Banebrytende teknologi som maskinlæring og naturlig språkbehandling har skapt noen virkelig imponerende verktøy for kundeservice, markedsføring og forretningsinnsikt.
Et av disse verktøyene, som brukes til å forbedre kundeopplevelsen, er analyse av kundesentiment, også kjent som meningsutvinning. I hovedsak er dette en type datavitenskap som bruker programvare til å tolke følelsene som uttrykkes i en tekst – enten de er positive, negative, nøytrale eller en potensiell kilde til ny innsikt. Dataene du får fra denne typen analyse, kan bidra til å gi informasjon til så mange aspekter ved virksomhet og markedsføring at dette absolutt er et verktøy det er verdt å utforske.
Den grunnleggende funksjonen til analyse av kundesentiment er å vurdere tonen i språket kundene bruker og tilordne dataene en sentimentskår eller polaritet. Du kan hente data fra mange steder:
- Forespørsler via nettskjemaer
- Plattformer for sosiale medier
- Undersøkelsessvar
- Tilbakemeldingsundersøkelser og kundeportaler
- Kundeanmeldelser
- Nyhetsartikler
- Interaksjoner med chatboter
- og mer!
Analyse av kundesentiment er fortsatt et relativt nytt underfelt innen analyse, men det er mye å lære. La oss se nærmere på det.
Hvordan fungerer analyse av kundesentiment?
Nå som du vet hva analyse av kundesentiment er, kan vi se på et enkelt eksempel på hvordan analyse av kundesentiment fungerer. Kort fortalt bruker teknologien et kategoriseringssystem som tilordnes ulike ord i en gitt tekst, for å danne et bilde av den overordnede følelsen i kundetilbakemeldingen.
La oss for eksempel si at sentimentsanalysesystemet er programmert til å gjenkjenne at glad er et positivt ord. Når kunder legger igjen en anmeldelse og sier at de er fornøyde med et produkt, rangerer verktøyet for analyse av kundesentiment utsagnet ved hjelp av en polaritetsskala, som representeres av en numerisk verdi mellom -1 (svært negativt sentiment), 0 (nøytralt sentiment) og +1 (svært positivt sentiment). Denne numeriske verdien kalles også en sentimentskår. Siden dette er et verktøy som benytter kunstig intelligens, blir programvare for sentimentanalyse bedre og mer nøyaktig over tid etter hvert som den får tilgang til mer data.
Hvis de fleste kommentarene til et innlegg på sosiale medier eller en produktanmeldelse inneholder negative ord, som sint eller misfornøyd, kan selskapet iverksette korrigerende tiltak så snart som mulig i stedet for å vente på et kvantitativt regneark som bryter ned produktreturer.
Verktøy for analyse av kundesentiment bruker også tekstanalyse for å identifisere når sentiment uttrykkes. Adverb er for eksempel ofte knyttet til følelser, mens egennavn viser til personer eller steder.
Naturlig språkbehandling (NLP)
Her blir det mer komplekst – ordet kul betyr bokstavelig talt lav temperatur. Men når det brukes i kundetilbakemeldinger eller av en kunde for å beskrive et produkt, er kul sannsynligvis et positivt utsagn som uttrykker begeistring eller kundetilfredshet. Maskinlæringsmodellene for analyse av kundesentiment er utviklet for å forstå naturlig språk – altså den faktiske følelsen og hensikten bak kundetilbakemeldinger, utover den bokstavelige betydningen. Et sentimentanalyseverktøy som bruker maskinlæring, ville rangert kul som positivt.
Menneskelig språk er ganske komplisert, så det er ikke overraskende at teknologien vi bruker til å analysere det, også er det. De fleste verktøy bruker avanserte maskinlæringsalgoritmer og dyp læring til å klassifisere tekst basert på flere egenskaper, som hensikt eller kontekst, ikke bare sentiment. For selskaper som ønsker å forstå kundene sine bedre, er alle disse dataene verdifulle. Kontekstuell semantisk søking kan for eksempel klassifisere en stor mengde innlegg på X som klager over en prisøkning, som relevante for pris, selv om ordet pris aldri nevnes direkte. La oss si at noen legger ut en statusoppdatering som sier: «Jeg kan ikke tro hvor mye denne samkjøringstjenesten tok betalt for bare ett kvartal! Jeg kommer til å være blakk i månedsvis!» Ved hjelp av NLP ville verktøyene dine for analyse av kundesentiment ha lært at blakk er et dagligdags uttrykk i det vanlige ordforrådet som er knyttet til pris, og derfor fortsatt gjenkjenne de relevante dataene.
Data som brukes til analyse av kundesentiment
Som en generell regel kan du bruke alle skriftlige eller muntlige kundetilbakemeldinger til sentimentanalyse. Det omfatter kommentarer på sosiale medier, i fora, i nettanmeldelser på enten virksomhetens produktside eller bransjeblogger, i undersøkelser eller i samtaler i supportsaker. Du kan til og med kjøpe datasett for analyse av kundesentiment på nettet.
