Terwijl bedrijven hun oplossingen en processen digitaal transformeren, komen zij tot de ontdekking dat het nodig is om de manier te transformeren waarop zij interacties hebben met hun klanten en vooral inzicht hebben in hun klanten, om succesvol te kunnen zijn.
Maar het gaat verder dan alleen het aanbieden van eenvoudige klantonderzoeken. Je moet actief betrokken zijn bij gesprekken over hoe je klantenbestand zich voelt over jouw merk. Een gevoelsanalyse is de sleutel om dat te achterhalen.
Gevoelsanalyse, ook wel meninganalyse of kunstmatige intelligentie van emoties genoemd, is een NLP-techniek (Natural Language Processing) die bepaalt of een stuk inhoud positief, negatief of neutraal is. Door tekst en statistieken te analyseren, kan een hulpprogramma voor gevoelsanalyse begrijpen wat klanten zeggen, hoe ze het zeggen en wat ze werkelijk bedoelen, zowel vanuit het perspectief van het individu als van het publiek.
Onder de paraplu van tekstanalyse wordt gevoelsanalyse regelmatig gebruikt om de stem van de klant te bepalen in feedbackmateriaal en kanalen zoals beoordelingen, enquêtes, webartikelen en sociale media. Naarmate de taal zich verder ontwikkelt, kan het steeds moeilijker worden om intenties te begrijpen via deze kanalen en de standaardinstelling voor woordenlijstdefinities kan leiden tot onnauwkeurige interpretaties.
Met een tool voor gevoelsanalyse op basis van algoritmen dat is afgestemd op de stemmen van je klanten kun je ontdekken wat je klanten van het product, de service of de oplossing willen en nodig hebben en hoe hun meningen zich ontwikkelen of veranderen in de loop van de tijd.
Voorbeelden van gevoelsanalyse zijn:
Van oudsher vertrouwen bedrijven op vragenlijsten en enquêtes om de mening van klanten te meten. Zo heeft de NPS-enquête (Net Promoter Score) informatie verzameld en beoordeeld die nodig is om de bereidheid van klanten om een bedrijf aan te bevelen te meten. Hoewel het waardevol is, mist het vaak de mogelijkheid om diepere inzichten te bieden in de ervaringen van klanten, zoals bij het doen van aankopen via al jouw digitale kanalen.
Maar gevoelsanalyse kan deze kloof overbruggen.
Bij het bewaken, identificeren en extraheren van de meningen en gevoelens van klanten in tekst kan gevoelsanalyse helpen de betekenis achter alle opmerkingen, 'vind ik leuks' in de sociale media, ideeën, klachten en vragen bloot te leggen. En je helpen voorzien in de steeds veranderende behoeften van je klanten.
Door de verzamelde gegevens te analyseren, krijg je een samenvatting van de reactie van elke klant, evenals andere aanvullende feedback die kan helpen bij het vormgeven van de openbare perceptie van jouw product of bedrijf. Wanneer je deze gegevens op een positief, neutraal of negatief gevoelsspectrum plaatst, kun je zien wat de klant ertoe heeft aangezet die uitspraak te doen. Zo worden de meningen onthuld die de gevoelens en gevoelens van de klant ten aanzien van een specifiek onderwerp beschrijven.
Deze meningen worden vervolgens geclassificeerd als direct (“dit product is het beste dat ik ooit heb gebruikt!”) of vergelijkend (“Product A is beter geïntegreerd met mijn organisatie dan product B.”). Hoewel deze vaak eenvoudig te interpreteren zijn, is het belangrijk om op te merken dat sommige ervan wellicht nader onderzocht moeten worden. Classificaties zoals impliciet (“het bedrijf weet wat ze moeten doen om dit product te verbeteren.”) en expliciet (“functie A is eenvoudig te gebruiken).” Ook woordreeksen die positief zijn maar een negatief woord bevatten, kunnen moeilijk te analyseren zijn en vereisen mogelijk een handmatige beoordeling of aanpassingen van jouw gevoelsmodellen.
Maar nadat deze belangrijke woorden en zinsneden over hoe anderen over je denken eenmaal zijn ontdekt, kunnen zij je helpen bij het plannen van de volgende stap voor je organisatie. Maar eerst moet je begrijpen hoe gevoelsanalyse werkt om profijt te halen voor je bedrijf.
Bij gevoelsanalyse wordt gebruikgemaakt van verschillende technologieën om alles wat je klanten zeggen om te zetten in één actiepunt. Het proces van gevoelsanalyse omvat de volgende vier stappen:
Door beschrijvende woorden en woordgroepen te onthouden om ze een gevoelsgewicht toe te wijzen, kunnen jij en jouw team een gevoelsbibliotheek bouwen. Door handmatig te scoren bepaalt je team hoe sterk of zwak elk woord moet zijn en bepaalt de polariteit van de bijbehorende woordgroepsscore, waarbij wordt aangegeven of deze positief, negatief of neutraal is. Meertalige engines voor gevoelsanalyse moeten ook unieke bibliotheken onderhouden voor elke taal die ze ondersteunen via consistente scores, nieuwe woordgroepen en het verwijderen van irrelevante termen.
