Ihre Bewertung ist gesunken und Sie wissen nicht, warum. Im App Store und Play Store gibt es Tausende Bewertungen, oft in Sprachen, die niemand im Team spricht. Alles manuell zu lesen, ist keine Option. Sehen wir uns drei Wege an, wie Sie erkennen können, woran es hapert:
Starten Sie ohne Vorwissen, wenn Sie absolut keine Ahnung haben, woran es liegt. Decken Sie die Themen auf und lesen Sie die entsprechenden Zitate.
Überprüfen Sie eine Vermutung, wenn Sie schon eine Idee haben. Bitten Sie Claude oder ChatGPT, die Bewertungen zu analysieren und zu bestätigen, ob Sie richtig liegen.
Verfolgen Sie Verbesserungen, wenn bereits daran gearbeitet wird. Markieren Sie das Thema und beobachten Sie, wie sich die Anzahl der Beschwerden verändert.
Was Sie hier nicht finden werden: einen CSV-Export und ein Topic-Clustering-Skript ausführen. Diese Empfehlung finden Sie überall im Internet, aber es ist eine Zeitverschwendung. Ihr Job ist nicht, einen NLP-Prozess zu optimieren, und schlechtere Cluster machen die Sache schlimmer, weil man ihnen am Ende vertraut, obwohl sie bedeutungslos sind.
Dafür gibt es dieses Tool. Hier ist, wie Sie damit die Bewertungen in Ihrem Konto nutzen können.
Starten Sie ohne Vorwissen: Finden Sie die Themen, dann lesen Sie, was Nutzer sagen
Wenn Sie keine Vermutung haben, beginnen Sie bei "Berichte" und dann "Semantische Analyse". ReviewFlowz analysiert Ihre Bewertungen und erstellt daraus einen Themenbaum: fünf Hauptthemen mit jeweils drei Unterthemen und den im Zeitverlauf gezählten positiven und negativen Erwähnungen. Niemand gibt Ihnen vor, welche Kategorien wichtig sind – die Themen sind diejenigen, die Ihre Nutzer tatsächlich ansprechen.
Jetzt der Teil, den viele vergessen: Die Grafik zeigt Ihnen zwar, dass ein Unterthema im letzten Monat 89 negative Erwähnungen hatte, aber sie sagt nicht genau, worüber sich die Nutzer beschweren. Grafiken geben Ihnen nur eine Richtung, aber keine Details. Sobald also ein Unterthema auffällt, schauen Sie nicht nur auf die Grafik, sondern lesen Sie die tatsächlichen Sätze.
Genau dazu ist die Sentimentanalyse unter „Bewertungen“ da. Jedes Zitat dort ist der genaue Satz aus einer Bewertung, markiert mit seinem Unterthema und als positiv oder negativ eingestuft. Filtern Sie die negativen Zitate des sich ändernden Unterthemas, sortieren Sie nach den neuesten und lesen Sie zwanzig davon. Nach zehn sollten Sie wissen, ob es um die Kasse, Synchronisation oder eine neue Tableiste geht. Die Zitate werden auch übersetzt, so dass ein Anstieg auf Portugiesisch genauso lesbar ist wie auf Englisch.
Lesen Sie die Zitate, bevor Sie das Team informieren. Ein Unterthema „Fehlerhandhabung und Stabilität“, das negativ aussieht, ist eine Stimmung. Aber "Die App meldet mich jedes Mal ab, wenn ich das Netz wechsle" ist ein klarer Fehlerbericht.
Mehr dazu, wie Themen und Stimmungen entstehen, erfahren Sie in Auswertung Ihrer Bewertungen für Geschäftseinblicke.
Überprüfen Sie eine Hypothese: Lassen Sie Claude oder ChatGPT die Bewertungen lesen
Manchmal brauchen Sie keine Erkundung, sondern eine klare Antwort. Eine neue Version wurde am 12. veröffentlicht, und im Support glaubt man, das neue Onboarding gefällt den Nutzern nicht. Sie wollen wissen, ob das in den Bewertungen bestätigt wird, bevor Sie Prioritäten umstellen.
