Google-Bewertungen Mitarbeitern zuordnen: 3 Methoden

Drei Arten von Belegen zeigen Ihnen, welcher Mitarbeiter sich eine Google-Bewertung verdient hat: der Name des Mitarbeiters in der Bewertung, ein persönlicher Link, den der Kunde verwendet hat, und die Buchung, die Ihr System für diesen Kunden hält.

Für einen Standort mit wenigen Mitarbeitern und ohne finanzielle Auswirkungen reicht es aus, jede neue Bewertung beim Eintreffen zu lesen. Google benachrichtigt Sie kostenlos.

Das reicht nicht mehr, wenn Volumen, Standorte, Fluktuation und Zahlungen wachsen oder wenn Bewertungen niemanden namentlich nennen.

Jede Methode benötigt zunächst Daten: die Bewertungen mit genauen Datumsangaben und für die Buchungsmethode ein System, das aufzeichnet, wer den Kunden bedient hat. Diese Anleitung zeigt, woher diese Daten stammen und wo jede Methode an ihre Grenzen stößt.

Welcher Ansatz passt zu Ihrer Situation?

Eine Tabelle speichert Antworten. Sie beschafft sie nicht. Jede Zeile unten zeigt also, woher die Bewertungen stammen und mit welchem Datum.

Methode 1: Mitarbeiternamen im Bewertungstext

Ein Kunde schreibt „Camille war großartig“, und Sie schreiben Camille die Bewertung zu. Das ist der direkteste Beleg, und er kostet nichts.

Wann diese Methode passt

Ein Standort, einige Bewertungen pro Woche, nichts ist davon abhängig. Lesen Sie jede neue Bewertung beim Eintreffen und notieren Sie, wem sie gilt.

Google informiert Sie, sobald das passiert. „Kundenaktivität“ sendet „Benachrichtigungen, wenn Kunden neue Rezensionen hinterlassen oder Fotos hinzufügen“, per E-Mail, Search oder Maps (Google, Verwalten Sie Ihre Benachrichtigungen). Um sie zu lesen, wählen Sie Bewertungen lesen in Ihrem Unternehmensprofil (Google, Kundenbewertungen verwalten). Inhaber und Manager können auf Bewertungen antworten (Google, Inhaber und Manager).

Die Grenzen sind klar. Es funktioniert nur ab sofort, ein Standort nach dem anderen, und Sie müssen als Inhaber oder Manager angemeldet sein. Das Datum, das Sie notieren, ist das Datum, an dem Sie die Bewertung gesehen haben. Es gibt keinen Import des Bewertungsverlaufs von alten Bewertungen mit genauen Datumsangaben, und eine Bewertung, die gelöscht wird, bevor Sie sie notiert haben, ist unsichtbar.

Wie nützlich die Methode ist, hängt von Ihrer Branche ab. In unserer Studie von 2,7 Millionen positiven Google-Bewertungen nennen 28% eine Person: 38% in den USA, 13% in Europa und zwischen etwa 7% im Gastgewerbe und 66% bei Haushaltsdienstleistungen in den USA. Bei 7% lässt sich etwa eine von vierzehn Bewertungen aus dem Text zuschreiben. Bei 66% etwa zwei von drei.

Alte Bewertungen mit genauen Datumsangaben importieren

Das erste schwierige Problem ist die Liste. Sie benötigen jede Bewertung, ihren vollständigen Text und ihr genaues Datum für jeden Standort.

Der Zugriff folgt der Rolle des Google-Kontos auf jedem Standort, sodass ein Inhaberkonto viele lesen kann. Eine unterbrochene Verbindung betrifft jeden Standort unter diesem Konto. Für eine Handvoll Bewertungen verwenden Sie den Google Review Date Finder. Für Hunderte benötigen Sie die API oder einen Export, wie unseren Google-Bewertungen-Export, der kostenpflichtig ist.

Warum das genaue Datum wichtig ist

Ein Name sagt Ihnen, wer. Das Datum sagt Ihnen, welche Schicht, welche Buchung und welcher Zahlungszeitraum. „Vor einem Jahr“ reicht dafür nicht, und Google verbirgt das genaue Datum auf der Maps-Seite. Der Buchungsabgleich, weiter unten erklärt, sucht im Zeitraum von 14 Tagen vor der Bewertung bis 2 Tage danach. Ohne Datum gibt es nichts zu durchsuchen.

