كيفية جمع البيانات لتحليل مشاعر العملاء

أعاد نشره أفلاطون

المتابعون: 0

كيفية جمع البيانات لتحليل آراء العملاء
الصورة بواسطة المحرر

تحليل آراء العملاء هو عملية استخدام التعلم الآلي (ML) لاكتشاف نية العميل وآرائه حول العلامة التجارية من ملاحظات العملاء المقدمة في المراجعات والمنتديات والاستطلاعات وما إلى ذلك. يعطي تحليل المشاعر لبيانات تجربة العملاء للشركات نظرة عميقة على الدوافع الكامنة وراء قرارات الشراء ، والأنماط في تغيير معنويات العلامة التجارية بناءً على الجداول الزمنية أو الأحداث ، و تحليل فجوة السوق يمكن أن تساعد في تحسين المنتج والخدمة.

جدول المحتويات:

ما هو تحليل معنويات العملاء؟
كيف تجمع البيانات لتحليل معنويات العملاء؟
كيف يتم اشتقاق درجات المشاعر من ملاحظات العملاء
وفي الختام

يمشط تحليل المشاعر بدقة بيانات ملاحظات العملاء لتحديد ما هو محدد العواطف أو المشاعر. بشكل عام ، هذه إيجابية أو سلبية أو محايدة. ولكن ضمن هذه المعلمات ، يمكن أن يساعد نموذج تحليل المشاعر المدفوع بمهام ML مثل معالجة اللغة الطبيعية (NLP) والتحليل الدلالي الذي يمكنه العثور على الجوانب الدلالية والنحوية للكلمات في العثور على أنواع مختلفة من المشاعر السلبية أيضًا.

على سبيل المثال ، يمكن أن يساعد في إعطاء درجات مختلفة من المشاعر بناءً على الكلمات التي تشير إلى المشاعر السلبية المختلفة مثل القلق وخيبة الأمل والندم والغضب وما إلى ذلك. نفس الشيء هو الحال مع المشاعر الجزئية الإيجابية.

يمكن أن يكون هذا التنقيب الدقيق عن المشاعر جنبًا إلى جنب مع التحليل القائم على الجوانب لتجربة العميل مع العلامة التجارية ذا أهمية قصوى. على سبيل المثال ، عندما تعرف المشاعر بناءً على جوانب مثل السعر والراحة وسهولة الشراء وخدمة العملاء وما إلى ذلك ، فإنك تحصل على رؤى قابلة للتنفيذ يمكنك الاعتماد عليها لاتخاذ القرارات الصحيحة عندما يتعلق الأمر بمراقبة الجودة وتحسين المنتج.

يتمثل جزء مهم جدًا من الحصول على معلومات استخباراتية هادفة وثاقبة عن مشاعر العلامة التجارية في الحصول على بيانات موثوقة لتعليقات العملاء. فيما يلي خمس طرق أساسية يمكنك من خلالها جمع مثل هذه البيانات.

1. تعليقات ومقاطع فيديو على وسائل التواصل الاجتماعي

يعد الاستماع إلى وسائل التواصل الاجتماعي إحدى الطرق التي يمكنك من خلالها الحصول على تعليقات العملاء الحالية حول علامتك التجارية ، والتي تشمل كلاً من منتجك وخدمتك. يعد نموذج تحليل المشاعر الذي يمكنه معالجة وتقييم تعليقات الوسائط الاجتماعية ، بالإضافة إلى محتوى الفيديو ، هو الرهان المثالي للاستفادة من مصدر البيانات هذا.

باستخدام هذه الأداة ، يمكنك تسخير البيانات لتحليل معنويات العملاء من مواقع الوسائط الاجتماعية التي تحتوي على نصوص كثيفة مثل Twitter إلى المواقع المستندة إلى الفيديو مثل TikTok أو Instagram. يمنحك هذا ميزة كبيرة لأنه ليست كل منصات الوسائط الاجتماعية ذات حجم واحد يناسب الجميع عندما يتعلق الأمر اختيارات العملاء.

على سبيل المثال ، في حين أن العملاء يستخدمون Twitter بشكل أساسي للتفاعل المباشر مع علامة تجارية ، فمن المعروف أن مستخدمي Facebook يتركون ملاحظات مفصلة حول نشاط تجاري يرتبطون به. يرجع هذا التناقض الصارخ إلى عوامل مثل طبيعة العمل والعمر والموقع الجغرافي والاستخدام الرقمي وما إلى ذلك.

