গ্রাহকের অনুভূতি বিশ্লেষণের জন্য কীভাবে ডেটা সংগ্রহ করবেন

সম্পাদক দ্বারা চিত্র
 

গ্রাহক অনুভূতি বিশ্লেষণ হল রিভিউ, ফোরাম, সমীক্ষা ইত্যাদিতে প্রদত্ত গ্রাহক প্রতিক্রিয়া থেকে গ্রাহকের অভিপ্রায় এবং ব্র্যান্ড সম্পর্কে মতামত আবিষ্কার করতে মেশিন লার্নিং (ML) ব্যবহার করার প্রক্রিয়া। গ্রাহকের অভিজ্ঞতার ডেটার সেন্টিমেন্ট বিশ্লেষণ ব্যবসাকে ক্রয়ের সিদ্ধান্তের পিছনে অনুপ্রেরণা, টাইমলাইন বা ইভেন্টের উপর ভিত্তি করে ব্র্যান্ডের অনুভূতি পরিবর্তন করার ধরণগুলির গভীর অন্তর্দৃষ্টি দেয় এবং বাজার-ব্যবধান বিশ্লেষণ যা পণ্য এবং পরিষেবার উন্নতিতে সাহায্য করতে পারে।

সুচিপত্র:

• গ্রাহক অনুভূতি বিশ্লেষণ কি?
• আপনি কিভাবে গ্রাহক অনুভূতি বিশ্লেষণের জন্য ডেটা সংগ্রহ করবেন?
• গ্রাহক প্রতিক্রিয়া থেকে সেন্টিমেন্ট স্কোর কিভাবে প্রাপ্ত হয়
• উপসংহার

সেন্টিমেন্ট বিশ্লেষণ সুনির্দিষ্ট শনাক্ত করতে গ্রাহকের প্রতিক্রিয়া ডেটা সূক্ষ্ম-আঁচড়ান আবেগ বা অনুভূতি. ব্যাপকভাবে, এগুলি ইতিবাচক, নেতিবাচক বা নিরপেক্ষ। কিন্তু এই পরামিতিগুলির মধ্যে, প্রাকৃতিক ভাষা প্রক্রিয়াকরণ (NLP) এবং শব্দার্থিক বিশ্লেষণের মতো ML কার্য দ্বারা চালিত একটি অনুভূতি বিশ্লেষণ মডেল যা শব্দের শব্দার্থগত এবং বাক্যতত্ত্বের দিকগুলি খুঁজে পেতে পারে বিভিন্ন ধরণের নেতিবাচক অনুভূতিও খুঁজে পেতে সহায়তা করতে পারে। 

উদাহরণস্বরূপ, এটি বিভিন্ন নেতিবাচক আবেগ যেমন উদ্বেগ, হতাশা, অনুশোচনা, রাগ ইত্যাদি বোঝায় এমন শব্দের উপর ভিত্তি করে বিভিন্ন অনুভূতির স্কোর দিতে সাহায্য করতে পারে। ইতিবাচক মাইক্রো সেন্টিমেন্টের ক্ষেত্রেও একই কথা।

একটি ব্র্যান্ডের সাথে গ্রাহকের অভিজ্ঞতার দৃষ্টিভঙ্গি-ভিত্তিক বিশ্লেষণের সাথে মিলিত এই ধরনের সূক্ষ্ম-দানাযুক্ত আবেগ মাইনিং প্রধান গুরুত্ব হতে পারে। উদাহরণ স্বরূপ, যখন আপনি মূল্য, সুবিধা, ক্রয়ের সহজতা, গ্রাহক পরিষেবা, ইত্যাদির মত দিকগুলির উপর ভিত্তি করে অনুভূতি জানেন, তখন আপনি কর্মযোগ্য অন্তর্দৃষ্টি পান যা আপনি মান নিয়ন্ত্রণ এবং পণ্যের উন্নতির ক্ষেত্রে সঠিক সিদ্ধান্ত নেওয়ার জন্য নির্ভর করতে পারেন।