Die Liste ändert sich ständig

Eine einmal gelesene Liste veraltet. Bei niedrigem Volumen spielt das selten eine Rolle. Hängt die Bezahlung von der Liste ab, spielt es sehr wohl eine Rolle.

• Löschungen. Wir verfolgten 4,9 Millionen Bewertungen auf 9.048 Google Maps-Profilen zwei Wochen lang täglich und fanden 4.590 Löschungen. 1,95% der neuen Bewertungen waren innerhalb einer Woche weg. Das Risiko ist an den Tagen 2 und 3 für negative Bewertungen und an den Tagen 6 und 7 für positive am höchsten. Siehe die vollständige Studie. Eine entfernte Bewertung sollte ihre Zuschreibung verlieren. Das Risiko wächst mit dem Volumen: 4% der Unternehmen mit weniger als 2 Bewertungen pro Monat verloren mindestens eine Bewertung in den zwei Wochen, gegenüber 67% derer, die 50 oder mehr sammelten.
• Bearbeitungen. Eine Bearbeitung, die den Text ändert, erzeugt eine neue Version mit einem neuen Datum. Reviewflowz misst das Buchungsfenster vom Bearbeitungsdatum, daher kann eine Bearbeitung eine Zuschreibung verschieben.
• Text. Sterne ohne Text geben nichts zu lesen. Lesen Sie das Original, nicht eine Übersetzung. Eine Antwort des Unternehmens, die einem Mitarbeiter dankt, ist kein Beleg des Gastes.
• Bewertungsverlauf. Google speichert keinen Bewertungsverlauf. Siehe, wie Sie Ihre Durchschnittsnote im Zeitverlauf sehen.

Mehrere Standorte und zwei Personen mit dem gleichen Namen

Jeder Standort hat eine eigene Liste von Bewertungen, Mitarbeiter arbeiten an mehreren Standorten, und ein Gast kann die falsche Filiale bewerten. Betrachten Sie Standort und Tour als Beleg, niemals als Filter. Wenn zwei Personen gleich gut passen, entscheidet eine Person.

Namen in Bewertungen und Googles Regeln

In derselben Studie wurden Bewertungen mit Namensnennung im selben Unternehmen mit der 1,01-fachen Rate gelöscht wie Bewertungen ohne Namen (95%-Intervall: 0,91 bis 1,11). Der Bericht nennt seine eigene Grenze: Wie die Bewertungen angefordert wurden, ist unbekannt. Google beschränkt Händler, die Mitarbeiter auffordern, Bewertungen mit spezifischen Inhalten einzureichen, „unter anderem mit Inhalten, in denen bestimmte Mitarbeitende benannt werden“. Lassen Sie Kunden deshalb nicht nach einem festen Skript benennen.

Methode 2: persönliche Links und QR-Codes

Sie geben jeder Person einen Link oder einen QR-Code. Bewertungen, die kurz nach der Nutzung entstehen, werden dieser Person zugeschrieben.

Wann diese Methode passt

Der Einstieg ist günstig. Es eignet sich für eine einfache Zählung, zum Beispiel wie viele Kunden die Rezeption diese Woche zu Google geschickt hat, und für eine Team-Tafel, bei der kein Geld fließt.

In Reviewflowz erhält jede Person einen eigenen Magic link, und der Zähler läuft pro Link. Magic links zeigt Klicks und Bewertungen nebeneinander, und zu jedem Link gehört ein QR-Code, den Sie herunterladen können. Eine Bewertung wird einem Link zugeschrieben, wenn sie sich im gleichen Bewertungsprofil befindet, zu dem der Klick aufgelöst wurde, und innerhalb von 5 Minuten nach dem Klick erscheint.

Was ein Link braucht: eine Veröffentlichungszeit auf die Minute genau

Google zeichnet nichts darüber auf, welcher Link oder Code ein Bewerter verwendet hat. Der Link gibt Ihnen eine Klickzeit, und Sie vergleichen sie mit der Bewertungszeit. Das funktioniert nur auf einer Plattform, die eine genaue Veröffentlichungszeit ausweist.