Bij gevoelsanalyse kunnen drie verschillende categorieën worden onderscheiden:
Een combinatie van statistieken, NLP en machine learning-algoritmen om gevoelens te identificeren. Het systeem wordt getraind om invoer te koppelen aan de bijbehorende uitvoer, dat wil weten, klanttekst met polariteit. Machines worden geclassificeerd met de invoergegevens en kunnen zich na de training in de loop van de tijd aanpassen. Dit kan worden getest met aanvullende gegevens om betere voorspellingen te kunnen doen.
De meest eenvoudige gevoelsanalyse maakt gebruik van woordenlijsten of lexicons om woorden en woordgroepen te verkennen en de bijbehorende gevoelens te bepalen. Dit type benadering werkt goed met directe en expliciete meningen. Hoewel dit systeem snel en eenvoudig te gebruiken is, wordt er zelden rekening gehouden met de manier waarop woorden in een reeks worden gecombineerd. Teams moeten regels toevoegen voor vergelijkende meningen, omdat deze benadering impliciete meningen niet direct kan begrijpen.
Door zowel op regels gebaseerde als geautomatiseerde systemen te combineren, kun je de nauwkeurigheid en precisie verkrijgen die je nodig hebt om je klanten echt te begrijpen. Dit is het krachtigste systeem omdat het de emotionele informatie bevat die is verzameld uit lexicons, die in de loop van de tijd kan worden aangepast.
Hoewel sociale media slechts een blik werpen op hoe mensen online over jouw merk praten, biedt gevoelsanalyse directe kennis van hoe het publiek jouw merk en product bekijkt. Veel retweets op Twitter lijken misschien positief, maar als je merkt dat de vind-ik-leuks drastisch worden overschaduwd door negatieve opmerkingen, kun je concluderen dat dat een minder positieve interactie is.
Gevoelsanalyse kan jouw bedrijf ook in staat stellen om onschatbare klantinput uit interne gegevensbronnen te extraheren. Door bijvoorbeeld transcripten van online chats van klanten met service- en ondersteuningsmedewerkers te controleren, kan je bedrijf sneller op de hoogte worden gesteld van problemen met productkwaliteit, -veiligheid en -garantie. Andere voordelen van gevoelsanalyse zijn:
Al deze voordelen bieden je team een uitgebreid beeld van wat klanten denken en hoe zij op basis hiervan handelen. Aan de hand van deze inzichten kun je interne teams zoals de klantenservice leiden bij het helpen verbeteren van de gebruikerservaring, of kun je marketing- en klantgerichte teams in staat stellen klantsegmenten aan te spreken op basis van gerichte verkoop-, marketing- en supportinspanningen.
Het beste is dat gevoelsanalyse niet alleen werkt voor één team. Elk team kan deze gegevens gebruiken om zich voor te bereiden op alles, van marketingcampagnes tot prijsstrategieën tot orderverwerking of klantenservice. Naarmate verschillende teams meer te weten komen over hoe klanten denken over het product, merk en bedrijf, kunnen ze hun kennis gebruiken om antwoorden te bepalen en bedrijfsactiviteiten te optimaliseren. Ze kunnen ook de doelen van zowel het bedrijf als de klant opnieuw beoordelen en bepalen welke acties ondernomen moeten worden om die doelen te bereiken.
Tot de voorbeelden van hoe teams gevoelsanalyse gebruiken behoren onder andere:
Het hebben van een hulpprogramma dat complexe menselijke emoties kan begrijpen, is essentieel voor het ontvangen van de feedback die je nodig hebt van jouw klantenbestand. In het verleden vereiste gevoelsanalyse expertise in verschillende technologieën, maar tegenwoordig maken verschillende softwarehulpprogramma's waarmee gevoelsanalyse mogelijk is met weinig tot geen kennis.
Het kiezen van een klantgegevensplatform (CDP) met een geïntegreerd, intelligent hulpprogramma voor gevoelsanalyse moet een topprioriteit voor jouw bedrijf zijn. Als je een succesvolle omnichannel-klantervaring wilt maken, hebben je team en je organisatie een CDP nodig dat is uitgerust met alle mogelijkheden die nodig zijn om holistische, realtime klantprofielen te genereren. Dit omvat een hulpprogramma voor gevoelsanalyse dat nieuwe inzichten kan bijdragen voor het optimaliseren van klantrelatiebeheer en andere gegevens die je hebt verzameld.
Zoek naar een CDP dat gebruikmaakt van NLP-modellen om op nauwkeurige en efficiënte wijze meningen en emoties van klanten te analyseren. De modellen, die worden getraind met een reeks van verschillende gegevens uit openbare bronnen, zouden in staat moeten zijn klantgevoelsscores te genereren en toepasselijke bedrijfsgebieden te identificeren voor gerichte verbeteringen.
Volg Dynamics 365