen der Wissensdomäne (Nimavat und Champaneria 2017).
Klassifizierung auf Basis der Intelligenz. Nach Kamps und Schetter (2018) lassen sich Chatbots auf Basis ihrer Intelligenz in zwei Arten unterteilen. Sie arbeiten regelbasiert oder selbstlernend, wobei der wichtigste Unterscheidungsfaktor der Grad der eingesetzten AI ist. Bei regelbasierten Chatbots sind bestimmte Gesprächsdialoge bereits auf Basis vorgegebener Begriffe und Befehle vorprogrammiert. Die Interaktion mit dem Nutzer kann dadurch jedoch stark beeinträchtigt sein, da diese Art von Chatbot nur über die im Vorfeld eingegebenen Inhalte kommunizieren können. Chatbots, die dagegen auf Basis von AI arbeiten, können aus vergangenen Konversationen lernen und sich so neue Begriffe und Inhalte selbstständig aneignen (Kamps und Schetter 2018).
Klassifizierung auf Basis des Aufgabenspektrums. Chatbots können auch auf Basis ihres Aufgabenspektrums in die Kategorien aufgabenbasiert, chatbasiert und informationsbasiert klassifiziert werden. Ersteres übernimmt dabei nur eine bestimmte Aufgabe, wie bspw. das Buchen von Flugtickets oder die Bestellung eines Taxis. Die Aufgabe eines chatbasierten Chatbot ist es, eine Konversation mit einem menschlichen Gesprächspartner über einen Chatdialog nachzuahmen. Die dritte Form übernimmt die Bereitstellung gewünschter Informationen, entweder über eine FAQ-Seite oder auf Grundlage der Wissensdomäne (Nimavat und Champaneria 2017).
Klassifizierung auf Basis der Dialogform. Der Informationsaustausch zwischen Nutzer und Chatbot kann laut Ochsenkühn (2017) anhand der Dialogform in sprach - oder textbasiert klassifiziert werden. Die Kommunikation findet dabei über unterschiedliche Endgeräte statt (Ochsenkühn 2017). Während die früheren Modelle von Chatbots ausschließlich textbasiert waren, so ermöglicht der Fortschritt in der Sprachtechnologie auch sprachbasierte Versionen, sogenannte Sprach-Assistenten. Führende Praxisanwendungen sind beispielsweise „Alexa“ von Amazon oder „Siri“ von Apple. Der Nutzer beginnt eine Konversation, indem er über das Endgerät einen Sprachbefehl eingibt. Die technische Verarbeitung beider Dialogformen erfolgt auf die gleiche Art und Weise. Der textbasierte Ansatz benötigt Techniken des Natural Language Processing, während der sprachbasierte Ansatz über Spracherkennung funktioniert (Atiyah et al. 2018). Aufgrund der Ähnlichkeit werden Chatbots oftmals mit Sprachassistenten gleichgesetzt. Der Fokus dieser Bachelorarbeit liegt ausschließlich auf den textbasierten Chatbots. Nachdem die Begrifflichkeiten von Chatbots abgegrenzt und definiert wurden, wird sich im Folgenden mit der Thematik der CJ auseinandergesetzt.
2.2 Die Customer Journey im digitalen Zeitalter
Der Begriff der Customer Journey entstammt aus dem Bereich des Marketings und beschreibt im Wesentlichen die Interaktion des Kunden mit dem Unternehmen über die einzelnen Touchpoints (TPs) (Zinkann und Mahadevan 2018). Laut Lemon und Verhoef (2016) rückt die Erzielung einer erfolgreichen CX für immer mehr Unternehmen in den zentralen Fokus (Lemon und Verhoef 2016).
2.2.1 Begriffliche Grundlagen und Abgrenzung
Touchpoint (TP). Die sogenannten TPs entstehen überall dort, wo die Kunden mit den Unternehmen in Kontakt treten, sei es über die Marke, Dienstleistung oder das Produkt. Essenziell hierbei ist, dass jeder dieser „Berührpunkte“ einen Eindruck oder ein Erlebnis beim Kunden hinterlässt (Kruse Brandão und Wolfram 2018). Die Anzahl der TPs wächst sowohl online als auch offline rasant an, weshalb smarte Technologien immer mehr in den Fokus rücken, eine individuelle Ansprache der Kunden zu ermöglichen (Kruse Brandão und Wolfram 2018). Lemon und Verhoef (2016) identifizieren insgesamt vier unterschiedliche TPs, auf welche in Kapitel 2.2.3 näher eingegangen wird.