লক্ষ্যযুক্ত এবং অন্তর্দৃষ্টিপূর্ণ ব্র্যান্ড সেন্টিমেন্ট বুদ্ধিমত্তা সংগ্রহের একটি অত্যন্ত গুরুত্বপূর্ণ অংশ নির্ভরযোগ্য গ্রাহক প্রতিক্রিয়া ডেটা থাকা। এখানে পাঁচটি অপরিহার্য উপায় রয়েছে যার মাধ্যমে আপনি এই ধরনের তথ্য সংগ্রহ করতে পারেন।

1. সামাজিক মিডিয়া মন্তব্য এবং ভিডিও

সোশ্যাল মিডিয়া শ্রবণ একটি উপায় যা আপনি আপনার ব্র্যান্ড সম্পর্কে বর্তমান গ্রাহক প্রতিক্রিয়া পেতে পারেন, যার মধ্যে আপনার পণ্য এবং পরিষেবা উভয়ই অন্তর্ভুক্ত রয়েছে। একটি অনুভূতি বিশ্লেষণ মডেল যা সোশ্যাল মিডিয়ার মন্তব্যগুলিকে প্রক্রিয়াকরণ এবং মূল্যায়ন করতে পারে, সেইসাথে ভিডিও বিষয়বস্তু, এই ডেটা উত্সটি লাভ করার জন্য নিখুঁত বাজি। 

এই ধরনের একটি টুলের সাহায্যে, আপনি টুইটার-এর মতো টেক্সট-ভারী সোশ্যাল মিডিয়া সাইট থেকে টিকটোক বা ইনস্টাগ্রামের মতো ভিডিও-ভিত্তিক সাইটগুলিতে গ্রাহকের অনুভূতি বিশ্লেষণের জন্য ডেটা ব্যবহার করেন। এটি আপনাকে একটি দুর্দান্ত সুবিধা দেয় কারণ সমস্ত সোশ্যাল মিডিয়া প্ল্যাটফর্ম এক-আকার-ফিট-সব ক্ষেত্রে আসে না গ্রাহকের পছন্দ। 

উদাহরণস্বরূপ, যখন গ্রাহকরা মূলত একটি ব্র্যান্ডের সাথে সরাসরি যোগাযোগ করতে টুইটার ব্যবহার করেন, তখন Facebook ব্যবহারকারীরা তাদের সাথে যুক্ত একটি ব্যবসা সম্পর্কে বিস্তারিত মন্তব্য করতে পরিচিত। এই সম্পূর্ণ বৈপরীত্য ব্যবসার প্রকৃতি, বয়স, ভৌগলিক অবস্থান, ডিজিটাল ব্যবহার এবং আরও অনেক কিছুর কারণে।

নীচের উদাহরণগুলি দেখায় কিভাবে গ্রাহকরা দুটি ভিন্ন সামাজিক মিডিয়া চ্যানেলে মন্তব্য করেন৷
 

 
 

সোশ্যাল মিডিয়া সেন্টিমেন্ট বিশ্লেষণের আরেকটি বড় সুবিধা হল যে আপনি সোশ্যাল মিডিয়া ইনফ্লুয়েন্সারদেরও খুঁজে পেতে পারেন যারা আপনার বিলের সাথে মানানসই এবং আপনার ডিজিটাল মার্কেটিং কৌশলে একটি দুর্দান্ত সংযোজন হতে পারে। প্রভাবশালীদের অর্ধেক বিনিয়োগ খরচ হয় যা একটি PR এজেন্সি বা সেলিব্রিটি এনডোর্সমেন্ট নিয়োগে যায়। 

এছাড়াও, লোকেরা প্রভাবশালীদের কাছ থেকে পণ্যের পর্যালোচনা এবং সমর্থনে বিশ্বাস করে যাদের তারা পারে কহা. আপনি পেশাদার স্টাইলিং টিপস খুঁজছেন একজন ইন্টার্ন বা কিশোর-কিশোরীদের জন্য সেল ফোনে সেরা বিকল্পগুলির সন্ধানে চার সন্তানের পিতা হোক না কেন এটি সত্য। এই হল কিভাবে ডেটা সায়েন্স এবং ML ব্যবসার জন্য সঠিক TikTok ইনফ্লুয়েন্সার খুঁজে পেতে সাহায্য করে।