In Reviewflowz kommen sieben Plattformen in Frage: Google Maps, Play Store, App Store, Trustpilot, Booking.com, Smart Customer und Capterra. Wir haben sie anhand von Produktionsdaten überprüft. Bei den übrigen Plattformen wäre ein Abgleichsfenster auf einen erfundenen Zeitstempel nichts als vertrauenswürdig wirkender Unsinn. G2 liefert ein Datum ohne Uhrzeit, Zocdoc-Datumsangaben sind nur ungefähr, und bei Airbnb Experiences kommen Antwortdaten nur als Kennzeichnung wie „vor 3 Wochen“ an.

Wo die Grenzen liegen

• Ein Kunde, der später zu Hause bewertet, liegt außerhalb des Fensters, und einer, der Sie auf Google findet, klickt nie.
• E-Mail-Sicherheitsscanner öffnen Links innerhalb von ein bis zwei Minuten nach der Zustellung. In einer Stichprobe über 12 Tage kamen 220 von 316 Klicks auf E-Mail-Links von Sicherheitsscanner-Netzwerken, und 85 kamen aus privaten Netzwerken und Mobilfunknetzen. Scanner-Besuche zählen wir nicht mit.
• Ein 5-Minuten-Fenster schreibt die Bewertung dem Link zu, egal wer nach dem Klick bewertet hat. Ein Mitarbeiter kann seinen eigenen Link öffnen oder an Freunde weiterleiten. Wenn zwei Klicks um eine Bewertung konkurrieren, gewinnt der älteste Klick.

Stützen Sie die Bezahlung deshalb nie allein auf die Link-Zuschreibung. Verwenden Sie sie als ein Signal neben dem Text und der Buchung. Die Seite zur Bewertungs-Zuschreibung und der Hilfeartikel dazu, wie Sie sehen, welcher Mitarbeiter Ihre Google-Bewertungen erhält, erklären das genauer.

Methode 3: Zuordnung von Bewertern zu Ihrem Buchungssystem

Die Bewertung nennt einen Kunden. Ihr POS, CRM, Buchungssystem oder PMS nennt, wer ihn bedient hat. Ordnen Sie beide einander zu.

Wann diese Methode passt

Termin-, Service- und Tour-Unternehmen, bei denen jeder Besuch eine Buchung mit zugeordneten Mitarbeitern hat. Es funktioniert, wenn eine Bewertung niemanden namentlich nennt.

Sie können es von Hand machen. Exportieren Sie Ihre Buchungen mit den zugehörigen Mitarbeitern, nehmen Sie Ihre Bewertungen mit ihren Datumsangaben aus einer der Routen in Methode 1, und ordnen Sie nach Name und Datum zu. Eine Person erkennt, dass „Gaj N“ für „Gaj Niranjan“ steht. Das funktioniert, solange eine Person es jede Woche schafft.

Erste Überprüfung: zeichnet Ihr System auf, wer den Kunden bedient hat?

Viele Systeme tun das nicht. In unserem Integrationscode lesen 36 von 60 Verbindungen Mitarbeiter nach ID, 6 lesen Mitarbeiter nach Name, und 18 zeichnen nichts auf. Eine Reservierung, eine Zahlung oder eine Rechnung nennt oft niemanden, der den Kunden bedient hat.

Systeme, die Mitarbeiter aufzeichnen, umfassen Bokun, ServiceTitan, Boulevard, FareHarbor und Square. Dasselbe Feld kann unterschiedliche Dinge bedeuten. Einige Systeme senden die vollständige Mitarbeiterliste, also bedeutet eine leere Liste niemanden. Andere senden einen Datensatz pro Posten im Bezahlvorgang, dann müssen Sie die Zuschreibungen zusammenzählen. Wenn Ihr System keine Mitarbeiter aufzeichnet, ist diese Methode nicht verfügbar. Verwenden Sie den Text.

Die Person zuordnen, nicht die Zeichenkette

Der Bewerter zeigt einen Anzeigenamen, und die Buchung zeigt den Kundennamen. Sie unterscheiden sich auf vorhersehbare Weise.

