Ein Shop erhält jeden Monat Hunderte Bewertungen und Retouren, doch sie sind verstreut: das Bewertungsmodul von WooCommerce, das Google Business Profile, Bewertungen auf den Marktplätzen Amazon und eBay, Kommentare auf Facebook und Instagram und der Retourengrund, den eine Kassenkraft als Freitext in den Rückgabebeleg in SAP Business One tippt. Ein Verantwortlicher schaut auf die wenigen schlechtesten Bewertungen bei Amazon, weil sie das Verkaufsranking beeinflussen, während systemische Probleme, etwa ein bestimmtes Modell, das alle zurückschicken, weil es klein ausfällt, erst nach der Saison auffallen, wenn der Bestand bereits wieder eingekauft wurde.
Wir führen Bewertungsquellen und Retourengründe in einem Ablauf zusammen: WooCommerce-Bewertungen über die API, das Google-Profil, Amazon- und eBay-Bewertungen über den Export aus dem Händlerportal, Facebook-Kommentare und Rückgabebelege aus SAP Business One über einen regelmäßigen Export. Claude oder ChatGPT per API ordnet jeden Eintrag einem Thema zu (Größe, Qualität, Lieferung, Abweichung von der Beschreibung, Service, Preis), bestimmt die Stimmung und verknüpft ihn über die Artikelnummer in SAP Business One oder die WooCommerce-Bestellung mit einem konkreten Artikel. Die Ergebnisse werden in eine Datentabelle geschrieben, aus der ein Power-BI-Bericht die Themenverteilung, die Artikel mit den meisten wiederkehrenden Problemen und die Veränderung von Woche zu Woche zeigt. Jeden Montag erhalten die Verantwortlichen eine kurze Zusammenfassung mit konkreten Beispielen und Links zu den Originaleinträgen. Entscheidungen über Sortiment, Beschreibungen oder Lieferanten treffen Menschen, das System zeigt nur, wo man hinschauen sollte. Das Modell läuft über die Anthropic-API, Amazon Bedrock in einer EU-Region oder die OpenAI-Plattform ohne Training mit Ihren Daten, und Kundennamen werden vor der Analyse entfernt.