2. NPS, CES, বা CSAT এর মত পরিমাণগত সমীক্ষার বাইরে যান

নেট প্রমোটার স্কোর (এনপিএস), গ্রাহক প্রচেষ্টা স্কোর (সিইএস), বা তারকা রেটিংগুলির মতো গ্রাহক প্রতিক্রিয়া মেট্রিকগুলি আপনাকে এক নজরে বলতে পারে যে লোকেরা আপনার ব্যবসায় খুশি কিনা। কিন্তু এটি সত্যিই আপনাকে কোন প্রকৃত ব্যবসার অন্তর্দৃষ্টি দেয় না। 

 

 

প্রকৃত গ্রাহকের অনুভূতির অন্তর্দৃষ্টি পেতে আপনাকে পরিমাণগত মেট্রিক্সের বাইরে যেতে হবে। এবং এর জন্য, আপনাকে মন্তব্য এবং উন্মুক্ত সমীক্ষার প্রতিক্রিয়াগুলি বিশ্লেষণ করতে হবে যেগুলির কোনও নির্দিষ্ট প্রতিক্রিয়া নেই৷ এটি গ্রাহকদের বিনামূল্যে-প্রবাহিত মন্তব্য লিখতে দেয়, যা আপনাকে আপনার ব্যবসার এমন দিকগুলির অন্তর্দৃষ্টি দিতে পারে যেগুলি সম্পর্কে আপনি অবগত ছিলেন না। 

 

 

উপরের উদাহরণে, আমরা দেখতে পাচ্ছি যে গ্রাহকরা ব্যবসাকে 1-স্টার রেটিং দিয়েছেন। কিন্তু মন্তব্য পড়ে আমরা বুঝতে পারি যে নেতিবাচক অনুভূতির পিছনে কারণগুলি সম্পূর্ণ ভিন্ন। 

যদিও একজন গ্রাহক কোম্পানির অনলাইন গ্রাহক পরিষেবা নিয়ে অসন্তুষ্ট, অন্যজন উল্লেখ করেছেন যে যদিও তারা দীর্ঘদিনের গ্রাহক, গুণমান এবং নতুন মূল্যের পতনের কারণে তারা তাদের কাছ থেকে আর কিনছেন না।

এগুলি হল কর্মযোগ্য অন্তর্দৃষ্টি, যেখানে একটি ব্যবসা সঠিকভাবে জানে যেখানে গ্রাহকের সন্তুষ্টি এবং আনুগত্য বজায় রাখতে উন্নতি করতে হবে৷ শুধুমাত্র সংখ্যাসূচক মেট্রিক্সের বাইরে গিয়ে আপনি এই অন্তর্দৃষ্টি পেতে পারেন।

3. গ্রাহক ফোরাম এবং ওয়েবসাইট থেকে পর্যালোচনা বিশ্লেষণ

বিভিন্ন গ্রাহক প্রতিক্রিয়া ডেটা পাওয়ার আরেকটি চমৎকার উপায় হল GoogleMyBusiness-এর মতো পণ্য পর্যালোচনা ওয়েবসাইট এবং Reddit-এর মতো ফোরামের মাধ্যমে চেক করা। গুরুত্বপূর্ণভাবে, বিভিন্ন ডেটা উত্স থেকে অন্তর্দৃষ্টি পাওয়া আপনাকে আরও ভাল অন্তর্দৃষ্টি দিতে পারে কারণ বিভিন্ন প্ল্যাটফর্মে আমন্ত্রণ জানানো দর্শকের ধরন। 

উদাহরণস্বরূপ, রেডডিট বেশিরভাগ গ্রাহকদের দ্বারা ব্যবহৃত হয় যারা একটি বিষয় বা পণ্য সম্পর্কে বেশি উত্সাহী কারণ ফোরাম তাদের ভার্বস আলোচনা করার অনুমতি দেয়। যদিও, Amazon রিভিউ বা Google রিভিউগুলি বেশিরভাগ নৈমিত্তিক গ্রাহকদের দ্বারা ব্যবহৃত হয় যারা হয় ব্যবসার ধাক্কায় বা তাদের ভালো বা খারাপ অভিজ্ঞতার কারণে একটি পর্যালোচনা ছেড়ে দিতে চান। 

এইগুলো ML-চালিত প্রযুক্তিগত অন্তর্দৃষ্টি ফ্লোরিডার ডিজনি ওয়ার্ল্ডের রিভিউ থেকে প্রাপ্ত Reddit এবং Google-এ গ্রাহকের মন্তব্য থেকে প্রাপ্ত এই বিষয়টিকে আরও ব্যাখ্যা করে।

