В процессе перевода своих решений и операций на цифровые технологии компании понимают, что наряду с этим важно взаимодействовать с клиентами по-новому, а для этого необходимо понимать их.
Но обычных опросов клиентов для этого недостаточно. Нужно активно участвовать в обсуждениях о том, что ваша клиентская база думает и чувствует по поводу вашего бренда. И анализ тональности — ключ к пониманию этого.
Анализ тональности, также известный как анализ мнений или искусственный интеллект эмоций, — это техника обработки естественного языка (NLP), которая анализирует фрагмент контента и определяет его настрой: положительный, отрицательный или нейтральный. Средство анализа тональности анализирует текст и статистику и может понять, что говорят клиенты, как они это говорят и что они на самом деле имеют в виду — как с точки зрения отдельного человека, так и с точки зрения широкой публики.
В рамках текстового анализа анализ тональности регулярно используется для определения голоса клиента в материалах и каналах обратной связи, таких как отзывы, опросы, статьи в Интернете и социальные сети. С развитием языка становится все сложнее понимать намерения через эти каналы, а опора на словарные определения может привести к неточным интерпретациям.
С помощью средства для анализа тональности, работающего на основе алгоритмов и адаптированного к особенностям ваших клиентов, вы сможете изучить их ожидания от ваших товаров, услуг и решений, а также проанализировать, как их мнение меняется с течением времени.
Рассмотрим некоторые виды анализа тональности.
В прошлом компании полагались в оценке мнений клиентов на анкеты и опросы. Например, опрос Net Promoter Score (NPS) агрегировал и оценивал информацию, необходимую для измерения готовности клиентов рекомендовать определенную компанию. Это ценная функция, но ей может серьезно не хватать способности предоставлять более глубокие выводы о впечатлениях клиентов, например при совершении покупок, в различных цифровых каналах.
Анализ тональности заполняет этот пробел.
Анализ тональности включает в себя отслеживание и выявление мнений и чувств клиентов, а также извлечение мнений и чувств из текстов. Он помогает понять, что скрывается за каждым комментарием, отметкой "Нравится" в социальной сети, идеей, жалобой или запросом. И быстро реагировать на постоянно меняющиеся потребности клиентов.
Анализируя собранные данные, вы получите сводку реакции каждого клиента, а также любых дополнительных отзывов, которые могут влиять на формирование общественного восприятия вашего продукта или компании. Наложив эти данные на спектр положительных, нейтральных и отрицательных тональностей, можно увидеть, что побудило клиента сделать такое заявление, и таким образом выявить мнения, описывающие настроения и чувства клиента по конкретной теме.
Эти мнения затем классифицируются как прямые ("Отличный продукт, лучший в моей жизни!") или сравнительные ("Продукт A лучше интегрируется с моей организацией, чем продукт B."). Такие высказывания часто бывает легко интерпретировать, но важно также понимать, что некоторые из них могут потребовать дальнейшего изучения. Классификации, которые делятся на неявные ("Компания знает, что нужно сделать, чтобы улучшить этот продукт".) и явные ("Функцию A легко использовать"), а также последовательности положительных слов, содержащие одно отрицательное слово, могут представлять сложность для анализа и требовать проверки вручную или корректировок ваших моделей тональностей.
Но стоит обнаружить эти ключевые слова и фразы о том, как другие относятся к вам, и это может помочь вам спланировать следующий шаг вашей организации. Но сначала нужно понять, как анализ тональности может принести выгоду вашему бизнесу.
Анализ тональности использует несколько технологий, чтобы дистиллировать слова ваших клиентов, оставив один элемент, на основании которого можно будет действовать. Процесс анализа тональности состоит из четырех шагов:
Запоминая описательные слова и фразы, чтобы присвоить им весовой фактор тональности, ваша компания может создать библиотеку тональностей. Путем оценки вручную вы решаете, насколько большой или малый вес должно иметь каждое слово и какую полярность имеет оценка в соответствующей фразе, то есть является ли она положительной, отрицательной или нейтральной. Многоязычные подсистемы анализа тональности также должны создавать уникальные библиотеки для каждого поддерживаемого языка путем последовательного оценивания, добавления новых фраз и удаления нерелевантных терминов.
