So verfolgen Sie NPS und CSAT aus Anrufgesprächen mit KI-Sprachagenten
Ihre Umfrage per E-Mail nach dem Anruf hat eine Antwortrate von 9 %, und die Antworten, die Sie erhalten, verzerren sich in Richtung Ihrer wütendsten und zufriedensten Kunden. Die schweigende Mehrheit, die 80 %, die sich "in Ordnung" oder "überwiegend okay" fühlen, klicken sich nie durch. Sie treffen CX-Entscheidungen auf Basis eines verzerrten Bruchteils an Feedback, der genau die Kunden übersieht, die am ehesten ohne Vorwarnung abwandern.
Dieser Leitfaden führt Sie durch den Aufbau von KI-Sprachagenten, die NPS- und CSAT-Werte während laufender Telefongespräche erfassen, die Stimmung aus jedem Anruf automatisch analysieren und Feedback in Echtzeit an Ihr CRM weiterleiten. Am Ende verfügen Sie über ein funktionierendes Feedback-System, das auf Retell AI basiert und aus 100 % Ihrer Anrufe bewertete und qualitative Kundeneinblicke erfasst.
Ein telefonbasiertes KI-Feedback-System, das NPS- und CSAT-Daten innerhalb laufender Kundengespräche erfasst und dann strukturierte Erkenntnisse an Ihren Analyse-Stack weiterleitet – ohne Folgeumfragen oder manuelles QA.
Am Ende dieses Tutorials wird Ihr System:
Bevor Sie beginnen, benötigen Sie:
Bevor Sie Feedback-Logik hinzufügen, benötigen Sie einen funktionierenden Agenten, der ein natürliches Gespräch führen kann. Registrieren Sie sich unter retellai.com und erstellen Sie über das Dashboard einen neuen KI-Sprachagenten. Wählen Sie eine Stimme, die zu Ihrer Marke passt (die Plattform unterstützt ultrarealistische ElevenLabs v3-Stimmen mit emotionalem Ausdruck). Konfigurieren Sie eine einfache Begrüßung und führen Sie einen Testanruf über den integrierten Telefonsimulator durch.
Sie sollten nun hören, wie Ihr Agent antwortet, natürlich klingend spricht und eine grundlegende Interaktion abschließt. Dies bestätigt Ihre Audio-Pipeline, die Latenz (rechnen Sie mit etwa 600 ms Ende-zu-Ende) und die Sprachqualität, bevor Sie die Umfragelogik hinzufügen.
Ihre Feedback-Fragen müssen zum richtigen Zeitpunkt kommen: nachdem die primäre Aufgabe gelöst ist, aber bevor der Anrufer sich zurückzieht. Verwenden Sie den Drag-and-Drop-Builder des agentischen Frameworks, um einen Gesprächsablauf zu erstellen, der zuerst die Kernanfrage des Anrufers bearbeitet und dann in einen Feedback-Prompt übergeht.
Strukturieren Sie den Ablauf wie folgt: Begrüßung, Aufgabenlösung, Zufriedenheitsprüfung, NPS-Frage, optionale offene Folgefrage, Abschluss. Für CSAT lassen Sie den Agenten eine einzelne Zufriedenheitsfrage auf einer Skala von 1 bis 5 stellen, nachdem das Anliegen des Anrufers gelöst wurde. Für NPS stellen Sie die Frage "Wie wahrscheinlich ist es, dass Sie uns weiterempfehlen" auf einer Skala von 0 bis 10. Halten Sie beide Fragen konversationell: "Bevor ich Sie gehen lasse, wie zufrieden waren Sie auf einer Skala von 1 bis 5 mit der Hilfe, die Sie heute erhalten haben?" funktioniert besser als roboterhafte Umfragesprache. Speichern Sie beide Werte als Variablen im Anrufstatus für die spätere Extraktion.
Explizite Umfragefragen erfassen, was Kunden sagen, dass sie fühlen. Die Anrufnachbearbeitung erfasst, was sie tatsächlich fühlten – durch Tonfall, Sprechtempo, Wortwahl und Zögermuster. Aktivieren Sie in den Agenteneinstellungen die integrierten Analysekategorien: Stimmung (positiv, neutral, negativ), Lösungsstatus (gelöst, ungelöst, eskaliert) und Anruferabsicht. Fügen Sie dann benutzerdefinierte Kategorien hinzu, die für Ihren Feedback-Anwendungsfall spezifisch sind: "Zufriedenheitswert" (numerische Extraktion), "NPS-Wert" (numerische Extraktion), "wörtliches Feedback" (Textextraktion) und "Produkterwähnung" (Boolescher Wert).
