Diese Analyse wurde entwickelt, um eine maximale Genauigkeit zu gewährleisten. Hier ist die genaue Vorgehensweise des zugrundeliegenden Skripts:
- Datengrundlage: Es wurden tausende Slack-Nachrichten aus dem kombinierten Export für die Jahre 2022-2025 eingelesen.
- Identifizierung von VGs: Eine Nachricht wurde nur als Vorgespräch (VG) gewertet, wenn sie Schlüsselwörter wie 'quelle' oder 'bg termin' enthielt. Reine Verkaufs-Meldungen ('verkauf', 'zugang genehmigt'), Terminverschiebungen ('verschoben') oder Arbeitszeit-Protokolle wurden explizit ignoriert.
- Vermeidung von Doppelzählungen: Das Skript merkt sich jeden Slack-Thread. Antworten innerhalb eines Threads wurden erkannt, aber der ursprüngliche Lead wurde nur genau EINMAL gezählt, um eine akkurate Zählung einzigartiger VGs sicherzustellen.
- Quellen-Erkennung: Jede VG-Nachricht wurde nach dem Wort 'quelle' durchsucht (Groß/Kleinschreibung egal). Die gefundene Angabe wurde dann mit einer umfassenden Liste von bekannten Schreibweisen, Tippfehlern und Variationen abgeglichen und einer finalen Kategorie zugeordnet.
- 'Kennt Marcel'-Analyse: Das Skript prüfte zuerst auf 'kennt marcel nicht'. Nur wenn dies nicht zutraf, wurde nach 'kennt marcel' gesucht, um eine klare Ja/Nein-Zuordnung sicherzustellen.
- Mitarbeiter-Zuweisung: Jeder Lead wurde über die Slack User-ID einem Mitarbeiter zugeordnet.