3 von 10 Kunden kaufen nie wieder — du merkst es nicht
Wie du mit KI verlorene Kunden identifizierst, segmentierst und mit persönlichen Nachrichten reaktivierst — quartalsweise, halbautomatisch, DSGVO-konform.
KI analysiert alle deine Google- und Plattform-Bewertungen auf Muster, Probleme und Quick-Wins — damit du weißt, wo du wirklich ansetzen musst.
Direkt zur Umsetzung →Du kopierst deine Kundenbewertungen von Google, Trustpilot oder einer anderen Plattform in Claude oder ChatGPT. In 10 Minuten bekommst du eine vollständige Analyse: häufigste Themen, konkrete Handlungsfelder, priorisierte Maßnahmen — mit echten Zitaten aus deinen Bewertungen.
Nimm 10-20 Bewertungen und sieh sofort, welche Muster darin stecken
Du brauchst keine 100 Bewertungen für den Start. Nimm einfach deine letzten 10-20 Google-Bewertungen, kopiere sie in die KI — und schau, was rauskommt. Du wirst überrascht sein, wie viel Information darin steckt.
Datenschutz-Hinweis: In diesem Schritt arbeitest du mit Kundenbewertungen, die Kundennamen enthalten können. Bevor du Bewertungen mit Klarnamen an eine KI übermittelst, entferne oder ersetze die Namen durch Platzhalter (z.B. "Kundin A" statt "Michäla Hoffmann").
Wie das in 2 Minuten geht, zeigen wir dir Schritt für Schritt in unserem kostenlosen Datenschutz-Guide.
Rolle: Du bist ein erfahrener Marktforscher und Customer-Experience-Analyst.
Aufgabe: Analysiere diese Kundenbewertungen und identifiziere die häufigsten Themen:
[Hier deine 10-20 Bewertungen einfügen — einfach Copy-Paste von Google]
Ausgabe:
Analyse-Ergebnis (Beispiel):
| Kategorie | Thema | Häufigkeit |
|---|---|---|
| ✓ Positiv | Freundliches und kompetentes Personal | 12 von 20 |
| ✓ Positiv | Schnelle Reaktionszeiten bei Erstanfrage | 9 von 20 |
| ✓ Positiv | Saubere Arbeit, keine Folgeschäden | 7 von 20 |
| ✗ Negativ | Keine Rückmeldung nach dem Termin | 5 von 20 |
| ✗ Negativ | Längere Wartezeit als erwartet | 4 von 20 |
Priorität-1-Maßnahme: Systematischer Follow-up-Call 24-48h nach jedem Termin. Direkte Reaktion auf das häufigste negative Thema.
Das passiert hier gerade: Du hast gerade aus 20 Bewertungen klare Handlungsfelder extrahiert — das hätte manuell 1-2 Stunden gedauert. Und das war erst der Anfang.
Statt 100 Bewertungen einzeln zu lesen und manuell zu kategorisieren, liefert die KI in 10 Minuten die wichtigsten Probleme, Chancen und Häufigkeiten.
≈ 4 Std./Monat · bei 40 EUR/Std. = 160 EUR/Monat
Was Menschen beim Lesen von Bewertungen nicht können: Muster über hunderte Texte hinweg erkennen. Was die KI nicht kann: sich von einer schlechten Bewertung nerven lassen und deshalb die nächste anders lesen. Diese Kombination macht den Unterschied.
Rolle: Du bist mein Bewertungsanalyse-Experte.
Meine Kundenbewertungen: [BEWERTUNGEN AUS GOOGLE / TRUSTPILOT HIER EINFÜGEN]
Anzahl Bewertungen: [ANZAHL]
Plattform: [z.B. Google Maps, Trustpilot, Amazon]
Aufgabe: Analysiere diese Bewertungen und zeige mir in einer Vergleichstabelle: Was sehen Menschen auf den ersten Blick? Was erkennt die KI durch systematische Mustererkennung? Welche versteckten Erkenntnisse stecken in meinen Bewertungen, die ich bisher übersehen habe?
| Was Menschen sehen | Was die KI erkennt |
|---|---|
| "Nette Bewertung" | Spezifisches Lob für Eigenschaft X in 34% der positiven Reviews |
| "Wieder mal jemand unzufrieden" | Exakt dasselbe Problem in 7 verschiedenen Reviews, unterschiedlich formuliert |
| "Der Ton der Bewertungen ist okay" | Saisonale Schwankung: Juli-August signifikant mehr Beschwerden über Reaktionszeit |
| "Viele Sterne, aber auch Kritik" | 4-Sterne-Bewertungen enthalten mehr konstruktives Feedback als 1-Sterne-Reviews |
Aha-Moment: Die wertvollsten Hinweise stecken oft nicht in den 1-Stern-Bewertungen. Sie stecken in den 3- und 4-Stern-Bewertungen, in denen zufriedene Kunden trotzdem ein 'Aber...' einbauen. Die KI erkennt diese Schicht automatisch.
