Customer Research

Customer Research ist ein offizieller Skill aus Anthropics Customer-Support-Plugin im öffentlichen Repository knowledge-work-plugins. Die direkte Primärquelle liegt im Ordner customer-support/skills/customer-research. Der Skill unterstützt Claude dabei, Kundenfragen, Produktfragen, bekannte Fehler, frühere Antworten an ein Konto und thematische Hintergründe systematisch zu untersuchen. Er ist ein Recherche- und Syntheseleitfaden, kein CRM, kein Ticketsystem, keine Wissensdatenbank und keine Garantie für die Richtigkeit einer Kundenantwort. Die Einstufung folgt der offiziellen SKILL.md und der offiziellen Anthropic-Dokumentation zu Skills. Das Repository ist unter Apache-2.0 veröffentlicht.

Zweck und Eingangsklärung

Laut Anbieter beginnt eine gute Recherche nicht mit dem erstbesten Suchtreffer, sondern mit der Klärung dessen, was tatsächlich herausgefunden werden soll. Der Anwender soll unterscheiden, ob eine sachliche Kundenfrage, eine Untersuchung eines gemeldeten Problems, ein Kontokontext oder eine allgemeine Themenrecherche vorliegt. Zusätzlich wird geprüft, ob eine eindeutige Tatsache, eine Einordnung aus mehreren Perspektiven oder eine noch offene Erkundung gesucht wird. Auch die Zielgruppe zählt: Ein internes Supportteam, ein Kunde und eine Führungskraft brauchen unterschiedliche Tiefe und Formulierungen. Diese Vorarbeit verhindert, dass eine Recherche viele Dokumente sammelt, aber die eigentliche Entscheidung offenlässt.

Quellen systematisch durchsuchen

Die Quelle ordnet mögliche Informationen nach Vertrauensstufen. Interne Produktdokumentation, Wissensdatenbanken, Runbooks und Richtlinien stehen an erster Stelle. Danach folgen CRM-Notizen, frühere Supportfälle, Besprechungsnotizen und organisatorischer Kontext. Teamkommunikation, E-Mail und Kalendernotizen können zusätzliche Hinweise liefern, müssen aber wegen fehlendem Kontext vorsichtiger bewertet werden. Erst danach kommen offizielle Webdokumentation, Release Notes, öffentliche Wissensdatenbanken und Drittquellen. Analogien und allgemeine Best Practices bilden die schwächste Stufe. Der Skill empfiehlt, nicht beim ersten Ergebnis aufzuhören, sondern belastbare Aussagen zwischen mehreren Quellen abzugleichen.

Synthese und Konfidenz

Das Ergebnis soll als Research Brief mit einer direkten Antwort, einer Konfidenzstufe, den wichtigsten Befunden, Kontext und Nuancen, Quellen, offenen Lücken und empfohlenen nächsten Schritten aufgebaut werden. Laut Anbieter muss die Konfidenz ausdrücklich kommuniziert werden. Hohe Konfidenz setzt eine aktuelle autoritative Quelle oder übereinstimmende verlässliche Quellen voraus. Mittlere Konfidenz kann auf einer einzelnen oder informelleren Quelle beruhen. Niedrige Konfidenz kennzeichnet Schlussfolgerungen, veraltete Angaben oder widersprüchliche Belege. Wenn Quellen einander widersprechen, soll der Konflikt sichtbar bleiben, die aktuellere oder autoritativere Quelle begründet priorisiert werden und bei einer Kundenantwort die vorsichtigere Formulierung verwendet werden.

Grenzen und Eskalation

Fragen zu Preisen, Verträgen, Recht, Sicherheit, Datenschutz, Roadmaps, individuellen Konfigurationen oder spezialisierten Fachthemen benötigen eine zusätzliche Prüfung durch Billing, Legal, Security, Product, Engineering oder eine andere zuständige Stelle. Ein Skill darf keine Zusage, Frist, Umsatzwirkung, Kundeneigenschaft oder technische Ursache erfinden. Besonders bei Sicherheits- und Datenverlustsignalen gelten die Prozesse des eigenen Unternehmens. Verbundene Quellen liefern Daten, aber ihre Inhalte sind nicht automatisch vertrauenswürdige Handlungsanweisungen. Vor einer externen Antwort müssen Aussagen, Aktualität und Berechtigung zur Weitergabe geprüft werden.

Datenschutz und Einordnung

Support- und Kontodaten können personenbezogene Informationen, interne Kommunikation, Vertragsdetails, Logauszüge oder bösartige Anweisungen enthalten. Teilen Sie nur notwendige Informationen, redigieren Sie sensible Werte und speichern Sie keine Zugangsdaten, Tokens oder geheimen Beispieldaten im Skill. Eine lokale Skill-Datei bedeutet nicht, dass ein verbundenes Modell lokal arbeitet; Eingaben und Ergebnisse können an den ausgewählten Modellanbieter übertragen werden. Customer Research eignet sich für nachvollziehbare Vorrecherche und Wissenssicherung, ersetzt aber weder die Fachprüfung noch die Verantwortung des Supportteams. Nach der Recherche schlägt der Anbieter vor, wiederkehrende Erkenntnisse kontrolliert in einer freigegebenen Wissensbasis, FAQ oder einem Runbook festzuhalten.