Banebrydende teknologi såsom maskinlæring og naturlig sprogbehandling har skabt nogle virkelig imponerende værktøjer til kundeservice, markedsføring og virksomhedsintelligens.
Et af disse værktøjer, der bruges til at forbedre kundeoplevelsen, er kundesentimentanalyse, også kendt som opinionsudvinding. Det er grundlæggende en form for datavidenskab, der bruger software til at afkode de følelser, der kommer til udtryk i en tekst – uanset om den er positiv, negativ, neutral eller en potentiel kilde til ny indsigt. De data, du får fra denne form for analyse, kan være med til at informere så mange aspekter af virksomhed og markedsføring, at det bestemt er et værktøj, der er værd at udforske.
Den grundlæggende funktion ved kundesentimentanalyse er at vurdere tonen i det sprog, kunderne bruger, og tildele dataene en sentimentscore eller polaritet. Du kan hente data fra mange steder:
- Forespørgsler via webformularer
- Sociale medieplatforme
- Besvarelser på undersøgelser
- Kundefedbackundersøgelser og portaler
- Kundeanmeldelser
- Nyhedsartikler
- Interaktioner med chatbots
- og meget mere!
Kundesentimentanalyse er stadig et relativt nyt underområde inden for analyse, men der er masser at lære. Lad os dykke ned i det.
Hvordan fungerer kundesentimentanalyse?
Nu hvor du ved, hvad kundesentimentanalyse er, kan vi se på et enkelt eksempel på, hvordan kundesentimentanalyse fungerer. Kort fortalt bruger teknologien et kategoriseringssystem, der knytter forskellige ord i en given tekst til bestemte kategorier, for at danne sig et billede af den overordnede stemning i kundefeedbacken.
Lad os for eksempel sige, at sentimentsanalysesystemet er programmeret til at genkende, at glad er et positivt ord. Når kunder skriver en anmeldelse, hvor de siger, at de er glade for et produkt, rangerer kundesentimentanalyseværktøjet udsagnet ved hjælp af en polaritetsvurdering, som repræsenteres af en numerisk værdi mellem -1 (meget negativt sentiment), 0 (neutralt sentiment) og +1 (meget positivt sentiment). Denne numeriske værdi kaldes også en sentimentscore. Da det er et værktøj, der udnytter kunstig intelligens, bliver software til sentimentanalyse bedre og mere præcis med tiden, efterhånden som den får adgang til flere data.
Hvis de fleste kommentarer på et opslag på sociale medier eller i en produktanmeldelse indeholder negative ord som vred eller utilfreds, kan virksomheden iværksætte korrigerende handlinger hurtigst muligt i stedet for at vente på et kvantitativt regneark, der gennemgår produktreturneringer.
Kundesentimentanalyseværktøjer bruger også tekstanalyse til at identificere, hvornår et sentiment kommer til udtryk. Adverbier forbindes for eksempel ofte med følelser, mens egennavne forbindes med personer eller steder.
Naturlig sprogbehandling (NLP)
Her bliver det mere komplekst – ordet cool betyder bogstaveligt talt lav temperatur. Men når det bruges i kundefeedback eller af en kunde til at beskrive et produkt, er cool sandsynligvis et positivt udsagn, der signalerer begejstring eller kundetilfredshed. Maskinlæringsmodellerne i kundesentimentanalyse fungerer ved at forstå naturligt sprog – det vil sige den virkelige følelse og hensigt bag kundefeedbacken ud over den bogstavelige betydning. Et sentimentanalyseværktøj, der bruger maskinlæring, ville klassificere cool som positivt.
Menneskesprog er ret komplekst, så det er ikke overraskende, at den teknologi, vi bruger til at analysere det, også er det. De fleste værktøjer bruger avancerede maskinlæringsalgoritmer og dyb læring til at klassificere tekst ud fra yderligere funktioner såsom hensigt eller kontekst, ikke kun sentiment. For virksomheder, der ønsker at forstå deres kunder bedre, er alle disse data guld værd. Kontekstuel semantisk søgning kan for eksempel klassificere et stort antal tweets, der klager over en prisstigning, som relevante for pris, selv hvis ordet pris aldrig nævnes direkte. Forestil dig, at nogen skriver en statusopdatering, der lyder: “Jeg kan ikke forstå, hvor meget denne samkørselstjeneste tog for bare én blok! Jeg vil være ruineret i flere måneder!” Ved hjælp af NLP ville dine kundesentimentanalyseværktøjer have lært, at ruineret er et dagligdags udtryk i det almindelige ordforråd, som forbindes med pris, så værktøjet stadig vil genkende de relevante data.