4. অপ্রচলিত উৎস থেকে গ্রাহকের ভয়েস (VoC) ডেটা

গ্রাহক প্রতিক্রিয়া ডেটার অ-প্রথাগত উত্স যেমন চ্যাটবট ইতিহাস, গ্রাহকের ইমেল, গ্রাহক সহায়তা প্রতিলিপি, এবং আরও কিছু হল গ্রাহক অভিজ্ঞতার অন্তর্দৃষ্টি অর্জনের উজ্জ্বল উত্স৷ এই উত্সগুলির একটি সুবিধা হল এই সমস্ত ডেটা ইতিমধ্যেই আপনার গ্রাহক সম্পর্ক ব্যবস্থাপনা (CRM) সরঞ্জামগুলিতে উপলব্ধ। 

আপনি যখন এই ডেটা সংগ্রহ করতে এবং বিশ্লেষণ করতে সক্ষম হন তখন আপনি অনেক অন্তর্নিহিত সমস্যাগুলি আবিষ্কার করতে সক্ষম হবেন যা এমনকি সুপরিকল্পিত গ্রাহক সমীক্ষা বা সোশ্যাল মিডিয়া শোনা হাইলাইট করতে সক্ষম নাও হতে পারে।

5. খবর এবং পডকাস্ট বিশ্লেষণ

নিউজ ডেটা যা উভয় নিবন্ধ, সেইসাথে সংবাদ ভিডিও এবং পডকাস্ট নিয়ে গঠিত, আপনাকে ব্র্যান্ডের কার্যকারিতা এবং উপলব্ধি সম্পর্কে দানাদার অন্তর্দৃষ্টি দিতে পারে। সংবাদ উত্স থেকে বাজারের প্রতিক্রিয়া ব্র্যান্ড খ্যাতি পরিচালনার জন্য কার্যকর জনসংযোগ (পিআর) কার্যক্রমে একটি ব্যবসায়কে সহায়তা করতে পারে। 

 

 

এটি শিল্প প্রবণতার উপর ভিত্তি করে প্রতিযোগী বিশ্লেষণে সাহায্য করতে পারে যে একটি অনুভূতি বিশ্লেষণ মডেল সংবাদ নিবন্ধ বা ভিডিওগুলিতে ব্র্যান্ড অভিজ্ঞতার ডেটা থেকে বের করতে পারে এবং সেইসাথে তাদের ভোক্তাদের আচরণ বুঝতে সাহায্য করতে পারে। 

সেন্টিমেন্ট কীভাবে বের করা হয় এবং স্কোর গণনা করা হয় তা বোঝাতে, আসুন আমরা গ্রাহকদের প্রতিক্রিয়ার অত্যাবশ্যক উত্স হিসাবে খবরের উত্সগুলি গ্রহণ করি এবং দেখুন কিভাবে একটি ML মডেল এই জাতীয় ডেটা বিশ্লেষণ করবে।

1. তথ্য সংগ্রহ করা

সর্বাধিক নির্ভুল ফলাফল পেতে, আমাদের অবশ্যই সর্বজনীনভাবে উপলব্ধ সমস্ত সংবাদ উত্স ব্যবহার করতে হবে৷ এর মধ্যে রয়েছে টেলিভিশন চ্যানেল, অনলাইন পত্রিকা এবং অন্যান্য প্রকাশনা, রেডিও সম্প্রচার, পডকাস্ট, ভিডিও ইত্যাদির খবর। 

এটি করা যেতে পারে যা দুটি উপায় আছে. আমরা হয় সরাসরি Google News API-এর মতো লাইভ নিউজ API-এর মাধ্যমে ডেটা আপলোড করি, ইএসপিএন হেডলাইন এপিআই, বিবিসি নিউজ এপিআই, এবং তাদের মত অন্যদের. অথবা, একটি .csv ফাইলে মন্তব্য এবং নিবন্ধগুলি ডাউনলোড করে আমরা ম্যানুয়ালি যে ML মডেল ব্যবহার করছি তাতে আপলোড করি৷

