AI för kundfeedback – så analyserar du enkäter, recensioner och fritextsvar

Fritextsvar och recensioner är guld, men ingen hinner läsa dem. Så använder du AI för att hitta teman, ton och citat i kundfeedback, och vad du alltid ska kontrollera själv.
Du skickade ut en kundenkät, fick in 340 svar och har sedan dess bara tittat på snittbetyget. De långa fritextsvaren ligger kvar i ett kalkylark och väntar på en lugn fredag som aldrig kommer. Samma sak med recensionerna på Google, mejlen till kundtjänsten och kommentarerna från förra kursen. Allt det där är guld, eftersom det är kunderna som med egna ord berättar vad som skaver. Problemet är att ingen hinner läsa det.
Det är just den sortens jobb som AI är bra på. Inte för att den förstår dina kunder bättre än du, utan för att den orkar läsa allt på en gång och sortera det åt dig. Du får teman, exempel och en första prioritering på några minuter. Sedan är det ditt jobb att avgöra vad som stämmer och vad du ska göra åt det. Vi går igenom hur du gör, steg för steg, och var du behöver vara försiktig.
Vad är AI-analys av kundfeedback egentligen?
Kundfeedback finns i två former. Den ena är siffror: betyg, NPS och kryssrutor. Den går att räkna på i Excel. Den andra är fritext: allt kunderna skriver med egna ord. Fritexten säger oftast mer, men den är tung att jobba med eftersom varje svar måste läsas och tolkas.
En AI-chattbot som ChatGPT, Claude eller Gemini kan läsa hundratals fritextsvar och göra tre saker med dem. Den kan gruppera svaren i teman, till exempel leveranstid, pris och bemötande. Den kan bedöma tonen i varje svar, alltså om kunden är nöjd, missnöjd eller neutral. Det kallas sentimentanalys. Och den kan plocka fram talande citat som visar vad varje tema handlar om.
Det låter som ett jobb för ett dyrt analysverktyg, och för några år sedan var det så. I dag räcker en vanlig AI-tjänst och ett kalkylark, så länge du är tydlig med vad du vill ha och kontrollerar resultatet.
Var hittar du feedback som är värd att analysera?
De flesta företag sitter på mer kundfeedback än de tror. Den är bara utspridd. Börja med att samla det du redan har:
- Enkätsvar från Google Forms, Typeform eller ditt mejlverktyg. Exportera dem som CSV eller Excel.
- Recensioner på Google, Trustpilot, Facebook eller i din webbutik. Kopiera in dem i ett dokument med datum och betyg.
- Kundtjänstärenden och mejl. Här räcker ofta ämnesraden och en kort sammanfattning av ärendet.
- Utvärderingar efter kurser, möten eller event.
- Anteckningar från säljsamtal, där kunden berättar varför de köpte eller tackade nej.
Du behöver inte allt på en gång. Ett bra första projekt är en enda källa med mellan 50 och 500 svar. Det är tillräckligt mycket för att mönster ska synas och tillräckligt lite för att du ska kunna stickprovskontrollera resultatet.
Arbetsgången i fem steg
Det här upplägget fungerar oavsett vilken AI-tjänst du använder. Poängen är att dela upp jobbet, så att AI:n gör en sak i taget och du kan kontrollera varje del.
Steg 1: Städa och avidentifiera
Innan något laddas upp tar du bort namn, mejladresser, telefonnummer, ordernummer och annat som pekar ut en person. Kundfeedback innehåller ofta mer personuppgifter än man tror, till exempel "jag pratade med Anna i kassan" eller ett mobilnummer i en klagan. Mallen Avidentifieraren visar hur du rensar texten på ett säkert sätt. Spara gärna originalet separat, så att du kan gå tillbaka om något behöver följas upp.
Ta också bort tomma svar och svar som bara säger "nej" eller "inget att tillägga". De gör analysen sämre utan att tillföra något.
Steg 2: Be om teman, inte om slutsatser
Det första du ber AI:n om är att läsa alla svar och föreslå 5–8 teman. Be den ange hur många svar som hör till varje tema och ge två eller tre ordagranna citat per tema. Be inte om rekommendationer än. Om AI:n får hoppa direkt till "vad ska vi göra?" blir svaret ofta allmänt och självklart.
Läs igenom temana. Känner du igen dem? Saknas något du vet att kunderna klagar på? Slå ihop teman som överlappar och dela upp sådana som är för breda. Det är ditt bidrag, och det gör stor skillnad.
Steg 3: Låt AI:n märka varje svar
När temana sitter ber du AI:n gå igenom svaren ett i taget och märka vart och ett med tema och ton (positiv, negativ, neutral). Be om resultatet som en tabell du kan klistra in i Excel eller Google Sheets. Då kan du räkna och filtrera själv i stället för att lita på AI:ns egen summering.
Har du många svar delar du upp dem i omgångar om 100–200 åt gången. Långa listor ökar risken att AI:n hoppar över rader eller börjar gissa.
Steg 4: Kontrollera med stickprov
Det här steget hoppar många över, och det är där misstagen gömmer sig. Välj 20 slumpmässiga rader och läs dem själv. Stämmer temat? Stämmer tonen? Om fler än två eller tre är fel justerar du instruktionen och kör om.
Kontrollera också siffrorna. AI-tjänster är ibland dåliga på att räkna, särskilt i långa texter. Låt kalkylarket göra själva räknandet och använd AI:n till att läsa och sortera. Artikeln om att faktagranska AI-genererat innehåll ger fler knep för att hitta fel.
Steg 5: Prioritera och bestäm
Först nu ber du om förslag. Ge AI:n din sammanställning och be den rangordna problemen efter hur ofta de nämns, hur negativa de är och hur lätta de verkar vara att åtgärda. Be om en kort sammanfattning som du kan dela med kollegor.
