S tím, jak firmy digitálně transformují svá řešení a procesy, zjišťují, že pro dosažení úspěchu je nutné změnit i způsob, jakým komunikují se svými zákazníky – a zejména jak jim rozumějí.
Ale jde o víc než jen nabízení jednoduchých zákaznických průzkumů. Musíte být aktivně zapojeni do konverzací o tom, jak vaše zákaznická základna nahlíží na vaši značku. A klíčem k tomu, jak to zjistit, je analýza postoje.
Analýza postoje, také známá jako dolování názorů nebo emoční umělá inteligence, je technika zpracování přirozeného jazyka (NLP), která určuje, zda je obsah pozitivní, negativní nebo neutrální. Analýzou textu a statistik může nástroj pro analýzu postoje pochopit, co zákazníci říkají, jak to říkají a co tím skutečně myslí – jak z pohledu jednotlivce, tak z pohledu veřejnosti.
Pod hlavičkou dolování textu se analýza postoje běžně používá k rozpoznání hlasu zákazníka ve zpětné vazbě a kanálech, jako jsou recenze, průzkumy, webové články a sociální média. S tím, jak se jazyk vyvíjí, může být stále obtížnější porozumět prostřednictvím těchto kanálů opravdovému záměru a spoléhání se na slovníkové definice může vést k nepřesným výkladům.
S algoritmickým nástrojem analýzy postoje zaměřeným na hlasy vašich zákazníků budete moct zjišťovat, co vaši zákazníci chtějí nebo vyžadují po vašem produktu, službě nebo řešení a jak se jejich názory vyvíjejí nebo mění v průběhu času.
Mezi typy analýzy postoje patří:
Tradičně se firmy při zjišťování názorů zákazníků spoléhají na dotazníky a průzkumy. Například průzkum Net Promoter Score (NPS) shromáždil a vyhodnotil informace potřebné k měření ochoty zákazníků doporučit danou firmu. I když je takový průzkum cenný, může mu výrazně chybět schopnost poskytnout podrobnější pohled na zákaznické zkušenosti – například při nákupech – napříč vašimi digitálními kanály.
Analýza postoje může tuto mezeru překlenout.
Při monitorování, identifikaci a extrakci názorů a postojů zákazníků z textu může analýza postoje pomoci odhalit význam každého komentáře, lajku na sociálních médiích, nápadu, stížnosti a dotazu. A pomoci vám díky tomu rychle reagovat na neustále se vyvíjející potřeby vašich zákazníků.
Analýzou shromážděných dat získáte shrnutí reakce každého zákazníka, stejně jako jakoukoli další zpětnou vazbu, která by mohla pomoci formovat veřejné vnímání vašeho produktu nebo firmy. Když se tato data umístí na spektrum pozitivních, neutrálních nebo negativních postojů, můžete vidět, co zákazníka přimělo k tomu, aby danou věc řekl – a odhalíte názory, které popisují pocity a názory zákazníka na konkrétní téma.
Tyto názory jsou poté klasifikovány jako přímé („Tento produkt je ten nejlepší, jaký jsem kdy použil!“) nebo srovnávací („Produkt A se lépe integroval s mou organizací než Produkt B.“). I když jsou tyto postoje často snadno interpretovatelné, je důležité také poznamenat, že některé mohou vyžadovat další zkoumání. Klasifikace jako implicitní („Firma ví, co musí udělat, aby zlepšila tento produkt.“) a explicitní („Funkce A je snadno použitelná.“), stejně jako sekvence slov, které jsou pozitivní, ale obsahují negativní slovo, mohou být obtížně analyzovatelné a mohou vyžadovat manuální kontrolu nebo úpravy vašich modelů postojů.
Ale jakmile tato klíčová slova a fráze o tom, co si o vás ostatní myslí, objevíte, mohou vám pomoci naplánovat další kroky vaší organizace. Aby ale byla analýza postoje přínosná pro vaši firmu, musíte nejprve pochopit, jak funguje.
Analýza postoje využívá několik technologií k tomu, aby ze všech slov zákazníků vytvořila jedinou použitelnou položku. Proces analýzy postoje sestává ze čtyř kroků:
Když si zapamatujete popisná slova a věty, abyste jim mohli přiřadit váhu postoje, můžete se svým týmem vybudovat knihovnu postojů. Prostřednictvím ručního určování skóre se tým rozhoduje, jak silná, nebo slabá by měla být jednotlivá slova a jaká je polarita odpovídajícího skóre věty. Může být buď pozitivní, negativní, nebo neutrální. Vícejazyčné moduly pro analýzu postoje musí udržovat jedinečné knihovny pro každý podporovaný jazyk prostřednictvím konzistentního počítání skóre, nových vět a odebírání nerelevantních pojmů.