Hvis du ønsker å være proaktiv, kan du samle inn slike data ved å sende ut kundetilfredshetsundersøkelser eller be om vurderinger som også inneholder åpne spørsmål.
Relatert lesning: Beste programvare for undersøkelsesanalyse
Have an account? Log In
Overvåking av sosiale medier (eller «lytting» i sosiale medier)
Varemerker kan samle inn store mengder tilbakemeldinger fra kunder, særlig i sosiale medier. Selv om det er riktig at de fleste bare bruker Twitter når noe har gått galt, kan samtaler på sosiale medier eller vurderingsnettsteder gi et vell av informasjon om kundenes holdninger. Det å følge med på omtaler av bestemte ord og uttrykk, eller til og med komplekse søk på tvers av sosiale medier og andre steder på nettet, kalles lytting i sosiale medier. Det bruker verktøy for analyse av kundeholdninger til å følge med på holdninger til produkter og tjenester. Ved å bruke en metode som kalles merkeomtale, vil lytting i sosiale medier for eksempel følge med på hver gang merkenavnet ditt blir nevnt, og bruke holdningsanalyse til å identifisere trender i kundenes holdninger.
Lytting i sosiale medier bidrar til å gjøre holdningsanalysen enda mer robust, ettersom maskinlæringsmodellen som ligger til grunn for den, øker evnen til dybdelæring.
Bruksområder og anvendelser for holdningsanalyse
Du kan bruke holdningsanalyse til langt mer enn passiv innsamling av data om kundenes holdninger – det ville være en feil å betrakte det som bare enda et verktøy for stordata. Den maskinlæringen som mange verktøy for holdningsanalyse bruker, gjør det mulig for brukere å samle inn kvalitative data som, sammen med kvantitative måltall, kan brukes som et kraftig verktøy innen utallige områder av virksomhet og markedsføring.
Bruk av kundeholdningsanalyse til å forbedre kundeservicen
Et vanlig bruksområde for holdningsanalyse er å bistå kunder og kundeservice. Når en kundekommentar blir flagget som negativ, kan automatiseringer settes opp for å håndtere problemet effektivt. Kommentaren kan for eksempel legges i chatkøen til en kundestøtterepresentant som spesialiserer seg på å roe ned sinte kunder.
Du kan også bruke holdningsanalyse til raskt å samle den generelle holdningen til en hel demografisk gruppe. Denne typen tekstutvinning gjør virksomheter mer fleksible i evnen til å svare på kundenes behov.
Hvis en person legger ut en svært negativ vurdering i sosiale medier, kan enkelte verktøy for holdningsanalyse bruke dette til å varsle teamet for sosiale medier. Derfra kan noen raskt ta kontakt med kunden via meldingstjenesten på plattformen, noe som tilfører kundebehandlingen et ekstra lag av hurtighet og personlig tilpasning. Denne typen holdningsanalyse i sosiale medier gir mange nye perspektiver, siden folk vanligvis er mer uformelle og direkte i samtaler gjennom meldingstjenester.
Bruk av holdningsanalyse til å øke kjennskapen til varemerket og forbedre kommunikasjonen
Følelsene folk har for et produkt eller en tjeneste – og språket de bruker for å uttrykke disse følelsene – kan ha stor innvirkning på virksomheten. Når det gjelder anbefalinger, har folk en tendens til å lytte til venner og familie.
Holdningsanalyse kan også bidra til å målrette innholdsproduksjon og kommunikasjon med kunder bedre gjennom følelsesgjenkjenning, som identifiserer kundens følelser for et produkt eller en situasjon. Blogger, handlingsoppfordringer og andre teknikker for å påvirke kunden kan målrettes og baseres på det du vet om den demografiske gruppens sinnstilstand. Når du vet hvilke følelser kommunikasjonen din vekker hos kundene, kan dette veilede deg i hvordan du best kan nå ut, enten du tar kontakt via sosiale medier, en landingsside på et nettsted, en undersøkelse eller en masseutsendelse av e-post.
Disse verktøyene kan også bidra til å avgrense hvilken tone du bør bruke, og hvor du bør bruke den. Folk kan reagere mer positivt på en uformell tone i sosiale medier og i et nyhetsbrev, men foretrekke et mer formelt språk i en kundeservicesituasjon. Kundeholdningsanalyse kan fortelle deg hvordan du best kan henvende deg til personer som engasjerer seg i varemerket ditt, på tvers av alle slags kommunikasjonskanaler.
Forbedring av markedsføringsstrategien ved hjelp av kundeholdningsanalyse
Hvordan folk reagerer følelsesmessig på en markedsføringskampanje, henger direkte sammen med om den lykkes eller mislykkes. Det gir økt forståelse av kundetilfredshet, både hva som fører til den, og hva som ikke gjør det.