• Teilen Sie Namen auf beiden Seiten gleich in Teile auf, und lassen Sie Titel und Partikel wie Mr, Dr, Jr, de und van weg.
• Verlangen Sie einen zweiten übereinstimmenden Teil für eine Initiale, sodass „Maria S“ nicht jede beliebige Maria trifft.
• Erlauben Sie, dass ein Nutzername wie „kgskelton“ den Nachnamen enthält, und gleichen Sie Namen in anderen Schriftsystemen exakt ab.
• Überspringen Sie anonyme Platzhalter wie „ein Google-Nutzer“. Raten Sie nicht.

Timing und Stornierungen

Welcher Besuch beschrieb die Bewertung? Der letzte vor der Bewertung. Suchen Sie im Zeitraum von 14 Tagen vor der Bewertung bis 2 Tage danach, denn bei manchen Unternehmen erscheint die Bewertung schon bei der Erstberatung, bevor der Fall angelegt ist. Die nächste Buchung eines Stammkunden erhält niemals die Zuschreibung. Stornierte und neu gebuchte Buchungen zählen nicht. All das setzt das genaue Bewertungsdatum voraus.

Wann es nicht mehr reicht

Es hört auf, wenn der Bewerter nicht der Kunde in der Buchung ist, z. B. ein Elternteil oder ein Kollege, der bucht. Es hört auf, wenn der Bewerter einen anderen Namen, eine Initiale oder einen Nutzernamen verwendet, wenn die Bewertung jemanden nennt, der nicht in der Buchung war, und wenn Buchung und Bewertung zu weit auseinander liegen.

Die Methoden kombinieren

Jede Methode sieht, was die anderen nicht können. Namen im Text erfassen alte Bewertungen und Laufkundschaft. Die Buchung deckt Bewertungen ab, die niemanden namentlich nennen. Ein Link deckt eine Bewertung mit abweichendem Namen und ohne Buchung ab. Wenn zwei übereinstimmen, ist die Zuschreibung solide. Wenn sie sich widersprechen, sollte jemand nachsehen.

Die Grenzfälle und wann Sie sie ignorieren können

Diese Fälle treten auf, wenn Volumen, Standorte und Fluktuation wachsen. Darunter erkennen Sie sie mit bloßem Auge.

Beispiel (erfunden): Zwei Reiseleiterinnen heißen beide Ana, eine bei der Hafentour und eine bei der Bergtour. Eine Bewertung der Hafentour, die auch den Skipper nennt, weist auf die Hafen-Ana hin, weil Personen, die zusammen genannt werden, zusammen arbeiten. Wenn nichts sie trennt, entscheidet eine Person.

Tippfehler und Schreibfehler

Reviewflowz prüft zunächst auf eine exakte Übereinstimmung mit einem Namen aus der Teambesetzung. Das kostet nichts und fängt ab, was das Modell zur Namenserkennung übersieht. „Caesar“ ist Cesar, und „Jaro“ ist Jaroslava, also erlaubt es auch einen begrenzten Tippfehler. In einem Test auf 3.053 Bewertungen verpasste das Modell zur Namenserkennung allein 8 von 1.776 Bewertungen, die Mitarbeiter nennen. Mit der exakten Namensüberprüfung davor übersah es nur noch eine.

Spitznamen und Kurznamen

Gäste schreiben „Lily“ für Lilibeth. Eine feste Liste kann das nicht wissen. Wenn eine Person eine Bewertung jemandem zuschreibt, den die Bewertung mit einem unbekannten Namen nennt, wird dieser Name zum Spitznamen. Halten Sie Titel wie „Kapitän“ fern, und lehnen Sie einen Spitznamen ab, der dem Namen eines anderen Mitglieds des Teams ähnelt.

Eine Person tritt bei, geht oder ändert ihren Namen

Die Teambesetzung ändert sich, und jede Änderung öffnet alte Bewertungen erneut. Beispiel (erfunden): Eine Reiseleiterin tritt im März ins Team ein und wird in Bewertungen vom Januar namentlich bedankt, die geprüft wurden, bevor der Name existierte. Wenn Sie sie zur Teambesetzung hinzufügen, sollten diese Bewertungen erneut gelesen werden. Ein gelernter Spitzname sollte keine komplette Neuprüfung auslösen, sonst würde jede manuelle Korrektur eine komplette Neuprüfung kosten.