توضح الأمثلة أدناه كيف يترك العملاء تعليقاتهم على قناتين مختلفتين من وسائل التواصل الاجتماعي.

كيفية جمع البيانات لتحليل آراء العملاء

ميزة أخرى رائعة لتحليل معنويات وسائل التواصل الاجتماعي هي أنه يمكنك أيضًا العثور على المؤثرين على وسائل التواصل الاجتماعي الذين يناسبون فاتورتك ويمكن أن يكونوا إضافة رائعة لاستراتيجية التسويق الرقمي الخاصة بك. يكلف المؤثرون نصف الاستثمار الذي يذهب إلى التعاقد مع وكالة علاقات عامة أو تأييد المشاهير.

أيضًا ، يثق الناس بتعليقات المنتج والتأييدات من المؤثرين الذين يمكنهم ذلك ربط. هذا صحيح سواء كنت متدربًا تبحث عن نصائح تصميم احترافية أو كنت أبًا لأربعة أطفال تبحث عن أفضل الخيارات في الهواتف المحمولة للمراهقين. هذه هي الطريقة يساعد علم البيانات و ML في العثور على TikTok Influencer المناسب للأعمال التجارية.

2. تجاوز الاستطلاعات الكمية مثل NPS أو CES أو CSAT

يمكن لمقاييس ملاحظات العملاء مثل صافي نقاط المروج (NPS) أو درجة جهد العميل (CES) أو تصنيفات النجوم أن تخبرك في لمحة عما إذا كان الناس سعداء بعملك أم لا. لكن هذا لا يمنحك أي فكرة فعلية عن العمل.

كيفية جمع البيانات لتحليل آراء العملاء

للحصول على رؤى حقيقية عن آراء العملاء ، عليك تجاوز المقاييس الكمية. ولهذا ، تحتاج إلى تحليل التعليقات وإجابات الاستبيان المفتوحة التي لا تحتوي على أي إجابة ثابتة. يتيح ذلك للعملاء كتابة تعليقات حرة التدفق ، والتي يمكن أن تمنحك نظرة ثاقبة لجوانب عملك التي لم تكن على دراية بها.

كيفية جمع البيانات لتحليل آراء العملاء

في المثال أعلاه ، يمكننا أن نرى أن العملاء قد منحوا النشاط التجاري تصنيفًا بنجمة واحدة. لكن عند قراءة التعليقات ، ندرك أن الأسباب الكامنة وراء المشاعر السلبية مختلفة تمامًا.

في حين أن أحد العملاء غير راضٍ عن خدمة العملاء عبر الإنترنت للشركة ، فإن الآخر يذكر أنه على الرغم من كونهم عملاء منذ فترة طويلة ، فإن الانخفاض في الجودة والأسعار الجديدة هو سبب عدم قيامهم بالشراء منهم بعد الآن.

هذه رؤى قابلة للتنفيذ ، حيث تعرف الشركة بالضبط أين يجب إجراء التحسين من أجل الحفاظ على رضا العملاء وولائهم. يمكن أن يساعدك تجاوز المقاييس العددية في الحصول على هذه الأفكار.

3. تحليل المراجعات من منتديات العملاء والمواقع الإلكترونية

هناك طريقة ممتازة أخرى للحصول على بيانات تعليقات العملاء المتنوعة من خلال غربلة مواقع مراجعة المنتجات مثل GoogleMyBusiness والمنتديات مثل Reddit. الأهم من ذلك ، أن الحصول على رؤى من مصادر بيانات مختلفة يمكن أن يمنحك رؤى أفضل بسبب نوع الجمهور الذي تدعو إليه الأنظمة الأساسية المختلفة.

على سبيل المثال ، يستخدم Reddit في الغالب من قبل العملاء الذين هم أكثر شغفًا بموضوع أو منتج لأن المنتدى يسمح لهم بإجراء مناقشات مطولة. بينما ، غالبًا ما يتم استخدام مراجعات Amazon أو مراجعات Google من قبل العملاء غير الرسميين الذين يرغبون في ترك تعليق إما عند دفع النشاط التجاري أو بسبب التجربة ، سواء كانت جيدة أو سيئة ، التي قد تكون لديهم.