Når en virksomhet lanserer en ny markedsføringskampanje, kan den bruke kundeholdningsanalyse til å gjennomføre markedsundersøkelser og måle målgruppens reaksjoner på kampanjen. Deretter kan virksomheten justere eller revurdere markedsføringsstrategien basert på analysen. Å identifisere vanlige holdninger til et produkt eller en tjeneste kan være utgangspunktet for en effektiv markedsføringskampanje som reagerer på kundenes holdninger i sanntid.
Hvis en kampanje fremkaller negative holdninger, vil det skade både omdømmet til varemerket og salget eller veksten til produktet eller tjenesten. Det er her den avanserte sofistikeringen i et holdningsanalyseverktøy er spesielt nyttig. Disse verktøyene går lenger enn å identifisere at en annonse ikke gir gode resultater – de kan identifisere bestemte holdninger til en kampanje og gjenkjenne de konkrete aspektene som fremkaller disse holdningene.
Den følelsesmessige reaksjonen på utgående kommunikasjon kan også veilede direkte kampanjer. Holdningsanalyse kan fortelle en virksomhet at yngre mennesker hater e-post, og at en eldre demografisk gruppe misliker sosiale medier. Virksomheten kan deretter svare ved å opprette en e-postkontakt for eldre kunder og et chattealternativ for den yngre demografiske gruppen.
Gjennomføring av en konkurrentanalyse
Du er ikke bare begrenset til å studere holdningene til dine egne kunder – du kan også analysere holdningene til konkurrentene dine! Dette kan være utrolig nyttig for å se hvordan du gjør det sammenlignet med de andre tungvekterne i bransjen din. Hvem har best omdømme? Hvem har de mest misfornøyde kundene i kommentarfeltene sine? Det er så mye innsikt å hente ved å vurdere andre selskapers suksesser og fiaskoer!
Forbedring av produkter eller tjenester
Når folk stadig legger ut innlegg om vanlige problemer og negative temaer knyttet til et bestemt produkt eller en bestemt tjeneste, kan du vurdere dataene for å se hva som må endres. Det er svært verdifullt å lære hva kundene dine egentlig ønsker – det kan hjelpe deg med å skape et enda bedre tilbud!
Langsgående sentimentanalyse
Som jeg nevnte tidligere, blir AI i kundesentimentanalyse smartere etter hvert som det får mer informasjon over tid. En av de største fordelene med kontinuerlig, langsiktig dataanalyse er muligheten til å overvåke endringer over tid. Hvordan er merkevarens omdømme sammenlignet med hvordan det var for fem år siden? Analyser trendene for å vurdere hva som endret seg, og hvorfor.
More Articles
Verktøy for å utføre sentimentanalyse
Det finnes mange tilgjengelige verktøy for å utføre kundesentimentanalyse, men de er ikke like.
Noen er allerede integrert i programvare for håndtering av sosiale medier. Andre er stemmebaserte og kan brukes til å oppdage tone i et kundesenter eller i en kundeservicetelefon. Andre fungerer spesifikt som plattformer for sentimentanalyse som kan distribueres eller integreres i flere miljøer via API, slik tilfellet er med Natural Language Toolkit (NLTK), en Python-basert samling verktøy for behandling av naturlig språk på engelsk. Plattformer for kundeinnsikt kan også brukes til å utføre sentimentanalyse, ettersom de er utviklet for å samle inn og analysere kundedata for å vurdere forbrukernes atferd og holdninger.
Hva du bør se etter i verktøy for sentimentanalyse
Det kan bli overveldende å gå gjennom alle tilgjengelige alternativer for verktøy for sentimentanalyse. Det er noen funksjoner du absolutt bør ha i bakhodet.
Hvis du er spesielt interessert i sosial lytting, bør du sørge for enkel integrasjon med plattformer for sosiale medier og se etter rapporter som gir innsikt i sentimentanalyse av sosiale medier.
Bedriftens kapasitet er viktig. Mens noen verktøy er klare til bruk, krever andre betydelig kodekunnskap.
Finn det rette verktøyet for sentimentanalyse ved å være helt tydelig på hvilke data du prøver å samle inn, og ha en oppfatning av hvordan du ønsker å bruke dem.
De mest populære verktøyene for kundesentimentanalyse
Det mangler ikke på imponerende verktøy som kan brukes til å vurdere kundenes holdninger! Her er noen nevneverdige verktøy for sentimentanalyse som er tilgjengelige for bedrifter som ønsker å ta strategiene sine for kundeopplevelse til neste nivå.
Interessert i å lære mer om sentimentanalyse? Her er noen utmerkede oppfølgingsartikler som bygger videre på det du har lært:
For mer innhold om nye trender innen kundeopplevelse kan du abonnere på nyhetsbrevet vårt.
