Ahogy a vállalkozások digitálisan átalakítják megoldásaikat és folyamataikat, azt is szükségesnek találják, hogy átalakítsák az ügyfelekkel való kommunikációt és különösen megértsék ügyfeleiket, hogy azok sikeresek legyenek.
Ez azonban többet jelent, mint egyszerű ügyfélfelméréseket. Aktívan részt kell vennie az ügyfélkör márkával kapcsolatos beszélgetéseiben. És a hangulatelemzés a kulcs ennek kiderítéséhez.
A hangulatelemzés, más néven véleménybányászat vagy érzelemalapú mesterséges intelligencia egy természetes nyelvfeldolgozási (NLP) technika, amely meghatározza, hogy egy tartalom pozitív, negatív vagy semleges tartalom-e. A szöveg és a statisztika elemzésével a hangulatelemző eszköz képes megérteni, hogy mit mondanak az ügyfelek, hogyan mondják azt, és hogy valójában mire gondolnak – mindezt egyéni és nyilvános szemszögből is.
A szövegbányászat gyűjtőjeként a hangulatelemzést rendszeresen használják az ügyfél hangjának meghatározásához visszajelzési anyagaiban és a csatornákon, például véleményekben, felmérésekben, webes cikkekben és közösségi médiában. A nyelv fejlődésével egyre nehezebbé válik a szándék megértése ezeken a csatornákon keresztül, és a szótárdefiníciók alapértelmezett beállítása pontatlan értelmezésekhez vezethet.
Az ügyfelek hangjához igazított algoritmusalapú hangulatelemző eszközzel felfedheti,’hogy ügyfelei mit szeretnének és mire van szükségük a termékből, szolgáltatásból vagy megoldásból, és hogy a véleményük hogyan változik az idő múlásával.
A hangulatelemzés néhány típusa a következő:
A vállalatok hagyományosan kérdőívekre és felmérésekre támaszkodtak az ügyfelek véleményének felméréséhez. A Net Promoter Score (NPS) felmérés például összesítette és értékelte azokat az információkat, amelyek az ügyfelek üzleti ajánlási hajlandóságának méréséhez voltak szükségesek. Bár értékes, előfordulhat, hogy nem képes mélyebb betekintést nyújtani az ügyfélélménybe – például amikor vásárlásokat végeznek – a digitális csatornákon.
A hangulatelemzés azonban áthidalhatja ezt a rést.
Az ügyfelek véleményének és hangulatának figyelése, azonosítása és kinyerése során a hangulatelemzés segíthet felfedni az egyes megjegyzések, közösségi oldalak, például az ötlet, a panasz és érdeklődések jelentését. Emellett segítséget nyújt az ügyfelek folyamatosan változó igényeinek kielégítésében.
Az összegyűjtött adatok elemzésével összegzést kap az egyes ügyfelek reakcióiról, valamint minden további visszajelzésről, amely segíthet a termék vagy az üzlet közösségi fogadtatásának alakításában. Ha ezek az adatok pozitív, semleges vagy negatív hangulatspektrumba kerülnek, láthatja, hogy mi hatott az ügyfélre, hogy az adott állítást tegye – felfedve az ügyfél véleményeit és az adott témával kapcsolatos érzelmeket leíró véleményeket.
Ezeket a véleményeket ezután közvetlenként („ez a termék a legjobb, amit valaha használtam!”) vagy összehasonlítóként („Az A termék jobban integrálva van a szervezetemmel, mint a B termék”) sorolhatják be. Bár ezek gyakran könnyen értelmezhetők, fontos megjegyezni, hogy vannak, akiknél további vizsgálatra lehet szükség. Az olyan besorolások, mint az implicit („A vállalat tudja, hogy mit kell tennie a termék fejlesztéséhez.”) és explicit („Az A funkció könnyen használható”), valamint a pozitív, de negatív szót tartalmazó szósorozatok nehezen elemezhetők, és szükség lehet a hangulatmodellek manuális felülvizsgálatára vagy módosítására.
Ha azonban ezek a kulcsszavak és kifejezések arról szólnak, hogy mások hogyan érzik magukat Ön iránt, segíthetnek megtervezni a szervezet következő lépését. Először azonban meg kell értenie, hogyan működik a hangulatelemzés a vállalkozása előnyeinek kihasználásához.
A hangulatelemzés számos technológiát használ arra, hogy az összes ügyfélszót egyetlen, végrehajtható elemre bontsa. A hangulatelemzés folyamata az alábbi négy lépést követi:
Ha megjegyzik a leíró szavakat és kifejezéseket, hogy hangulati súlyt rendeljenek hozzájuk, Ön és csapata létrehozhat egy hangulattárat. A manuális pontozással a csapat eldöntheti, hogy milyen erősnek vagy gyengének kell lennie az egyes szavaknak, valamint hogy mi a megfelelő kifejezés pontszámának polaritása, jelezve, hogy pozitív, negatív vagy semleges. A többnyelvű hangulatelemző motoroknak emellett egyedi kódtárakat kell fenntartaniuk az általuk támogatott összes nyelvhez egységes pontozással, új kifejezésekkel és az irreleváns kifejezések eltávolításával.