Customer Experience (CX). Schmitt et al (2015) verdeutlichen in ihrem Beitrag, dass jede Interaktion des Kunden mit dem Unternehmen als Bestandteil der CX angesehen wird (Schmitt et al. 2015). In dieser Bachelorarbeit wird die Definition von Lemon und Verhoef (2016) herangezogen (siehe Kapitel 2.2.3). Für die Erzielung einer erfolgreichen CX spielt die Generierung einer positiven User Experience (UX) eine zentrale Rolle. Laut Kruse Brandão und Wolfram (2018) beschreibt die UX die persönlichen Erfahrungen der Kunden mit den digitalen Kommunikationskanälen wie Webseiten, Applikationen oder Software (Kruse Brandão und Wolfram 2018).
Customer Journey (CJ). Innerhalb der wissenschaftlichen Literatur existieren zahlreiche unterschiedliche Definitionen, die sowohl in der Theorie als auch in der Praxis entstanden sind. Dieser Abschnitt greift einige Definitionsansätze unterschiedlicher Autoren mit dem Ziel auf, Gemeinsamkeiten aufzuzeigen und die unterschiedlichen Definitionsansätze zu vergleichen.
Taylor (2017) beschreibt die CJ als eine Ansammlung von Interaktionen zwischen dem Unternehmen und seinen Kunden: „A customer contact journey is defined as the sequence of interactions undertaken by the customer in a coherent sequence” (Taylor 2017, S. 279).
Keller et al. (2017) bezeichnen die CJ als „(…) den gesamten Prozess vor, während und nach einem Produktkauf oder einer Dienstleistungsnutzung. Die Kundenreise beginnt bei der Informationssuche und schließt alle absichtlich oder unabsichtlich angetroffenen Kontaktpunkte ein“ (Keller und Ott 2017, S. 31).
Halvorsrud und Kvale (2017) definieren die Customer Journey als eine Reihe von Interaktionen zwischen dem Kunden und seinen Dienstleistungsanbieter zur Erzielung eines bestimmten Ziels, wobei unterschiedliche Touchpoints verwendet werden . „A customer journey, which is defined as a customer’s interactions with a service provider to achieve a specific goal, consists of a constellation of touchpoints” (Halvorsrud und Kvale 2017, S. 183).
Zusammenfassend lässt sich feststellen, dass die Gemeinsamkeiten der unterschiedlichen Definitionsansätze auf der Interaktion der Kunden mit den Unternehmen entlang unterschiedlicher TPs basieren. Laut Böcker (2015) beschäftigt sich der Kunde im Zeitablauf seiner CJ mit den Produkten bzw. Dienstleistungen der Unternehmen, um seinen individuellen Informationsbedarf zu befriedigen (Böcker 2015).
Obwohl die CJ eng mit der CX in Verbindung steht, sind die beiden Begriffe separat voneinander zu betrachten (Rawson et al. 2013). In der wissenschaftlichen Literatur werden die beiden Begriffe des Öfteren miteinander gleichgesetzt. Die CX, welche sowohl positiv als auch negativ sein kann, ergibt sich aus den Erfahrungen an jedem einzelnen TP entlang der CJ (Lemon und Verhoef 2016). Demnach wird die CJ durch die Summe aller Erfahrungen beeinflusst und repräsentiert somit die gesamte CX (Lemon und Verhoef 2016).
2.2.2 Die Ursprünge der Customer Journey
Die CJ findet ihren Ursprung in dem AIDA-Modell von Elmo Lewis aus dem Jahr 1898, welches aus den vier Phasen „Attention“, „Interest“, „Desire“ und „Action“ besteht (Diller 2001). Aus diesem Modell geht bereits der Gedanke einer phasenweisen Entscheidung bis zum Kauf hervor. Allerdings wurde der Begriff der CJ in diesem Kontext als solcher nicht verwendet. Vor der Einführung der ersten CJ-Modelle, diente die AIDA-Formel als Grundlage für den von William W. Townsend im Jahr 1924 entwickelten „Purchase Funnel“. Dieser zeigt den linearen Verlauf der vier AIDA-Phasen auf, den ein Kunde bis zur endgültigen Kaufentscheidung durchläuft (Strong 1925).