Data anvendt til kundesentimentanalyse
Som hovedregel kan du bruge enhver skriftlig eller mundtlig kundefeedback til sentimentanalyse. Det omfatter kommentarer på sociale medier, i fora, i onlineanmeldelser på virksomhedens produktside eller brancheblogs, i undersøgelser eller i chats med supportsager. Du kan endda købe datasæt til kundesentimentanalyse online.
Hvis du vil gå proaktivt til værks, kan du indsamle sådanne data ved at udsende kundetilfredshedsundersøgelser eller bede om vurderinger, der suppleres med åbne spørgsmål.
Relateret læsning: Den bedste software til analyse af undersøgelser
Have an account? Log In
Overvågning af sociale medier (eller social "lytning")
Virksomheder kan opsamle en stor mængde kundefeedback, især på sociale medier. Selvom det er rigtigt, at de fleste kun tager Twitter i brug, når noget er gået galt, kan samtaler, der finder sted på sociale medieplatforme eller anmeldelsessider, give et væld af oplysninger om kundernes holdninger. Sporing af omtaler af bestemte ord og sætninger eller endda komplekse forespørgsler på tværs af sociale medieplatforme og andre steder på nettet kaldes social lytning. Det anvender værktøjer til analyse af kundernes holdninger til at spore holdninger til produkter og tjenester. Ved hjælp af en metode kaldet brandomtale sporer social lytning for eksempel, hver gang dit brandnavn bliver nævnt, og anvender holdningsanalyse til at identificere tendenser i kundernes holdninger.
Social lytning gør holdningsanalysen langt mere robust, eftersom den maskinlæringsmodel, der ligger til grund for den, øger sin evne til dyb læring.
Anvendelsesområder og brug af holdningsanalyse
Du kan bruge holdningsanalyse til meget mere end passivt at indsamle data om kundernes holdninger – det ville være en fejl at betragte det som endnu et værktøj til big data. Den maskinlæring, som mange værktøjer til holdningsanalyse anvender, gør det muligt for brugerne at indsamle kvalitative data, der sammen med kvantitative målinger kan bruges som et effektivt værktøj inden for utallige områder af forretning og markedsføring.
Brug af kundernes holdningsanalyse til at forbedre kundeservice
En almindelig anvendelse af holdningsanalyse er at hjælpe med kunder og kundeservice. Når en kundes kommentar markeres som negativ, kan automatiseringer opsættes for effektivt at håndtere problemet. Kommentaren kan for eksempel placeres i chatkøen hos en kundeservicemedarbejder, der er specialiseret i at berolige vrede kunder.
Du kan også bruge holdningsanalyse til hurtigt at samle den generelle holdning hos en hel demografisk gruppe. Denne form for tekstudvinding gør virksomheder mere fleksible i deres evne til at reagere på kundernes behov.
Hvis en person skriver en sønderlemmende anmeldelse på sociale medier, kan nogle værktøjer til holdningsanalyse bruge den til at underrette teamet for sociale medier. Herfra kan nogen hurtigt kontakte kunden via platformens beskedapp, hvilket tilføjer et lag af hurtighed og personalisering til kundeservicen. Denne form for holdningsanalyse på sociale medier giver masser af nye perspektiver, eftersom folk typisk er mere afslappede og direkte i samtaler på beskedapps.
Brug af holdningsanalyse til at øge brandbevidsthed og kommunikation
De følelser, folk har omkring et produkt eller en tjeneste – og det sprog, de bruger til at udtrykke disse følelser – kan have stor indflydelse på den pågældende virksomhed. Folk lytter ofte til deres venner og familie, når det gælder anbefalinger.
Holdningsanalyse kan også hjælpe med bedre at målrette indholdsproduktion og kommunikation med kunder gennem følelsesregistrering, som identificerer en kundes følelser omkring et produkt eller en situation. Blogs, opfordringer til handling og andre påvirkningsteknikker kan målrettes og baseres på det, du ved om din demografiske gruppes sindstilstand. Når du ved, hvilken følelse din kommunikation fremkalder hos kunderne, kan det guide dig til den bedste måde at henvende dig på, uanset om du kontakter dem via sociale medier, en landingsside på et websted, en undersøgelse eller en masseudsendelse via e-mail.
Disse værktøjer kan også hjælpe med at afgrænse, hvilken tone der skal bruges, og hvor den skal bruges. Folk reagerer måske mere positivt på en afslappet tone på sociale medier og i et nyhedsbrev, men foretrækker måske et mere formelt sprog i en kundeservicesituation. Kundernes holdningsanalyse kan fortælle dig, hvordan du bedst henvender dig til personer, der interagerer med dit brand på tværs af alle former for kommunikationskanaler.
Forfinelse af markedsføringsstrategien ved hjælp af kundernes holdningsanalyse
Den følelsesmæssige reaktion på en markedsføringskampagne hænger direkte sammen med dens succes eller fiasko. Den øger forståelsen af kundetilfredshed, både hvad der fører til den, og hvad der ikke gør.