In ChatGPT einfügen: wann das funktioniert und wann Sie nicht vertrauen sollten

Wann ist das die richtige Wahl?

Ein einmaliger Import des Bewertungsverlaufs von ein paar hundert Bewertungen, ein erster Durchgang, ein kleines Team und eine Person, die jede Antwort liest. Ein Sprachmodell ist gut darin, einen Namen auf fünf Arten geschrieben zu lesen.

Die Bewertungen stammen nicht vom Tool. Sie fügen das ein oder laden hoch, was Sie exportiert haben, also sind die Bewertungen und ihre Datumsangaben nur so vollständig wie die Route, die sie erzeugt hat. Wenn Ihr Buchungssystem keine Mitarbeiter aufzeichnet, kann ein Modell es nicht erfinden.

Wann Sie ihm nicht trauen können: Wie wissen Sie, welche Antworten falsch sind?

Eine größtenteils richtige Antwort ohne Sicherheitswert sieht genau wie eine richtige aus. Die einzige Möglichkeit, falsch positive Ergebnisse zu finden, besteht darin, die Antworten mit der Wahrheit abzugleichen. Das hat seinen Preis: jede Antwort von Hand zu prüfen.

Bei entsprechendem Volumen wird das konkret. Reviewflowz bestätigt 87,1% der Mitarbeitererwähnungen korrekt, gemessen auf 3.053 Bewertungen über 4 Konten. 21 automatische Bestätigungen waren falsch. Die falschen sind eine kleine Zahl, versteckt unter 3.053 Bewertungen, aber jede einzelne bedeutet, dass eine Person für die Bewertung von jemand anderem Anerkennung bekommt, vielleicht sogar bezahlt wird.

Für die Messung diente ein Datensatz, den ein leistungsstärkeres Modell statt einer menschlichen Prüfung annotiert hat, mit einer Messung vor und nach der Änderung. Solange Sie ohnehin jede Antwort lesen, brauchen Sie keinen Sicherheitswert. Wenn Sie das nicht können, brauchen Sie ihn.

Wie sorgen Sie dafür, dass es besser wird?

Eine Korrektur bleibt nur, wenn etwas sie speichert. Beim nächsten Mal muss die menschliche Korrektur sich gegen das Modell durchsetzen, ein vom Gast verwendeter Spitzname muss gelernt werden, und ein Testdatensatz muss vor und nach jeder Änderung gemessen werden. Jemand muss die Verantwortung für die Warteschlange der zweifelhaften Fälle übernehmen. Wie wir das tun, ist in Wo Reviewflowz passt.

Die versteckten Kosten von Vertrauen bei großem Volumen

Das Modell selbst ist der günstige Teil. Für etwa 0,0001 US-Dollar pro Bewertung findet es Namen, für etwa 0,003 US-Dollar pro Bewertung trifft es Entscheidungen. Die eigentliche Arbeit steckt im Vertrauen drumherum: ein Schwellenwert für die Sicherheit, eine Warteschlange für die zweifelhaften Fälle, eine Fehlerquote, die Sie messen, und ein Lernkreislauf. Wenn Sie nur einen Import des Bewertungsverlaufs benötigen, brauchen Sie nichts davon. Läuft der Prozess jede Woche und hängt die Bezahlung davon ab, bauen Sie diese Struktur um das Tool herum auf.

Kann ich meinen Mitarbeitern einen Bonus für gewonnene Bewertungen geben?

Ja, zahlen Sie Mitarbeiter für das, was Sie bestätigen können. Zahlen Sie dem Kunden nicht. Stützen Sie den Bonus auf bestätigte Zuordnungen, nicht auf Link-Klicks oder rohe Zähler.

Googles Richtlinie zu verbotenen und eingeschränkten Inhalten sagt: „Folgendes ist Händler*innen oder Nutzer*innen nicht gestattet: ... Anreize zu bieten, ... für das Veröffentlichen einer Rezension oder die Überarbeitung bzw. Entfernung einer negativen Rezension“. Sie listet auch als eingeschränkt auf „Dass Händler*innen Mitarbeitende auffordern, von Kund*innen eine bestimmte Anzahl von Rezensionen zu erbitten“. Die Seite erwähnt keinen Bonus für Mitarbeiter.