Vill du ha färdiga steg och prompter för hela flödet finns mallen Enkätanalysen, som tar dig från fritextsvar till beslut.
Tre exempel från verkligheten
Caféet med 120 Google-recensioner
Sara driver ett café i Västerås. Snittbetyget låg stabilt på 4,3, men hon visste inte varför det inte gick högre. Hon kopierade in sina 120 senaste recensioner och bad AI:n hitta teman bland de svar som hade tre stjärnor eller lägre.
Två saker stack ut. Den ena var väntetiden på lunchen, som nämndes i nästan hälften av de sämre recensionerna. Den andra var mer oväntad: flera klagade på att det var svårt att hitta ett eluttag för datorn. Sara hade aldrig tänkt på det. Hon flyttade två bord och satte upp en grenkontakt. Väntetiden krävde mer jobb, men nu visste hon åtminstone var hon skulle börja. För att svara på recensionerna i samma veva använde hon Recensionssvararen.
Konsultbyrån och kundenkäten
En liten IT-konsultbyrå skickade en årlig enkät till sina 60 kunder. NPS var bra, men fritextsvaren hade ingen läst ordentligt på två år. AI:n grupperade dem i sex teman, och det största var inte tekniskt alls. Kunderna ville ha tätare statusuppdateringar under pågående projekt.
Byrån införde ett kort veckomejl till varje aktiv kund. Nästa år nämnde ingen kommunikation som ett problem. Det tog en eftermiddag att analysera och en halvtimme i veckan att åtgärda.
Kursarrangören med utvärderingarna
Erik håller kurser i bokföring och samlar in utvärderingar efter varje tillfälle. Efter ett år hade han nästan 400 svar. Han bad AI:n jämföra vårens och höstens kurser. Det visade sig att deltagarna på hösten klagade mer på tempot, vilket sammanföll med att han lagt till ett nytt avsnitt utan att förlänga kursen. Han delade upp kursen i två tillfällen och betygen gick upp igen.
Gemensamt för alla tre exemplen är att AI:n inte hittade på lösningarna. Den visade var problemen fanns, och människan bestämde vad som skulle göras.
Vanliga fallgropar och hur du undviker dem
AI-analys av feedback är kraftfullt, men det finns några fällor som är lätta att gå i:
- Att lita på AI:ns siffror. Om AI:n säger att "42 % nämner pris" ska du kontrollera det i kalkylarket. Räkna själv, låt AI:n läsa.
- Att ställa ledande frågor. Frågar du "varför är kunderna missnöjda med priset?" kommer AI:n att hitta prisklagomål, även om de är få. Fråga öppet först.
- Att glömma de tysta. Feedback kommer oftast från de mest nöjda och de mest missnöjda. Mitten hörs sällan, så ta resultatet som en signal och inte som hela sanningen.
- Att ladda upp personuppgifter. Avidentifiera alltid först, och kontrollera vilka inställningar din AI-tjänst har för lagring och träning. Läs mer om reglerna i artikeln om AI och GDPR för företagare.
- Att låta AI:n svara kunderna automatiskt. Analysen kan gärna vara automatisk, men svaren till kunderna bör en människa läsa innan de skickas.
- Att aldrig följa upp. En analys som inte leder till någon förändring är bortkastad tid. Bestäm en sak att ändra, och mät igen efter några månader.
Vilka verktyg behöver du?
För de flesta småföretag räcker en vanlig AI-chattbot. ChatGPT, Claude och Gemini kan alla läsa uppladdade filer och ta fram tabeller. Betalversionerna klarar större filer och har oftast bättre inställningar för dataskydd, vilket spelar roll när du jobbar med kundtexter.
Har du feedbacken i Google Sheets eller Excel finns det AI-funktioner inbyggda i båda, som kan märka rader direkt i arket. Det är smidigt när samma analys ska göras varje månad.
Större företag med tusentals svar i veckan kan behöva särskilda verktyg för kundfeedback, där analysen sker löpande. Men börja enkelt. Det viktigaste är inte verktyget, utan att du läser resultatet kritiskt och gör något med det. Principen kallas ibland human in the loop: AI:n gör grovjobbet, människan granskar och beslutar.
Gör det till en rutin
Den största vinsten kommer när analysen blir återkommande. En enkel rutin för ett litet företag kan se ut så här:
- Samla ny feedback från alla källor i ett och samma kalkylark varje månad.
- Avidentifiera och låt AI:n märka svaren med samma teman som förra gången.
- Jämför med förra månaden: vilka teman växer och vilka krymper?
- Välj ett problem att ta tag i och skriv ner vad du ska göra.
- Dela en kort sammanfattning med teamet, gärna med två eller tre kundcitat.
Att använda samma teman varje gång gör det möjligt att se utvecklingen över tid. Vill du presentera resultatet för en chef eller styrelse kan mallen KPI-rapporten hjälpa dig att göra siffrorna begripliga.
Nästa steg
Börja litet. Välj en källa, till exempel dina senaste 100 recensioner eller förra enkätens fritextsvar, och kör igenom de fem stegen en gång. Det tar en eller två timmar första gången och betydligt kortare tid sedan. Du kommer troligen att hitta minst en sak som kunderna stör sig på och som du inte visste om.
Vill du se fler sätt att använda AI i ett litet företag hittar du dem samlade på sidan om AI för småföretagare.
Kundfeedback som ingen läser är som bananer i en låda på vinden: de blir inte bättre av att ligga. Låt AI:n sortera högen, men läs själv tjugo svar innan du tror på sammanfattningen. Och välj bara en sak att ändra i taget, annars vet du aldrig vad som gjorde skillnad. 🐒