Die Plattform verarbeitet diese nach jedem Anruf und stellt sie über API und Dashboard bereit. Sie sollten nun strukturierte Analysedaten in Ihren Anrufprotokollen sehen, innerhalb von Sekunden nach dem Ende jedes Testanrufs.
Werte, die in einem Dashboard liegen, verbessern das Kundenerlebnis nicht. Konfigurieren Sie webhook-Endpoints, um strukturierte Feedback-Daten nach jedem Anruf an Ihr CRM und Ihre BI-Tools zu übertragen. Richten Sie in den Agenteneinstellungen einen POST-webhook ein, der bei Anrufende ausgelöst wird. Der Payload sollte enthalten: Telefonnummer des Anrufers, Anrufdauer, NPS-Wert, CSAT-Wert, Stimmungsklassifizierung, Lösungsstatus und den wörtlichen Transkriptausschnitt mit qualitativem Feedback.
Für Teams, die die Make-Integration oder n8n-Integration nutzen, erstellen Sie einen Workflow, der den webhook empfängt, den JSON-Payload parst und die Daten in Ihren CRM-Kontaktdatensatz schreibt. Setzen Sie das webhook-Timeout auf 5 Sekunden, da CRM-APIs zu Spitzenzeiten langsam sein können. Sie sollten nun Feedback-Daten in Ihrem CRM sehen, innerhalb von Sekunden nach dem Ende eines Testanrufs.
Ein Kritiker-Wert ohne Nachverfolgung ist ein verschwendetes Signal. Konfigurieren Sie Ihren Gesprächsablauf so, dass jeder NPS-Wert von 0–6 oder CSAT-Wert von 1–2 eine sofortige Anrufweiterleitung an einen Customer-Success-Mitarbeiter mit vollständigem Gesprächskontext auslöst. Für Anrufe außerhalb der Geschäftszeiten lassen Sie den webhook ein dringendes Ticket in Ihrem Support-System auslösen, mit den Angaben des Anrufers, seinem Wert, dem wörtlichen Grund und einer vorgeschlagenen Antwort basierend auf der Problemkategorie.
Legen Sie den Eskalationsschwellenwert sorgfältig fest. Eine Weiterleitung nach jedem niedrigen Wert überlastet Ihr Team. Beginnen Sie damit, nur Werte von 0–4 beim NPS an Live-Mitarbeiter weiterzuleiten, und markieren Sie Werte von 5–6 für eine Kontaktaufnahme am nächsten Geschäftstag. Sie sollten nun sehen, dass Kritiker-Anrufe korrekt mit vollständigem Kontext an Ihr Team weitergeleitet werden.
Anrufer teilen ehrlicheres Feedback, wenn sich das Gespräch informiert und relevant anfühlt. Verbinden Sie eine Wissensdatenbank, die automatisch aus Ihren FAQ-Seiten, Ihrer Produktdokumentation und Ihren Richtlinienleitfäden synchronisiert wird. Dies gibt dem Agenten genügend Kontext, um das primäre Anliegen des Anrufers gut zu lösen, was den Zufriedenheitswert, den er anschließend gibt, direkt beeinflusst.
Laden Sie Ihre 50 wichtigsten Anruferfragen und -antworten als Ausgangsset hoch. Das Streaming-RAG-System stellt sicher, dass der Agent während des Anrufs auf aktuelle Informationen zurückgreift. Sie sollten nun sehen, dass der Agent Produkt- und Servicefragen während der Testanrufe korrekt beantwortet.
Führen Sie Simulationstests durch, die abdecken: einen zufriedenen Anrufer, der einen NPS von 9 und CSAT von 5 gibt, einen neutralen Anrufer, der einen NPS von 7 gibt, einen frustrierten Anrufer, der einen NPS von 3 gibt und eine Eskalation auslöst, einen Anrufer, der die Beantwortung der Umfrage verweigert, und einen Anrufer, der detailliertes offenes Feedback liefert. Überprüfen Sie für jedes Szenario, ob die Werte im Anrufprotokoll korrekt erfasst werden, die Stimmungsanalyse zum simulierten Tonfall passt, die webhook-Payloads mit den richtigen Werten in Ihrem CRM ankommen und die Eskalationsauslöser bei den richtigen Schwellenwerten greifen.