Für ein kleines Team und einen kleinen Bonus ist es in Ordnung, nach dem zu zahlen, was Sie in den Bewertungen lesen. Wenn der Bonus groß oder umstritten ist, zahlen Sie auf bestätigte Zuschreibung, nicht auf Vorschläge, und klären Sie Streitigkeiten vor der Auszahlung. Eine Auszahlung ist nur so gut wie die Daten darunter. Siehe auch sollten Sie Mitarbeiter pro Bewertung bezahlen und wie Sie Ihr Team anspornen, mehr Bewertungen zu sammeln.

Wann Sie ein System benötigen, das sich selbst korrigiert, und wann nicht

Sie benötigen keines, wenn Sie einen Standort mit wenigen Mitarbeitern betreiben, nichts davon abhängt und Sie jede neue Bewertung beim Eintreffen lesen. Ihre eigenen Augen und ein Notizbuch funktionieren. Der Haken ist, dass es nur ab sofort funktioniert.

Sie benötigen eines, wenn mehrere davon wahr sind:

• Das Volumen ist mehr als Sie lesen und überprüfen können.
• Sie betreiben mehrere Standorte.
• Mitarbeiter teilen Namen oder kommen und gehen.
• Zahlungen oder Boni sind davon abhängig.
• Bewertungen nennen oft niemanden.
• Die Liste ändert sich unter Ihnen durch Löschungen und Bearbeitungen.

Dann können Sie es bauen oder kaufen. Verwenden Sie diese Checkliste für beide Wege.

• Daten. Jede Bewertung mit ihrem genauen Datum. Gelöschte und bearbeitete Bewertungen werden erkannt. Eine unterbrochene Verbindung wird abgefangen. Mitarbeiter werden aus dem Buchungssystem ausgelesen.
• Zuordnung. Jeder Beleg wird als Datensatz geführt. Die Entscheidung einer Person hat Vorrang. Kein stilles „niemand“, wenn ein Schritt fehlschlägt. Lernen aus Korrekturen. Ein neuer Blick auf alte Bewertungen, wenn sich die Teambesetzung ändert.

Wo Reviewflowz passt

Wenn diese Bedingungen auf Sie zutreffen, macht Reviewflowz das Folgende.

Bei den Daten verbindet sich Reviewflowz über die Google Business Profile API, sofern der Inhaber die Verbindung herstellt, und liest andernfalls die öffentlichen Angebote aus, ein Profil pro Standort. Reviewflowz speichert die genaue Uhrzeit jeder Bewertung, führt Versionen bearbeiteter Bewertungen, markiert entfernte Bewertungen, damit die Zuschreibung mitzieht, und liest Mitarbeiter aus Ihrem Buchungssystem aus, sofern das System sie erfasst.

Bei der Zuordnung liest Reviewflowz Namen im Bewertungstext, gleicht Bewerter mit Buchungen ab und führt beides als Beleg. Daraus ergibt sich eine Zuschreibung pro Person pro Bewertung. Jede Zuschreibung speichert ihre Sicherheit, den zugeordneten Text, die Erklärung und wer oder was sie erstellt hat. Eine Person bestätigt oder lehnt die zweifelhaften Fälle in der Warteschlange „Need validation“ ab, und ihre Korrekturen fließen ins System zurück. Separat zählt die Tabelle Magic links die Bewertungen, die jedem Link zugeordnet sind. „Attribute past reviews“ führt den Import des Bewertungsverlaufs aus, wenn Sie Ihr Team einrichten.

Das gemessene Ergebnis: 87,1% der Mitarbeitererwähnungen korrekt bestätigt, auf Basis von 3.053 Bewertungen aus 4 Konten. Das deckt nur Erwähnungen im Text ab und wurde von einem leistungsstärkeren Modell gelabelt.

Was es nicht tut: Für die Buchungsmethode braucht es ein Mitarbeiterfeld in Ihrem System, Link-Zuschreibung macht es nicht automatisch zahlungssicher, und die Warteschlange braucht weiterhin einen Menschen.