Ein Dashboard liefert Antworten auf bestimmte Fragen. Ihre Frage ist präziser, also formulieren Sie sie in einfachem Englisch. Verbinden Sie Claude oder ChatGPT über das ReviewFlowz MCP mit Ihren Daten, damit das Modell die Bewertungen analysieren kann: Welche Beschwerden kamen nach dem März-Update auf, welche sind nur in 1-Sterne-Bewertungen, aber nicht in 3-Sterne, und was genau bricht, wenn Nutzer den Login erwähnen? Hier erfahren Sie, wie Sie die Verbindung herstellen.
Bestehen Sie darauf, nicht nur die Zusammenfassung, sondern auch die Zitate zu sehen. Diese Methode erfordert dieselbe Disziplin wie die erste: Ein Modell, das Ihnen einen Zusammenfassungsabsatz erstellt, hat für Sie gelesen, aber Sie lernen mehr aus den Sätzen, auf denen diese Zusammenfassung basiert. Fordern Sie am Ende Ihrer Frage: "Zeig mir die Bewertungen, auf denen diese Aussage beruht", und lesen Sie sie.
Das ist auch der beste Weg, um eine falsche Theorie schnell zu widerlegen. In der Hälfte der Fälle sagen die Bewertungen, dass das Onboarding in Ordnung ist und die Beschwerden sich stattdessen auf den Preis beziehen, den Sie in demselben Release geändert haben.
Verfolgen Sie Verbesserungen: Markieren Sie die wichtigen Themen
Die ersten beiden Methoden haben einen blinden Fleck: Die Themen, die ReviewFlowz erkennt, sind die, über die Ihre Nutzer sprechen, was nicht unbedingt dieselben sind, die auf Ihrer Roadmap stehen. Wenn Ihr Team das laufende Quartal mit dem Onboarding-Flow verbringt, möchten Sie eine Linie auf einem Diagramm namens "Onboarding" sehen, egal ob die KI es als eines der Top-5-Themen erkannt hat oder nicht.
Dafür gibt es Tags. Gehen Sie zu "Einstellungen", dann "Tags" und erstellen Sie ein Tag mit dem Namen des Themas, an dem Sie arbeiten. Aktivieren Sie "Zur automatischen Markierung von Bewertungen verwenden", und die KI weist dieses Tag den Bewertungen entsprechend zu. Benennen Sie das Tag so, wie ein Nutzer sich beschweren würde, nicht nach Ihrer Code-Struktur: "Absturz beim Start" und "Abopreis" funktionieren, "AuthModule" eher nicht.
Klicken Sie dann auf "Alle meine Bewertungen verarbeiten". Dadurch werden Ihre Tags über die bereits vorhandenen Bewertungen hinweg angewendet, was wichtiger ist, als es scheint: Es gibt dem Tag eine Historie. Ohne diese können Sie nur Beschwerden ab heute sehen, und "hat die Lösung funktioniert" können Sie nur beantworten, indem Sie danach mit davor vergleichen.
Jetzt haben Sie die eine Kennzahl, die nach einem Release zählt: Sinkt die Anzahl der Beschwerden zu diesem Tag? Filtern Sie Ihre Bewertungen danach, um zu sehen, was aktuell noch hereinkommt, und überwachen Sie den Trend über die Zeit hinweg.
Wie man Tags erstellt, wird schrittweise erklärt in Wie man Bewertungstags auf Reviewflowz verwendet.
Welche Methode und wann
Sie wissen nicht, was los ist: Starten Sie ohne Vorwissen. Erst Themenbaum, dann Zitate, und nicht zu lange bei der Grafik verweilen.
Sie haben eine konkrete Vermutung: Lassen Sie das Modell die Bewertungen für Sie anschauen und zeigen.
Sie lösen ein Problem oder es wird bald wichtig: Markieren und nachverfolgen.
Die meisten Teams nutzen am Ende alle drei Ansätze in dieser Reihenfolge. Sie erkunden, um das Problem zu finden, sie überprüfen Vermutungen, wenn etwas nicht stimmt, und sie markieren Themen, die zukünftig wichtig werden. Keine dieser Methoden erfordert, dass Sie erst zum Datenwissenschaftler werden.
Sobald Sie wissen, was zu beheben ist, informieren Sie die Nutzer, die sich beschwert haben. Antworten auf App Store und Google Play-Bewertungen mit KI nutzen schließt den Kreis, und ein Rezensent, der eine Antwort erhält, aktualisiert häufig seine Bewertung.
Sie suchen ein Tool für diese Aufgaben? Hier erfahren Sie, worauf Sie achten sollten, und wie ReviewFlowz es umsetzt.