تشبه رؤى تقنية يحركها ML مستمدة من التعليقات على Disney World في فلوريدا المستمدة من تعليقات العملاء على Reddit وتوضح Google هذه النقطة بشكل أكبر.

4. بيانات صوت العميل (VoC) من مصادر غير تقليدية

المصادر غير التقليدية لبيانات ملاحظات العملاء مثل تاريخ chatbotورسائل البريد الإلكتروني للعملاء ونصوص دعم العملاء وما إلى ذلك هي مصادر رائعة لاكتساب رؤى حول تجربة العملاء. ميزة هذه المصادر هي أن كل هذه البيانات متوفرة بالفعل في أدوات إدارة علاقات العملاء (CRM).

عندما تكون قادرًا على جمع هذه البيانات وتحليلها ، ستتمكن من اكتشاف العديد من المشكلات الأساسية التي قد لا تتمكن حتى استطلاعات العملاء المخطط لها جيدًا أو الاستماع إلى وسائل التواصل الاجتماعي من إبرازها.

5. تحليل الأخبار والبودكاست

يمكن أن توفر لك بيانات الأخبار التي تتكون من كلتا المقالات ، بالإضافة إلى مقاطع الفيديو الإخبارية والبودكاست ، رؤى دقيقة حول أداء العلامة التجارية وإدراكها. يمكن أن تساعد تعليقات السوق من مصادر الأخبار الشركة في أنشطة العلاقات العامة الفعالة لإدارة سمعة العلامة التجارية.

كيفية جمع البيانات لتحليل آراء العملاء

يمكن أن يساعد أيضًا في تحليل المنافسين استنادًا إلى اتجاهات الصناعة التي يمكن أن يستخرجها نموذج تحليل المشاعر من بيانات تجربة العلامة التجارية في المقالات الإخبارية أو مقاطع الفيديو وكذلك مساعدتهم على فهم سلوك المستهلك.

لتوضيح كيفية استخراج المشاعر وحساب النتائج ، دعونا نأخذ مصادر الأخبار كمصدر حيوي لتعليقات العملاء ونرى كيف سيقوم نموذج ML بتحليل هذه البيانات.

1. جمع البيانات

من أجل الحصول على أدق النتائج ، يجب أن نستخدم جميع مصادر الأخبار المتاحة بشكل عام. يتضمن ذلك الأخبار من القنوات التلفزيونية والمجلات عبر الإنترنت والمنشورات الأخرى والبث الإذاعي والبودكاست ومقاطع الفيديو وما إلى ذلك.

هناك طريقتان يمكن من خلالها القيام بذلك. إما أن نحمل البيانات مباشرة من خلال واجهات برمجة تطبيقات الأخبار الحية مثل واجهة برمجة تطبيقات أخبار Google ، واجهة برمجة تطبيقات عناوين ESPN, بي بي سي نيوز API، وآخرين مثلهم. أو نقوم بتحميلها يدويًا إلى نموذج ML الذي نستخدمه عن طريق تنزيل التعليقات والمقالات في ملف .csv.

2. معالجة البيانات مع مهام ML

يعالج النموذج الآن البيانات ويحدد التنسيقات المختلفة - النص أو الفيديو أو الصوت. في حالة النص ، تكون العملية بسيطة إلى حد ما. يستخرج النموذج كل النص بما في ذلك الرموز والهاشتاج. في حالة البودكاست والبث الإذاعي ومقاطع الفيديو ، سيتطلب الأمر نسخًا صوتيًا من خلال برنامج تحويل الكلام إلى نص. ثم يتم إرسال هذه البيانات أيضًا إلى خط أنابيب تحليلات النص.

مرة واحدة في خط الأنابيب ، معالجة اللغة الطبيعية (NLP) ، والتعرف على الكيانات المسماة (NER) ، والتصنيف الدلالي ، وما إلى ذلك ، تأكد من استخراج الجوانب والموضوعات والموضوعات الرئيسية من البيانات وتجميعها بحيث يمكن تحليلها من أجل المشاعر.