2. এমএল টাস্ক সহ ডেটা প্রক্রিয়াকরণ

মডেলটি এখন ডেটা প্রক্রিয়া করে এবং বিভিন্ন ফর্ম্যাট - পাঠ্য, ভিডিও বা অডিও সনাক্ত করে৷ পাঠ্যের ক্ষেত্রে, প্রক্রিয়াটি মোটামুটি সহজ। মডেল সহ সমস্ত পাঠ্য নির্যাস ইমোটিকন এবং হ্যাশট্যাগ। পডকাস্ট, রেডিও সম্প্রচার, এবং ভিডিওর ক্ষেত্রে, এটি স্পিচ-টু-টেক্সট সফ্টওয়্যারের মাধ্যমে অডিও ট্রান্সক্রিপশনের প্রয়োজন হবে। এই ডেটাও তারপর পাঠ্য বিশ্লেষণ পাইপলাইনে পাঠানো হয়।

একবার পাইপলাইনে, ন্যাচারাল ল্যাঙ্গুয়েজ প্রসেসিং (এনএলপি), নামকৃত সত্তা স্বীকৃতি (এনইআর), শব্দার্থগত শ্রেণিবিন্যাস, ইত্যাদি নিশ্চিত করে যে ডেটা থেকে মূল দিক, থিম এবং বিষয়গুলি বের করা হয়েছে এবং গোষ্ঠীবদ্ধ করা হয়েছে যাতে সেগুলি অনুভূতির জন্য বিশ্লেষণ করা যায়। 

3. অনুভূতি বিশ্লেষণ 

এখন যেহেতু পাঠ্যটি আলাদা করা হয়েছে, প্রতিটি থিম, দিক এবং সত্তা অনুভূতির জন্য বিশ্লেষণ করা হয় এবং সেন্টিমেন্ট স্কোর গণনা করা হয়। এটি তিনটি পদ্ধতির যেকোনো একটিতে করা যেতে পারে - শব্দ গণনা পদ্ধতি, বাক্য-দৈর্ঘ্য পদ্ধতি এবং ইতিবাচক এবং নেতিবাচক শব্দের অনুপাত।

এই বাক্যটিকে উদাহরণ হিসেবে নেওয়া যাক। “স্টেডিয়ামের দর্শকরা মন্তব্য করেছেন যে আসনগুলি ভাল ছিল। যাইহোক, টিকিটগুলি খুব ব্যয়বহুল বলে মনে হয়েছিল, এই কারণে যে কোনও সিজন পাস উপলব্ধ ছিল না এবং অনেকে এমনকি টিকিট কাউন্টারে অভদ্র স্টাফদের মুখোমুখি হয়েছিল, ডেইলি হেরাল্ড অনুসারে।"

এর পরে অনুমান করা যাক tokenization, টেক্সট স্বাভাবিকীকরণ (নন-টেক্সট ডেটা নির্মূল করা), ওয়ার্ড স্টেমিং (মূল শব্দ খুঁজে বের করা), এবং শব্দ অপসারণ বন্ধ করা (অপ্রয়োজনীয় শব্দ অপসারণ), আমরা নেতিবাচক এবং ইতিবাচক অনুভূতির জন্য নিম্নলিখিত স্কোরগুলি পাই।

ইতিবাচক - ভাল - 1(+ 0.07)

নেতিবাচক – ব্যয়বহুল (- 0.5), অভদ্র (- 0.7) – 2

এখন আমরা উল্লিখিত তিনটি পদ্ধতি ব্যবহার করে সেন্টিমেন্ট স্কোর গণনা করি।

শব্দ গণনা পদ্ধতি

এটি হল সবচেয়ে সহজ উপায় যাতে সেন্টিমেন্ট স্কোর গণনা করা যায়। এই পদ্ধতিতে, আমরা ইতিবাচক ঘটনা থেকে নেতিবাচক হ্রাস করি (1 - 2 = -1)