Überprüfen Sie jedes Test-Anruftranskript auf unbeholfene Übergänge zwischen dem Serviceteil und dem Umfrageteil. Die Übergabe sollte sich wie eine natürliche Fortsetzung des Gesprächs anfühlen, nicht wie ein Moduswechsel. Beheben Sie alle Übergänge, die sich roboterhaft anfühlen, bevor Sie bereitstellen.
Verbinden Sie Ihr Telefonsystem über SIP-Trunking oder weisen Sie eine Retell-Nummer zu, um mit der Abwicklung von Live-Anrufen zu beginnen. Überprüfen Sie in den ersten zwei Wochen täglich die Anruftranskripte und achten Sie auf Formulierungen von Umfragefragen, die Anrufer verwirren, hohe Überspringraten bei bestimmten Fragen und Diskrepanzen zwischen Stimmungsanalyse und expliziten Werten. Richten Sie eine wöchentliche Überprüfung mit dem Analyse-Dashboard für KI-Kundensupport ein, um Feedback-Volumen, Durchschnittswerte und Trendlinien zu verfolgen.
Planen Sie eine 2-wöchige Optimierungsphase ein. Die meisten Teams verzeichnen in der ersten Woche Abschlussraten von 70–80 % bei Umfragen (im Vergleich zu unter 10 % bei E-Mail-Umfragen), die sich verbessern, wenn Sie das Timing und die Formulierung der Fragen verfeinern. In der dritten Woche sollten Sie über einen statistisch signifikanten Datensatz verfügen, der Ihre gesamte Anruferpopulation repräsentiert und nicht nur einen selbstselektierten Bruchteil.
Feedback zu erbitten, bevor das Anliegen des Anrufers gelöst ist, führt zu ungenauen Werten und höherem Abbruch. Konfigurieren Sie Ihren Agenten so, dass er die Lösung bestätigt ("Kann ich Ihnen sonst noch bei etwas helfen?"), bevor er zum Feedback übergeht. Anrufer, die sich gehört fühlen, bewerten ehrlicher.
Ein Anrufer, der einen CSAT von 4 gibt, aber während des gesamten Anrufs Frustrationsmerkmale zeigt (erhobene Stimme, wiederholte Fragen, lange Pausen), ist ein Abwanderungsrisiko, das ein Wert allein übersehen würde. Gleichen Sie die Stimmung nach dem Anruf wöchentlich mit den expliziten Werten ab. Markieren Sie Diskrepanzen für die manuelle Überprüfung. Hier fügt die akustische Stimmungserkennung der Plattform durch Tonfall, Sprechtempo und Tonhöhe eine Ebene hinzu, die herkömmliche Umfragen nicht replizieren können.
Beide Fragen direkt hintereinander zu stellen, erzeugt Umfragemüdigkeit. Platzieren Sie die CSAT-Frage unmittelbar nach der Lösung (misst die Interaktion). Platzieren Sie die NPS-Frage am Ende des Gesprächs als Abschluss (misst die Beziehung). Lassen Sie mindestens zwei Gesprächswechsel dazwischen.
Bitten Sie nicht jeden Anrufer um eine detaillierte wörtliche Antwort. Konfigurieren Sie den Agenten so, dass er die offene Frage "Was könnten wir verbessern?" bei 20–30 % der Anrufe stellt, randomisiert. Dies gibt Ihnen genügend qualitative Daten, ohne dass sich jeder Anrufer verhört fühlt.
Ein Prompt, der wie "Wie wahrscheinlich ist es auf einer Skala von null bis zehn, dass Sie unser Unternehmen einem Freund oder Kollegen empfehlen?" klingt, liest sich wie ein Skript aus dem Jahr 2005. Schreiben Sie ihn konversationell um: "Eine letzte Frage. Wenn ein Freund nach uns fragen würde, wie wahrscheinlich würden Sie uns weiterempfehlen? Null bedeutet überhaupt nicht, zehn bedeutet absolut." Testen Sie mehrere Formulierungen und vergleichen Sie die Abschlussraten.
Die Standard-Stimmungskategorien (positiv, neutral, negativ) sind ein Ausgangspunkt, keine endgültige Konfiguration. Ein Anrufer, der über einen Preis verhandelt, könnte als "negativ" registriert werden, selbst wenn er ein vollkommen zufriedener Kunde ist. Kalibrieren Sie Ihre Stimmungsschwellenwerte anhand von 50–100 echten Anrufen, bevor Sie den automatisierten Werten für Eskalationsauslöser vertrauen.