3. تحليل المشاعر

الآن وقد تم فصل النص ، يتم تحليل كل سمة وجانب وكيان للمشاعر ويتم حساب درجة المشاعر. يمكن القيام بذلك في أي من الأساليب الثلاثة - طريقة عدد الكلمات وطريقة طول الجملة ونسبة الكلمات الإيجابية والسلبية.

دعونا نأخذ هذه الجملة كمثال. "لاحظ رواد الملعب أن المقاعد كانت جيدة. ومع ذلك ، بدت التذاكر مكلفة للغاية ، نظرًا لعدم توفر تصاريح موسمية ، بل إن العديد منهم واجهوا موظفين فظين في شباك التذاكر ، وفقًا لصحيفة ديلي هيرالد ".

دعونا نفترض ذلك بعد ذلك tokenization، وتطبيع النص (استبعاد البيانات غير النصية) ، واشتقاق الكلمات (العثور على جذر الكلمة) ، وإيقاف إزالة الكلمات (إزالة الكلمات الزائدة عن الحاجة) ، نحصل على الدرجات التالية للمشاعر السلبية والإيجابية.

إيجابي - جيد - 1 (+ 0.07)

سلبي - مكلف (- 0.5) ، وقح (- 0.7) - 2

الآن دعونا نحسب درجات المشاعر باستخدام الطرق الثلاث المذكورة أعلاه.

طريقة عدد الكلمات

هذه هي أبسط طريقة يمكن من خلالها حساب درجة المشاعر. في هذه الطريقة ، نقوم بتقليل التكرارات السلبية من الموجبة (1 - 2 = -1)

وبالتالي ، فإن درجة المشاعر للمثال أعلاه هي -1.

طريقة طول الجملة

يتم طرح عدد الكلمات الإيجابية من الكلمات السلبية. ثم يتم قسمة النتيجة على العدد الإجمالي للكلمات في النص. نظرًا لأن النتيجة التي تم الحصول عليها يمكن أن تكون صغيرة جدًا وتتبع العديد من المنازل العشرية ، فغالبًا ما يتم ضربها برقم واحد. يتم ذلك بحيث تكون الدرجات أكبر وبالتالي يسهل فهمها ومقارنتها. في حالة مثالنا ، ستكون النتيجة.

1-2 / 42 = -0.0238095

نسبة عدد الكلمات السلبية-الإيجابية

إجمالي عدد الكلمات الإيجابية مقسومًا على العدد الإجمالي للكلمات السلبية. ثم يتم إضافة النتيجة بواسطة 1. هذا أكثر توازناً من الأساليب الأخرى ، لا سيما في حالة كميات كبيرة من البيانات.

1/2 + 1 = 0.33333

4. تصور البصائر

بمجرد تحليل البيانات لمعرفة المشاعر ، يتم تقديم الأفكار على لوحة معلومات التصور حتى تتمكن من فهم الذكاء الذي تم الحصول عليه من جميع البيانات. يمكنك الاطلاع على تحليل المشاعر المستند إلى الجدول الزمني ، بالإضافة إلى تلك التي تستند إلى أحداث مثل إطلاق المنتجات وتقلبات سوق الأوراق المالية والبيانات الصحفية وبيانات الشركة والأسعار الجديدة وما إلى ذلك.

هذه الرؤى المستندة إلى الجوانب هي ما يمكن أن يكون ذا قيمة لا تصدق بالنسبة لك أثناء تخطيطك لاستراتيجيات التسويق والنمو.

للذكاء الاصطناعي وعلوم البيانات أهمية كبيرة لأنشطة التسويق ، لا سيما في عصر الابتكار المستمر وديناميكيات السوق المتغيرة. يمكن أن يمنحك تحليل آراء العملاء المدفوع ببيانات ملاحظات العملاء التي تم تسخيرها مباشرة منهم كل النفوذ الذي تحتاجه للتأكد من أن لديك استراتيجية تسويق مستدامة للنمو المستمر.

مارتن أوستروفسكي هو المؤسس والرئيس التنفيذي لشركة Repustate. إنه متحمس لـ AI و ML و NLP. يقوم بتعيين الإستراتيجية وخريطة الطريق وتعريف الميزة لـ Repustate's Global Text Analytics API ، وتحليل المشاعر ، والبحث العميق ، وحلول التعرف على الكيانات المسماة.