Für das weitere Verständnis der CJ spielt der Kaufentscheidungsprozess eine wichtige Rolle. Innerhalb der wissenschaftlichen Literatur haben sich unterschiedliche Modelle etabliert, die den Kaufprozesses über die Phasen der Bedarfserfassung, der Informationssuche, bis hin zum Kauf und der anschließenden Nachkaufphase modellieren. Der Kunde wird dabei in jeder Phase durch unterschiedliche Art und Weise in seiner Kaufentscheidung beeinflusst (Puccinelli et al. 2009). Für diese Bachelorarbeit wird die schematische Darstellung des Fünf-Phasen Modells nach Kotler et al. (2019) herangezogen.
Abbildung in dieser Leseprobe nicht enthalten
Abbildung 4: Kaufentscheidungsprozess (in Anlehnung an Kotler et al. 2019, S. 287)
Wie in Abbildung 4 ersichtlich, wird das Verhalten der Kunden in die Phasen „Problemerkennung“, „Informationssuche“, „Bewertung von Alternativen“, „Kaufentscheidung“ und das „Verhalten nach dem Kauf“ differenziert (Kotler et al. 2019). Die Erkenntnisse über die Bedürfnisse der Kunden und das Verständnis über die einzelnen Phasen im Kaufprozess haben sich Lemon und Verhoef in ihrem Prozessmodell zu Nutze gemacht, auf welches im nachfolgenden Kapitel aufgebaut wird.
2.2.3 Prozessmodell nach Lemon und Verhoef (2016)
Die Autoren Lemon und Verhoef (2016) veranschaulichen in ihrem Prozessmodell (siehe Abbildung 5) den Entwicklungsprozess der CX über die einzelnen TPs. Nachfolgend werden die einzelnen Begriffe und Vorgänge innerhalb des verwendeten Modells aufgezeigt und beschrieben.
Abbildung in dieser Leseprobe nicht enthalten
Abbildung 5: Prozessmodell (in Anlehnung an: Lemon und Verhoef 2016, S. 77)
Modellphasen. Der Entwicklungsprozess der CX erstreckt sich nach dem Prozess-Modell auf die drei Phasen Vorkauf-, Kauf- und Nachkaufphase. Die CX wird dabei als ganzheitliches Kundenerlebnis angesehen, das auf subjektiven Reaktionen basiert, welche durch die Interaktionen an den unterschiedlichen TPs ausgelöst werden (Lemon und Verhoef 2016). Die erste Phase umfasst alle Interaktionen der Kunden von der ersten Kontaktaufnahme mit der Marke, über die Produkt- oder Angebotskategorie und den dazugehörenden Aspekten des Marktumfelds. Kundenverhalten wie Bedürfniserkennung, Suche nach Alternativen und Abwägung bilden dabei essenzielle Bestandteile der Vorkaufphase (Lemon und Verhoef 2016). Die zweite Phase, die sogenannte Kaufphase, beinhaltet alle Aspekte der Kundeninteraktion während des eigentlichen Kaufereignisses. Die einzelnen Aspekte erstrecken sich von der Auswahl, über die Bestellung bis hin zur Bezahlung der Produkte (Lemon und Verhoef 2016). Die Interaktionen der Kunden mit der Marke und ihrem Umfeld nach dem Kauf werden in der dritten Phase zusammengefasst. Laut Lemon und Verhoef (2016) kann sich diese Phase je nach Kunde über einen individuellen Zeitraum erstrecken. Im Zentrum der Nachkaufphase stehen jedoch alle Aspekte der CX, die sich auf die Marke oder das Produkt beziehen. Das Produkt wird dabei als kritischer TP identifiziert, welches den größten Einfluss besitzt (Lemon und Verhoef 2016).