A hangulatelemzés három különböző kategóriába sorolhatja ezeket a megközelítéseket:
Statisztikai, NLP- és gépi tanulási algoritmusok kombinációja a hangulatok azonosításához. A rendszert úgy képezték ki, hogy a bemeneteket a megfelelő kimenetekhez társítsa, azaz az ügyfél szövegét a polaritáshoz. A gépek a bemeneti adatokkal vannak besorolva, és a betanítás után idővel alkalmazkodhatnak. Ez további adatokkal is tesztelhető, hogy jobb előrejelzéseket nyújtson.
A legegyszerűbb hangulatelemzés szótárak vagy lexikonok használatával vizsgálja meg a szavakat és kifejezéseket, és meghatározza a hozzájuk tartozó hangulatokat. Ez a megközelítés jól működik közvetlen és explicit véleményekkel. Bár ez a rendszer gyors és könnyen használható, ritkán veszi figyelembe, hogy a szavak hogyan vannak kombinálva egy mondatban. A csapatoknak összehasonlító véleményekre vonatkozó szabályokat kell hozzáadniuk, mivel ez a megközelítés nem képes azonnal megérteni az implicit véleményeket.
A szabályalapú és az automatizált rendszerek kombinálásával olyan pontosságot és precizitást érhet el, amely az ügyfelek valódi megértéséhez szükséges. Ez a leghatékonyabb rendszer, mivel a lexikonokból összegyűjtött érzelmi információkat tartalmazza, amelyek idővel módosíthatók.
Bár a közösségi média csak egy pillantást vet arra, hogy az emberek hogyan beszélnek az Ön márkájáról online, a hangulatelemzés azonnali ismereteket ad arról, hogy a közönség hogyan érzékeli a márkát és a terméket is. A Twitteren sok továbbtweetelés pozitívnak tűnhet, de ha azt tapasztalja, hogy a kedvelések jelentősen meghaladják a negatív megjegyzéseket, megállapíthatja, hogy ez egy kevésbé pozitív interakció.
A hangulatelemzés lehetővé teszi a vállalat számára, hogy értékes ügyféladatokat nyerjen ki belső adatforrásokból. Ha például figyeli az ügyfelek és a támogatási képviselők online csevegéseinek átiratait, a vállalat gyorsabban értesülhet a termékminőséggel, a biztonsággal és a jótállással kapcsolatos problémákról. A hangulatelemzés további előnyei többek között a következők:
Mindezek az előnyök átfogó képet nyújtanak a csapatának arról, hogy mit gondolnak az ügyfelek, és hogyan reagáljon ennek megfelelően. Ezekből az elemzésekből olyan belső csapatokat irányíthat, mint az ügyfélszolgálat, hogy segítsenek a felhasználói élmény javításában, vagy marketinges és ügyféloldali csapatok, hogy a célzott értékesítési, marketinges és támogatási tevékenységek hangulata alapján vonják be az ügyfélszegmenseket.
A legjobb az, hogy a hangulatelemzés nem csak egyetlen csapat számára működik. Ezeket az adatokat minden csapat felhasználhatja arra, hogy ennek megfelelően tervezze meg a marketingkampányoktól kezdve a díjszabási stratégiákon át a megrendelések teljesítéséig vagy az ügyfélszolgálatig. Ahogy a különböző csapatok egyre többet megtudhatnak arról, hogy az ügyfelek hogyan érzik magukat a termékkel, a márkával és a vállalkozással kapcsolatban, a tudásukat felhasználhatják a válaszok meghatározásához és az üzleti műveletek optimalizálásához. Ezen kívül újraértékelhetik a vállalkozás és az ügyfél céljait, és meghatározhatják, hogy milyen lépéseket kell tenni a cél elérése érdekében.
Néhány példa arra, hogyan használják a csapatok a hangulatelemzést:
Az összetett emberi érzelmeket megértő eszközök elengedhetetlenek ahhoz, hogy megkapja az ügyfélkörtől érkező visszajelzéseket. A hangulatelemzés korábban több technológiával kapcsolatos szakértelmet igényelt, de napjainkban számos szoftvereszköz lehetővé teszi a hangulatelemzést kevés tudással vagy anélkül.
Az integrált, intelligens hangulatelemző eszközzel rendelkező ügyfél-adatplatform (CDP) kiválasztása elsődleges fontosságú a vállalkozás számára. A sikeres többcsatornás ügyfélélmények létrehozásához a csapatnak és a szervezetnek is szüksége van egy olyan CDP-re, amely rendelkezik a holisztikus, valós idejű ügyfélprofilok létrehozásához szükséges összes képességgel. Ez magában foglal egy hangulatelemző eszközt, amely új betekintést nyújt az ügyfélkapcsolat-kezelési és egyéb gyűjtött adatok optimalizálásához.
Keressen olyan CDP-t, amely NLP-modelleket használ az ügyfelek véleményének és érzelmeinek pontos és hatékony elemzéséhez. A nyilvános forrásokból származó különböző adatokra betanított modelleknek képesnek kell lenniük az ügyfélhangulati pontszámok létrehozására és a célzott fejlesztésekhez alkalmazható üzleti területek azonosítására.
A Dynamics 365 követése