Методы, применяемые в анализе тональности, можно разделить на три категории.
Сочетание статистики, обработки естественного языка (NLP) и алгоритмов машинного обучения для определения тональностей. Система обучается связывать данные на входе с соответствующими результатами на выходе, то есть тексты клиентов с полярностью. Машины классифицируют входные данные и могут адаптироваться со временем после обучения. Это можно протестировать с помощью дополнительных данных для предоставления улучшенных прогнозов.
Самый простой анализ тональности использует словари или сборники фраз для изучения слов и фраз и определения связанных с ними настроений. Этот подход хорошо работает с прямыми и явными мнениями. Такая система быстрая и проста в использовании, однако она редко учитывает, как слова комбинируются в последовательности. Приходится добавлять правила для сравнительных мнений, так как этот подход плохо анализирует неявные мнения.
Сочетание анализа на основе правил с автоматизированным позволяет добиться точности и четкости, необходимых для истинного понимания чувств и мнений клиентов. Это самая мощная система, так как она содержит информацию о чувствах, собранную из словарей, которую можно адаптировать со временем.
Социальные сети лишь дают общее представление о том, что говорят о вашем бренде в интернете, а вот анализ тональности предоставляет непосредственные знания о том, как общественность воспринимает и ваш бренд, и ваш продукт. Многочисленные ретвиты в Twitter могут показаться хорошим знаком, но если отметки "Нравится" значительно перевешиваются отрицательными комментариями, можно сделать вывод, что это взаимодействие не совсем положительное.
С помощью анализа тональности компания также может извлекать бесценные отзывы клиентов из внутренних источников данных. Например, отслеживая расшифровки онлайн-чатов клиентов с представителями службы поддержки, компания может быстрее узнать о проблемах с качеством продукта, его безопасностью и гарантией на него. Другие преимущества анализа тональности:
Все эти преимущества предоставляют комплексную картину того, что думают клиенты, и действий, которые следует предпринять в ответ. На основе этих аналитических данных можно направлять деятельность внутренних структур компании на определенные цели, например службу поддержки — на улучшение взаимодействий с пользователем или отдел маркетинга — на вовлечение определенных сегментов клиентской базы на основе их настроений с помощью таргетированных продаж, маркетинга и поддержки.
Лучше всего то, что анализ тональности полезен не только для одного отдела. Любая группа может использовать эти данные для планирования всей своей деятельности, от маркетинговых кампаний до стратегий ценообразования, выполнения заказов или поддержки клиентов. По мере того как разные отделы компании узнают все больше об отношении своих клиентов к продукту, бренду и компании, они могут использовать эти знания для выработки отклика и оптимизации бизнес-операций. Они также могут пересмотреть цели как бизнеса, так и клиента и определить, какие действия предпринять для достижения этой цели.
Вот несколько примеров использования анализа тональности.
Наличие инструмента, способного понимать сложные человеческие эмоции, незаменимо для получения необходимых отзывов от вашей клиентской базы. Раньше для проведения анализа тональности нужны были специалисты, владеющие несколькими технологиями, но сегодня несколько программных инструментов позволяют анализировать тональность при нулевых или минимальных технических познаниях.
Выбор платформы управления данными о клиентах (CDP) с интегрированным интеллектуальным инструментом анализа тональности должен быть приоритетом для вашего бизнеса. Для создания успешного клиентского взаимодействия по разным каналам вашему отделу и всей вашей организации необходима система CDP, оснащенная нужными возможностями для создания целостных, актуальных профилей клиентов. В составе этой системы должно быть средство анализа тональности, способное предоставить новые выводы для оптимизации управления отношениями с клиентами и других собираемых вами данных.
Ищите CDP, которая использует модели NLP для точного и эффективного анализа мнений и чувств клиентов. Модели, обученные на различных данных из публичных источников, должны уметь генерировать оценки настроений клиентов и выявлять области бизнеса, где можно применить целенаправленные улучшения.