Sanitärunternehmen, 8 Mitarbeiter. 94 Google-Bewertungen, Durchschnitt 4,1 Sterne. Inhaberin Julia hatte keine Zeit für systematische Bewertungs-Analyse.
Claude (kostenloser Account). Alle 94 Bewertungen per Copy-Paste übertragen. 30 Minuten Einrichtungszeit für das Analyse-System.
Haupterkenntnis: 18% aller negativen Bewertungen nannten fehlende Rückmeldung nach Termin. Julia führte Follow-up-System ein. Drei Monate später: Bewertungsschnitt von 4,1 auf 4,5 gestiegen.
Google, Trustpilot, Jameda, Amazon — ein Prompt für alle Quellen
Du kannst Bewertungen von verschiedenen Plattformen in einer einzigen Analyse zusammenführen. Das ergibt ein vollständiges Bild — und zeigt dir auch, ob verschiedene Kundengruppen unterschiedliche Probleme haben.
100 Bewertungen werden kategorisiert und nach Sentiment analysiert — die wichtigsten Probleme und Chancen kommen als fertiger Maßnahmenplan heraus.
Multi-Plattform-Analyse:
Analysiere diese Bewertungen aus verschiedenen Quellen:
Google-Bewertungen:
[Bewertungen einfügen]
Trustpilot-Bewertungen:
[Bewertungen einfügen]
Zusatzfrage: Gibt es Unterschiede zwischen den Plattformen? Sprechen verschiedene Kundengruppen über verschiedene Themen? Wenn ja, was sind die Unterschiede?
Format: Plattform-übergreifende Top-Themen + Plattform-spezifische Besonderheiten + Priorisierte Maßnahmen.
Beispiel-Ergebnis Multi-Plattform:
Übergreifendes Top-Thema: Kommunikation und Erreichbarkeit (beide Plattformen, 28% aller Bewertungen)
Google-spezifisch: Mehr Lob für Handwerker vor Ort, weniger Zufriedenheit mit Bürokommunikation
Trustpilot-spezifisch: Preistransparenz häufiger thematisiert — Kunden wünschen klarere Vorauskalkulation
Lerne aus den Fehlern und Stärken deiner Mitbewerber — kostenlos
Deine eigenen Bewertungen sind wertvoll. Die Bewertungen deiner Mitbewerber sind eine Goldmine. Was loben Kunden dort? Was kritisieren sie? Wo kannst du dich differenzieren?
Wettbewerber-Analyse:
Analysiere diese Kundenbewertungen eines Mitbewerbers in meiner Branche:
[Bewertungen des Mitbewerbers einfügen]
Ich bin: [deine Branche / dein Angebot in 1-2 Sätzen]
Fragen:
Aha-Moment: Wettbewerber-Analyse war früher Stunden Arbeit für eine Marktforschungsagentur. Du kannst das heute selbst tun — in 15 Minuten, mit echtem Kundenfeedback als Datengrundlage.
Wettbewerber-Bewertungsanalyse | Ihr: Elektro Berger GmbH | Mitbewerber: Müller Elektro
Analyse von 84 Google-Bewertungen des Mitbewerbers (Ø 4,1 Sterne):
Was Müller Elektro besser macht:
Schwächen von Müller Elektro (deine Chancen):
Deine sofortige Maßnahme: Klare Kostenvoranschlags-Erklärung und Notfall-Nummer als USP kommunizieren.
Du siehst gerade einen Ausschnitt des Use-Cases. Mit PRO erhältst du Zugriff auf vollständige Workflows, Prompts und Schritt-für-Schritt-Anleitungen.
Bereits Mitglied? → Hier einloggen
Was dieser Use-Case an laufenden Kosten einspart — in Euro gerechnet.
Wie du mit KI verlorene Kunden identifizierst, segmentierst und mit persönlichen Nachrichten reaktivierst — quartalsweise, halbautomatisch, DSGVO-konform.
Wie du mit ChatGPT oder Claude professionelle Google- und Meta-Anzeigen textest, die klicken — ohne Agentur, ohne Erfahrung, ohne Streuverlust.
KI schreibt Pressemitteilung, LinkedIn-Post und E-Mail-Ankøndigung — aus einer einzigen Eingabe.