Wenn Ihr Agent die primäre Aufgabe schlecht bewältigt, wird keine noch so gute Umfrageoptimierung Ihren CSAT beheben. Verfolgen Sie die Lösungsraten neben den Zufriedenheitswerten. Eine Strategie zur Callcenter-Automatisierung, die nur das Feedback verfolgt, ohne die Lösung zu verfolgen, misst das Symptom, nicht die Ursache.
NPS misst die langfristige Loyalität (würden Sie uns weiterempfehlen?). CSAT misst die unmittelbare Zufriedenheit (war diese Interaktion gut?). Beide auf demselben Dashboard zu verfolgen, ohne die Analyse zu trennen, führt zu verwirrten Aktionsplänen. Erstellen Sie separate Trendansichten und separate Eskalations-Workflows für jede Kennzahl.
Jeden niedrigen Wert an eine automatisierte "Es tut uns leid"-E-Mail weiterzuleiten, zerstört das Vertrauen. Kritiker, die 0–4 bewerten, benötigen innerhalb von 24 Stunden einen Rückruf durch einen Menschen mit vollständigem Gesprächskontext. Automatisieren Sie die Weiterleitung und die Kontextbereitstellung. Halten Sie das Rückgewinnungsgespräch menschlich.
Matic Insurance setzte KI-Sprachagenten für die Automatisierung von Anrufabläufen ein und hielt nach der KI-Bereitstellung einen NPS von 90 aufrecht, während gleichzeitig 50 % der geringwertigen Aufgaben automatisiert und die Bearbeitungszeit von Schadensfällen von 12,4 auf 5,8 Minuten reduziert wurden (eine Reduzierung um 53 %). Das Team wickelte im ersten Quartal 2025 über 8.000 Anrufe mit konsistenten Zufriedenheitskennzahlen ab. Lesen Sie die vollständige Geschichte.
Pine Park Health nutzte KI-Sprachagenten für die Patiententerminierung und verzeichnete eine Steigerung des Terminierungs-NPS um 38 %, während zuvor ungenutzte Anbieterkapazitäten gefüllt wurden. Die Kombination aus schnellerer Anruflösung und konsistenter Servicequalität trieb die Zufriedenheitsverbesserung voran. Lesen Sie die vollständige Geschichte.
Medical Data Systems wickelt 100 % der eingehenden Anrufe mit KI ab, bei nur einer Weiterleitungsrate von 30 % und rund 280.000 $ pro Monat, die eingezogen werden. Die Fähigkeit, Stimmung und Lösung bei jedem Anruf zu verfolgen, nicht nur bei einer Stichprobe, gab dem Team Einblick in das Kundenerlebnis im Bereich Finanzdienstleistungen, den manuelles QA nie bot.
NPS- und CSAT-Tracking aus Anrufgesprächen bedeutet, Zufriedenheitswerte während oder unmittelbar nach einem Telefonanruf zu erfassen, anstatt über eine separate Folgeumfrage. KI-Sprachagenten stellen die Bewertungsfragen natürlich innerhalb des Gesprächs und erfassen sowohl den numerischen Wert als auch den qualitativen Kontext aus der Interaktion.
Nein. Das No-Code-agentische Framework enthält vorgefertigte Vorlagen für die Umfrageerfassung. Sie können Feedback-Prompts, Bewertungslogik und webhook-Weiterleitung vollständig über eine Drag-and-Drop-Oberfläche konfigurieren. Teams mit Entwicklern können die API für tiefergehende Anpassungen nutzen, dies ist jedoch nicht erforderlich.
Die meisten Teams gelangen in 3–5 Tagen von der Registrierung zu einem Live-Agenten für die Feedback-Erfassung. Die Konfiguration des Umfrageablaufs dauert einige Stunden. Das Verbinden von webhooks mit Ihrem CRM fügt einen weiteren Tag hinzu. Die 2-wöchige Optimierungsphase nach dem Start ist der Zeitraum, in dem Sie die Fragenformulierung und die Eskalationsschwellenwerte für Ihre spezifische Anruferpopulation optimieren.