Når en virksomhed lancerer en ny markedsføringskampagne, kan virksomheden bruge kundernes holdningsanalyse til at udføre markedsundersøgelser og vurdere målgruppens reaktioner på kampagnen. Derefter kan de justere eller gentænke markedsføringsstrategien baseret på deres analyse. Identificering af almindelige holdninger til et produkt eller en tjeneste kan være kimen til en effektiv markedsføringskampagne, der reagerer på kundernes holdninger i realtid.
Hvis en kampagne fremkalder en negativ holdning, vil det skade både brandets omdømme og produktets eller tjenestens salg eller vækst. Det er her, den avancerede sofistikering i et værktøj til holdningsanalyse er særligt nyttig. Disse værktøjer går videre end blot at identificere, at en annonce ikke klarer sig godt – de kan identificere specifikke holdninger til en kampagne og genkende de bestemte aspekter, der fremkalder disse holdninger.
Den følelsesmæssige reaktion på henvendelser kan også guide direkte kampagner. Holdningsanalyse kan fortælle en virksomhed, at yngre mennesker hader e-mail, og at en ældre demografisk gruppe ikke bryder sig om sociale medier. Virksomheden kan derefter reagere ved at oprette en e-mailkontakt for ældre kunder og en chatmulighed for den yngre demografiske gruppe.
Gennemførelse af en konkurrentanalyse
Du er ikke kun begrænset til at undersøge dine egne kunders holdninger – du kan også analysere dine konkurrenters holdninger! Det kan være utrolig nyttigt for at se, hvordan du klarer dig sammenlignet med de andre sværvægtere i din branche. Hvem har det bedste omdømme? Hvem har de mest utilfredse kunder i deres kommentartråde? Der er så meget indsigt at hente ved at vurdere andre virksomheders succeser og fiaskoer!
Forbedring af produkter eller tjenester
Når folk gentagne gange skriver om almindelige problemer og negative temaer i forbindelse med et bestemt produkt eller en bestemt tjeneste, kan du vurdere dataene for at se, hvad der skal ændres. Det er utrolig værdifuldt at lære, hvad dine kunder virkelig ønsker – det kan hjælpe dig med at skabe et endnu bedre tilbud!
Langsgående sentimentanalyse
Som jeg nævnte tidligere, bliver AI i kundesentimentanalyse bedre, efterhånden som den får mere information over tid. En af de største fordele ved fortsat, langsigtet dataanalyse er muligheden for at overvåge ændringer over tid. Hvordan er dit brandomdømme sammenlignet med dets tidligere tilstand for fem år siden? Analysér tendenserne for at vurdere, hvad der ændrede sig, og hvorfor.
More Articles
Værktøjer til at udføre sentimentanalyse
Der findes mange værktøjer til at udføre kundesentimentanalyse, men de er ikke alle ens.
Nogle er allerede integreret i software til administration af sociale medier. Andre er stemmebaserede og kan bruges til at registrere tone i et callcenter eller i forbindelse med en kundeservice-telefonlinje. Andre fungerer specifikt som sentimentanalyseplatforme, der kan implementeres i eller integreres med flere miljøer via API, som det er tilfældet med værktøjssættet til naturligt sprog (NLTK), en Python-baseret samling af værktøjer til behandling af naturligt sprog på engelsk. Kundeindsigtsplatforme kan også bruges til at udføre sentimentanalyse, da de er designet til at samle og analysere kundedata for at vurdere forbrugeradfærd og -holdninger.
Hvad du skal se efter i sentimentanalyseværktøjer
Det kan blive overvældende at gennemgå alle de tilgængelige muligheder for sentimentanalyseværktøjer. Der er nogle funktioner, du helt sikkert bør have i tankerne.
Hvis du er særligt interesseret i overvågning af sociale medier, bør du sikre dig nem integration med sociale medieplatforme og se efter rapporter, der giver indsigt i sentimentanalyse af sociale medier.
Din virksomheds muligheder er vigtige. Nogle værktøjer er klar til brug, mens andre kræver betydelig viden om kodning.
Find det rigtige sentimentanalyseværktøj ved at være helt klar over, hvilke data du forsøger at indsamle, og have en idé om, hvordan du vil bruge dem.
De mest populære værktøjer til kundesentimentanalyse
Der mangler ikke imponerende værktøjer til at vurdere dine kunders holdninger! Her er nogle bemærkelsesværdige sentimentanalyseværktøjer, der er tilgængelige for virksomheder, som ønsker at tage deres strategier for kundeoplevelse til det næste niveau.
Er du interesseret i at lære mere om sentimentanalyse? Her er nogle fremragende opfølgende artikler, der bygger videre på det, du har lært:
Hvis du vil have mere indhold om nye CX-tendenser, skal du sørge for at tilmelde dig vores nyhedsbrev.