Analýzu postoje lze rozdělit do tří různých kategorií:
Kombinace algoritmů pro statistiku, NLP a strojové učení, které identifikují postoje. Systém je vytrénován na přidružování vstupů k odpovídajícím výstupům, tedy text zákazníka k polaritě. Stroje získávají klasifikace ze vstupních dat a po vytrénování se dokáží průběžně přizpůsobovat. Je možné je otestovat dalšími daty, aby vznikaly lepší predikce.
Nejpřímočařejší analýza postoje používá slovníky a lexikony, s nimiž prozkoumává slova a věty a určuje pro ně přidružené postoje. Tento typ přístupu funguje dobře pro přímé a explicitní názory. Ačkoli je to rychlý a snadno použitelný systém, málokdy se zabývá tím, jak jsou slova uspořádána za sebou. Týmy musí přidat pravidla pro komparativní názory, protože tento přístup nedokáže porozumět implicitním názorům.
Kombinace systémů založených na pravidlech a automatizovaných systémů znamená, že získáte přesnost potřebnou k opravdovému porozumění zákazníkům. Tento systém je ze všech nejvýkonnější, protože obsahuje z lexikonů shromážděné emoční informace, které se dají v průběhu času přizpůsobovat.
Sociální média nabízejí pouze letmý přehled o tom, jak lidé mluví o vaší značce online. Analýza postoje nabízí okamžité informace o tom, jak veřejnost vnímá jak značku, tak produkt. Velké množství retweetů na Twitteru může vypadat příznivě, ale když si všimnete, že lajků je daleko méně než negativních komentářů, dá se vyvodit, že nejde o pozitivní interakci.
Analýza postoje může společnosti umožnit extrahovat velmi cenný zákaznický vstup z interních zdrojů dat. Například monitorováním přepisů online chatů zákazníků se zástupci servisu a podpory je možné společnost rychleji upozornit na problémy s kvalitou, bezpečností nebo zárukou produktů. Mezi další výhody analýzy postoje patří:
Všechny tyto výhody nabízejí týmu ucelený přehled o tom, co si zákazníci myslí a jak adekvátně reagovat. Na základě těchto poznatků můžete vést interní týmy, jako je tým služeb zákazníkům, k tomu, aby pomohly zlepšit uživatelskou zkušenost, nebo marketingové týmy a týmy pro kontakt se zákazníkem k tomu, aby zapojily segmenty zákazníků na základě postoje pomocí cíleného prodeje, marketingu a podpory.
To nejlepší na analýze postoje je, že neslouží jen jednomu týmu. Všechny týmy můžou její data využít k adekvátnímu plánování všeho od marketingových kampaní přes strategie určování cen až po vyřizování objednávek nebo zákaznickou podporu. S tím, jak se různé týmy dozvídají o postojích zákazníků k produktu, značce a firmě, můžou svou znalost využít ke stanovení reakcí a optimalizaci firemního provozu. Můžou také přehodnotit cíle firmy i svého zákazníka a definovat, které činnosti podniknout, aby bylo daných cílů dosaženo.
Mezi příklady toho, jak týmy využívají analýzu postoje, patří:
Je nesmírně důležité mít nástroj, který dokáže porozumět složitým lidským emocím, abyste od základny zákazníků mohli získávat zpětnou vazbu, kterou potřebujete. V minulosti analýza postoje vyžadovala odbornost v několika technologiích, ale v dnešní době už existuje několik softwarových nástrojů, které analýzu postoje umožňují i s minimálními nebo vůbec žádnými znalostmi.
Volba platformy zákaznických dat (CDP) s integrovaným, inteligentním nástrojem pro analýzu postoje by měla být pro vaši firmu tou nejvyšší prioritou. Abyste mohli vytvářet úspěšná omnikanálová zákaznická prostředí, potřebuje váš tým i celá organizace platformu zákaznických dat, která má k dispozici všechny funkce nezbytné pro generování holistických profilů zákazníků v reálném čase. Patří mezi ně nástroj pro analýzu postoje, který dokáže nabídnout nové poznatky o tom, jak optimalizovat řízení vztahů se zákazníky a další shromážděná data.
Hledejte platformu zákaznických dat, která používá modely NLP k přesné a efektivní analýze názorů a emocí zákazníků. Když jsou modely vytrénované na různých datech z veřejných zdrojů, měly by být schopné vygenerovat skóre postoje zákazníka a identifikovat vhodné oblasti ve firmě, které by bylo možné cíleně zlepšit.
Sledujte Dynamics 365