Die Plattform berechnet 0,07 $ pro Minute ohne Plattformgebühren. Ein 3-minütiger Anruf, der ein Anliegen löst und sowohl NPS als auch CSAT erfasst, kostet etwa 0,21 $. Vergleichen Sie das mit einem Teammitglied eines dedizierten KI-Telefonservice für 15–25 $ pro Stunde, das dieselbe Arbeit manuell mit einer Umfrageantwortrate von 10 % erledigt. Jedes Konto enthält Gratisguthaben in Höhe von 10 $, um den gesamten Workflow zu testen.
Die KI-Stimmungsanalyse bewertet 100 % der Anrufe konsistent, während manuelles QA typischerweise 2–5 % der Anrufe mit einer Variabilität zwischen den Bewertern überprüft. Die Plattform erkennt akustische Signale (Tonfall, Sprechtempo, Tonhöhe) und kontextuelle Sprachmuster, die menschliche Prüfer bei großem Volumen oft übersehen. Nutzen Sie die ersten 50 Anrufe, um die KI-Stimmung anhand manueller Werte zu validieren und die Schwellenwerte zu kalibrieren.
Ja. Für eingehende Anrufe, die von einem KI-IVR oder Support-Agenten bearbeitet werden, betten Sie die Umfrage am Ende der gelösten Interaktion ein. Für ausgehende Kampagnen mit Batch-Anruf fügen Sie eine CSAT-Frage nach dem primären Anrufziel hinzu (Terminbestätigung, Nachverfolgung oder Lead-Qualifizierung). Beide Anruftypen leiten Feedback durch dieselbe Anrufnachbearbeitungs-Pipeline.
Der Agent akzeptiert die Ablehnung anmutig und beendet den Anruf, ohne zu drängen. Ablehnungsraten werden als separate Kennzahl verfolgt. Hohe Ablehnungsraten (über 30 %) deuten in der Regel auf ein schlechtes Timing oder eine schlechte Formulierung der Frage hin, nicht auf die Unwilligkeit des Anrufers. Die Stimmungsanalyse extrahiert weiterhin Zufriedenheitssignale aus dem Rest des Gesprächs, sodass Sie auch ohne einen expliziten Wert eine teilweise Erkenntnis erhalten.
Die Retell AI ist SOC 2 Type II-zertifiziert und bietet HIPAA-Konformität mit einer Self-Service-BAA. Für Bereitstellungen im Gesundheitswesen kann die PII-Schwärzung so konfiguriert werden, dass personenbezogene Daten aus gespeicherten Transkripten entfernt werden, während die Feedback-Werte und anonymisierten Stimmungsdaten erhalten bleiben.
Herkömmliche IVR-Umfragen werden abgespielt, nachdem der Agent aufgelegt hat, und erwischen Anrufer, die bereits auf dem Weg zum Ausgang sind. Antwortraten für Anrufe eines KI-Terminierungsagenten oder Support-Interaktionen liegen über IVR typischerweise unter 10 %. KI-Sprachagenten erfassen Feedback während des Gesprächs, wenn der Anrufer noch engagiert ist. Teams, die diesen Ansatz nutzen, berichten durchweg von Abschlussraten von 60–80 % und erfassen so die "schweigende Mehrheit", die herkömmliche Umfragen völlig übersehen.
Sie verfügen nun über ein KI-Sprachagentensystem, das NPS und CSAT während laufender Telefongespräche erfasst, die Stimmung aus 100 % der Anrufe analysiert, strukturiertes Feedback in Echtzeit an Ihr CRM weiterleitet und Kritiker-Antworten mit vollständigem Kontext zur menschlichen Nachverfolgung eskaliert.
Um von hier aus zu erweitern, sollten Sie in Erwägung ziehen, denselben Feedback-Ablauf über ausgehende Kampagnen des KI-Telemarketings bereitzustellen, prädiktive Abwanderungsmodelle mithilfe der Stimmungsdaten aufzubauen oder Feedback-Trends mit Produkt- und Serviceänderungen zu verbinden, um die Auswirkungen im Laufe der Zeit zu messen.
Beginnen Sie kostenlos mit Nutzungsguthaben in Höhe von 10 $ unter retellai.com.
Sehen Sie, wie viel Ihr Unternehmen durch den Wechsel zu KI-gestützten Sprachagenten sparen könnte.
Total Human Agent Cost
AI Agent Cost
Estimated Savings
Eine Demo-Telefonnummer von Retell Clinic Office
Start building smarter conversations today.
.avif)
.avif)
