Come raccogliere dati per l'analisi del sentiment dei clienti

Immagine dell'editore
 

L'analisi del sentiment del cliente è il processo di utilizzo dell'apprendimento automatico (ML) per scoprire l'intenzione e l'opinione del cliente su un marchio dal feedback dei clienti fornito in recensioni, forum, sondaggi e così via. L'analisi del sentiment dei dati sull'esperienza del cliente offre alle aziende una visione approfondita delle motivazioni alla base delle decisioni di acquisto, dei modelli di cambiamento del sentiment del marchio in base a tempistiche o eventi e analisi del gap di mercato che possono aiutare nel miglioramento del prodotto e del servizio.

Sommario:

• Cos'è l'analisi del sentiment del cliente?
• Come si raccolgono i dati per l'analisi del sentiment dei clienti?
• In che modo i punteggi del sentiment vengono ricavati dal feedback dei clienti
• Conclusione

L'analisi del sentiment mette a punto i dati di feedback dei clienti per identificare specifici emozioni o sentimenti. In generale, questi sono positivi, negativi o neutri. Ma all'interno di questi parametri, un modello di analisi del sentimento guidato da attività ML come l'elaborazione del linguaggio naturale (NLP) e l'analisi semantica in grado di trovare gli aspetti semantici e sintattici delle parole può aiutare a trovare anche diversi tipi di sentimento negativo. 

Ad esempio, può aiutare a dare punteggi di sentimento diversi in base a parole che denotano diverse emozioni negative come ansia, delusione, rimpianto, rabbia e così via. Lo stesso vale per i microsentimenti positivi.

Tale estrazione di emozioni a grana fine combinata con l'analisi basata sugli aspetti dell'esperienza di un cliente con un marchio può essere di primaria importanza. Ad esempio, quando conosci il sentimento basato su aspetti come prezzo, convenienza, facilità di acquisto, servizio clienti, ecc., ottieni informazioni utili su cui puoi fare affidamento per prendere le decisioni giuste quando si tratta di controllo qualità e miglioramento del prodotto.

Una parte molto importante dell'acquisizione di un'intelligence sul sentimento del marchio mirata e perspicace è disporre di dati affidabili sul feedback dei clienti. Ecco cinque modi essenziali in cui è possibile raccogliere tali dati.

1. Commenti e video sui social media

L'ascolto dei social media è uno dei modi in cui puoi ottenere il feedback attuale dei clienti sul tuo marchio, che include sia il tuo prodotto che il servizio. Un modello di analisi del sentiment in grado di elaborare e valutare i commenti sui social media, così come i contenuti video, è la soluzione perfetta per sfruttare questa fonte di dati. 

Con un tale strumento, sfrutti i dati per l'analisi del sentiment dei clienti da siti di social media ricchi di testo come Twitter a quelli basati su video come TikTok o Instagram. Questo ti dà un grande vantaggio perché non tutte le piattaforme di social media sono adatte a tutti quando si tratta di scelte del cliente. 

Ad esempio, mentre i clienti utilizzano principalmente Twitter per interagire direttamente con un marchio, è noto che gli utenti di Facebook lasciano commenti dettagliati su un'azienda a cui sono associati. Questo netto contrasto è dovuto a fattori quali la natura dell'attività, l'età, la posizione geografica, l'utilizzo digitale e così via.

Gli esempi seguenti mostrano come i clienti lasciano commenti sui due diversi canali di social media.
 

 
 

Un altro grande vantaggio dell'analisi del sentiment sui social media è che puoi anche trovare influencer sui social media che si adattano al tuo conto e possono essere un'aggiunta fantastica alla tua strategia di marketing digitale. Gli influencer costano la metà dell'investimento necessario per l'assunzione di un'agenzia di pubbliche relazioni o per l'approvazione di celebrità. 

Inoltre, le persone si fidano delle recensioni dei prodotti e delle approvazioni degli influencer a chi possono riferirsi. Questo è vero sia che tu sia uno stagista alla ricerca di consigli per lo styling professionale o un padre di quattro figli alla ricerca delle migliori opzioni di telefoni cellulari per adolescenti. Questo è il modo la scienza dei dati e il machine learning aiutano a trovare l'influencer TikTok giusto per un'azienda.

2. Vai oltre i sondaggi quantitativi come NPS, CES o CSAT

Le metriche di feedback dei clienti come il punteggio netto del promotore (NPS), il punteggio di impegno del cliente (CES) o le valutazioni a stelle possono dirti a colpo d'occhio se le persone sono soddisfatte o meno della tua attività. Ma questo non ti dà davvero alcuna visione d'affari reale. 

 

 

Per ottenere informazioni reali sul sentiment dei clienti è necessario andare oltre le metriche quantitative. E per questo, è necessario analizzare i commenti e le risposte ai sondaggi a risposta aperta che non hanno alcuna risposta fissa. Ciò consente ai clienti di scrivere commenti a flusso libero, che possono darti informazioni su aspetti della tua attività di cui non eri nemmeno a conoscenza. 

 

 

Nell'esempio sopra, possiamo vedere che i clienti hanno assegnato una valutazione a 1 stella all'azienda. Ma leggendo i commenti ci rendiamo conto che le ragioni dietro i sentimenti negativi sono completamente diverse. 

Mentre un cliente non è soddisfatto del servizio clienti online dell'azienda, l'altro afferma che anche se è un cliente di lunga data, il calo della qualità e i nuovi prezzi sono il motivo per cui potrebbero non acquistare più da loro.