সুতরাং, উপরের উদাহরণের সেন্টিমেন্ট স্কোর হল -1। 

বাক্য-দৈর্ঘ্য পদ্ধতি

নেতিবাচক শব্দ থেকে ইতিবাচক শব্দের সংখ্যা বিয়োগ করা হয়। ফলাফল তারপর পাঠ্যের মোট শব্দ সংখ্যা দ্বারা ভাগ করা হয়. কারণ এইভাবে প্রাপ্ত স্কোর খুব ছোট হতে পারে এবং অনেক দশমিক স্থানে অনুসরণ করতে পারে, এটি প্রায়শই একটি একক সংখ্যা দ্বারা গুণ করা হয়। এটি করা হয় যাতে স্কোরগুলি বড় হয় এবং এইভাবে বোঝা এবং তুলনা করা সহজ হয়। আমাদের উদাহরণের ক্ষেত্রে, স্কোর হবে।

1-2/42 = -0.0238095

নেতিবাচক-ইতিবাচক শব্দ গণনা অনুপাত

ধনাত্মক শব্দের মোট সংখ্যাকে নেতিবাচক শব্দের মোট সংখ্যা দিয়ে ভাগ করা হয়। ফলাফল তারপর 1 দ্বারা যোগ করা হয়. এটি অন্যান্য পদ্ধতির তুলনায় আরো ভারসাম্যপূর্ণ, বিশেষ করে প্রচুর পরিমাণে ডেটার ক্ষেত্রে। 

1/ 2+1 = 0.33333

4. অন্তর্দৃষ্টি ভিজ্যুয়ালাইজেশন

একবার অনুভূতির জন্য ডেটা বিশ্লেষণ করা হলে, অন্তর্দৃষ্টিগুলি একটি ভিজ্যুয়ালাইজেশন ড্যাশবোর্ডে উপস্থাপন করা হয় যাতে আপনি সমস্ত ডেটা থেকে সংগৃহীত বুদ্ধিমত্তা বুঝতে পারেন। আপনি টাইমলাইন-ভিত্তিক সেন্টিমেন্ট বিশ্লেষণ দেখতে পারেন, সেইসাথে পণ্য লঞ্চ, স্টক মার্কেটের ওঠানামা, প্রেস রিলিজ, কোম্পানির বিবৃতি, নতুন মূল্য ইত্যাদির মতো ইভেন্টগুলির উপর ভিত্তি করে। 

এই দিক-ভিত্তিক অন্তর্দৃষ্টিগুলি আপনার কাছে অবিশ্বাস্য মূল্যের হতে পারে যখন আপনি আপনার বিপণন এবং বৃদ্ধির কৌশলগুলি পরিকল্পনা করেন।

AI এবং ডেটা সায়েন্স বিপণন ক্রিয়াকলাপের জন্য অত্যন্ত গুরুত্বপূর্ণ, বিশেষত ধ্রুবক উদ্ভাবনের যুগে এবং বাজারের গতিশীলতার পরিবর্তনের যুগে। তাদের কাছ থেকে সরাসরি ব্যবহার করা গ্রাহক প্রতিক্রিয়া ডেটা দ্বারা চালিত গ্রাহক অনুভূতি বিশ্লেষণ আপনাকে ক্রমাগত বৃদ্ধির জন্য একটি টেকসই বিপণন কৌশল নিশ্চিত করতে আপনার প্রয়োজনীয় সমস্ত লিভারেজ দিতে পারে।
 
 
মার্টিন অস্ট্রোভস্কি Repustate এর প্রতিষ্ঠাতা এবং সিইও। তিনি এআই, এমএল এবং এনএলপি সম্পর্কে উত্সাহী। তিনি রেপুস্টেটের গ্লোবাল টেক্সট অ্যানালিটিক্স এপিআই, সেন্টিমেন্ট অ্যানালাইসিস, গভীর অনুসন্ধান এবং নামকৃত সত্তা স্বীকৃতি সমাধানগুলির জন্য কৌশল, রোডম্যাপ এবং বৈশিষ্ট্যের সংজ্ঞা সেট করেন।

• এসইও চালিত বিষয়বস্তু এবং পিআর বিতরণ। আজই পরিবর্ধিত পান।
• প্লেটোব্লকচেন। Web3 মেটাভার্স ইন্টেলিজেন্স। জ্ঞান প্রসারিত. এখানে প্রবেশ করুন.
• উত্স: https://www.kdnuggets.com/2022/12/collect-data-customer-sentiment-analysis.html?utm_source=rss&utm_medium=rss&utm_campaign=how-to-collect-data-for-customer-sentiment-analysis