Touchpoints. Wie in Abbildung 5 ersichtlich, interagiert der Endkunde mit dem Unternehmen an den sogenannten TPs. Diese beinhalten „alle Orte, Personen, Produkte oder Marketingmaßnahmen, an denen Kunden mit einer (Unternehmens-)Marke interagieren“ (Keller und Ott 2017, S. 31). In dem vorliegenden Modell werden insgesamt vier TPs identifiziert: Markeneigene, Unternehmenseigene, Kundeneigene und Soziale/Externe. Jeder TP, egal ob intern oder extern, hat dabei unterschiedliche Auswirkungen auf die verschiedenen Phasen der CJ. Dieses Modell beschreibt die TPs aus der Unternehmenssicht, welche nochmals anhand des Grades der Kontrolle des Unternehmens über den TP unterschieden werden. Bei den sogenannten „Markeneigenen“ TPs können die Unternehmen durch den Einsatz von „Markeneigenen“ Medien (bspw. Werbung, Webseitengestaltung, Kundenbindungsprogrammen) Einfluss auf die Interaktionen mit den Kunden nehmen. Durch Anwendung verschiedener Marketing-Mix Elemente (beispielsweise. Produktattribute, Preis, Service, Verpackung, Vertrieb) liegt die CX in diesem Fall unter dem Einfluss des Unternehmens (Lemon und Verhoef 2016). Die zweite Art der TPs beinhaltet die Einflussnahme auf die CX durch die Bildung von Partnerschaften. Solche Partnerschaften können innerhalb verschiedener Szenarien wie bspw. in den Bereichen Kommunikation, Vertrieb, Agenturen etc. durch das Unternehmen kontrolliert werden (Lemon und Verhoef 2016). Innerhalb der drei Phasen der CJ existieren Aktionen, in denen der Kunde eigene Entscheidungen trifft. Zu den typischen Aktionen zählt beispielsweise die Bedenkzeit der Kunden innerhalb der Vorkaufsphase, bei welcher der Kunde über seine eigenen Wünsche und Bedürfnisse entscheidet. Das Unternehmen hat hier praktisch keine Kontrolle und nur einen minimalen Einfluss auf den Kunden (Lemon und Verhoef 2016). Die CX kann darüber hinaus von zahlreichen sozialen und externen Faktoren beeinflusst werden. Die Einflussnahme durch soziale Faktoren wie etwa die Meinungen anderer Kunden, Ratschläge durch Influencer/ Social Media oder auch Ergebnisse von Testberichten, besitzen einen großen Einfluss auf die Kunden. Externe Faktoren, wie das politische Klima, wirtschaftliche Entwicklungen oder auch Krisen können das Kundenerlebnis nachhaltig beeinflussen. Die Aktivitäten der Konkurrenz können dabei ebenfalls eine erhebliche Rolle spielen (Lemon und Verhoef 2016).
Customer Experience. Lemon und Verhoef (2016) weisen darauf hin, dass frühere Erfahrungen und Interaktionen der Kunden mit der Marke oder dem Produktumfeld einen entscheidenden Einfluss auf die aktuelle und zukünftige CX besitzen. Dementsprechend wird die CX durch die in der vorherigen Phase entwickelten Erfahrungen beeinflusst (Lemon und Verhoef 2016). Innerhalb des Prozessmodells wird die CX „as a customer’s “journey” with a firm over time during the purchase cycle across multiple touch point s” definiert (Lemon und Verhoef 2016, S. 74).
2.3 Anwendung von Chatbots innerhalb der Customer Journey
In diesem Kapitel erfolgt die inhaltliche Zusammenführung der vorangegangenen Kapitel in den Kontext des „Conversational Commerce“, welcher als Interface für AI-gestützte Services, den effektiven Einsatz von Chatbots entlang der CJ ermöglicht (Gentsch 2019). Abschließend erfolgt eine inhaltliche Übersicht der wichtigsten Erkenntnisse, bei der das Prozessmodell von Lemon und Verhoef durch eigene inhaltlich vorgenommene Ergänzungen optimiert wird.
2.3.1 Conversational Commerce
Der Begriff des „Conversational Commerce“ wurde erstmalig im Jahr 2015 von Chris Messina, dem Entwickler der mobilen Applikation des Unternehmens UBER eingeführt und beschreibt die Interaktion der Unternehmen mit ihren Kunden über Messaging-Plattformen (Messina 2015). Messina (2016) definiert den Begriff des CC wie folgt: „(…) conversational commerce [ … ] largely pertains to utilizing chat, messaging, or other natural language interfaces [ … ] to interact with people, brands, or services and bots that heretofore have had no real place in the bidirectional, asynchronous messaging context” (Messina 2016). Innerhalb der Interaktion mit den Kunden stellt Messina den Aspekt der „Convenience“ in den zentralen Fokus: „Conversational commerce is about delivering convenience, personalization, and decision support while people are on the go, with only partial attention to spare” (Messina 2015).
Die intelligente Automatisierung und Interaktion mit den Kunden ermöglicht es den Unternehmen die Kommunikation mit den Kunden auf eine neue Ebene zu setzen. Laut Gentsch (2019) steht dabei die direkte Kundenansprache in Echtzeit im Fokus und beabsichtigt dabei, den Kunden aus der Unterhaltung heraus zum Kauf eines Produktes oder Dienstleistung zu motivieren. Das Kauferlebnis soll auf die persönlichen und individuellen Bedürfnisse der Kunden abgestimmt werden. Der Einsatz von Chatbots, sowohl über sprach- oder textbasierte Schnittstellen, zählt zu den wichtigsten Instrumenten im CC (Gentsch 2019).
[...]