Si tratta di intuizioni attuabili, in cui un'azienda sa esattamente dove è necessario apportare miglioramenti per mantenere la soddisfazione e la lealtà del cliente. Andare oltre le sole metriche numeriche può darti queste informazioni.

3. Analizza le recensioni dai forum e dai siti Web dei clienti

Un altro modo eccellente per ottenere diversi dati di feedback dei clienti è setacciare siti Web di recensioni di prodotti come GoogleMyBusiness e forum come Reddit. È importante sottolineare che ottenere approfondimenti da diverse fonti di dati può darti approfondimenti migliori a causa del tipo di pubblico che le diverse piattaforme invitano. 

Ad esempio, Reddit è utilizzato principalmente dai clienti che sono più appassionati di un argomento o di un prodotto perché il forum consente loro di avere discussioni prolisse. Mentre, le recensioni di Amazon o le recensioni di Google sono utilizzate principalmente da clienti occasionali che vorrebbero lasciare una recensione per la spinta dell'attività o per l'esperienza, positiva o negativa, che potrebbero aver avuto. 

Strumenti Bowman per analizzare le seguenti finiture: Approfondimenti tecnici basati sul machine learning tratti dalle recensioni su Disney World in Florida derivate dai commenti dei clienti su Reddit e Google illustrano ulteriormente questo punto.

4. Dati Voice of Customer (VoC) da fonti non tradizionali

Fonti non tradizionali di dati di feedback dei clienti come cronologie chatbot, e-mail dei clienti, trascrizioni dell'assistenza clienti e così via sono ottime fonti per ottenere informazioni sull'esperienza del cliente. Un vantaggio di queste fonti è che tutti questi dati sono già disponibili nei tuoi strumenti di gestione delle relazioni con i clienti (CRM). 

Quando sarai in grado di raccogliere e analizzare questi dati, sarai in grado di scoprire molti problemi di fondo che anche sondaggi sui clienti ben pianificati o ascolto dei social media potrebbero non essere in grado di evidenziare.

5. Analizza notizie e podcast

I dati delle notizie che consistono in entrambi gli articoli, così come i video e i podcast delle notizie, possono darti informazioni granulari sulle prestazioni e sulla percezione del marchio. Il feedback di mercato da fonti di notizie può aiutare un'azienda in efficaci attività di pubbliche relazioni (PR) per la gestione della reputazione del marchio. 

 

 

Può anche aiutare nell'analisi della concorrenza basata sulle tendenze del settore che un modello di analisi del sentimento può estrarre dai dati sull'esperienza del marchio in articoli o video di notizie, nonché aiutarli a comprendere il comportamento dei consumatori. 

Per illustrare come viene estratto il sentiment e vengono calcolati i punteggi, prendiamo le fonti di notizie come la fonte vitale del feedback dei clienti e vediamo come un modello ML analizzerà tali dati.

1. Raccolta dei dati

Per ottenere i risultati più accurati, dobbiamo utilizzare tutte le fonti di notizie disponibili pubblicamente. Ciò include notizie da canali televisivi, riviste online e altre pubblicazioni, trasmissioni radiofoniche, podcast, video, ecc. 

Ci sono due modi in cui questo può essere fatto. Carichiamo i dati direttamente tramite le API di notizie in tempo reale come l'API di Google News, API dei titoli ESPN, API di notizie della BBC, e altri come loro. Oppure li carichiamo manualmente nel modello ML che stiamo utilizzando scaricando i commenti e gli articoli in un file .csv.

2. Elaborazione dei dati con attività ML

Il modello ora elabora i dati e identifica i diversi formati: testo, video o audio. Nel caso del testo, il processo è abbastanza semplice. Il modello estrae tutto il testo incluso emoticon e hashtag. Nel caso di podcast, trasmissioni radiofoniche e video, richiederà la trascrizione audio tramite software di sintesi vocale. Anche questi dati vengono quindi inviati alla pipeline di analisi del testo.

Una volta in cantiere, l'elaborazione del linguaggio naturale (NLP), il riconoscimento di entità denominate (NER), la classificazione semantica, ecc. assicurano che aspetti, temi e argomenti chiave dai dati vengano estratti e raggruppati in modo che possano essere analizzati per il sentiment. 

3. Analizzare il sentimento 

Ora che il testo è stato segregato, ogni tema, aspetto ed entità viene analizzato per il sentiment e viene calcolato il punteggio del sentiment. Questo può essere fatto in uno dei tre approcci: metodo del conteggio delle parole, metodo della lunghezza della frase e rapporto tra parole positive e negative.

Prendiamo questa frase come esempio. “I frequentatori dello stadio hanno notato che i posti erano buoni. Tuttavia, i biglietti sembravano troppo costosi, dato che non c'erano abbonamenti disponibili, e molti hanno persino incontrato personale maleducato alla biglietteria, secondo il Daily Herald.

Supponiamo che dopo tokenizzazione, normalizzazione del testo (eliminando i dati non di testo), derivazione delle parole (trovando la parola radice) e rimozione delle parole d'arresto (rimuovendo le parole ridondanti), otteniamo i seguenti punteggi per il sentimento negativo e positivo.

Positivo – Buono – 1 (+ 0.07)

Negativo – Costoso (- 0.5), maleducato (- 0.7) – 2

Ora calcoliamo i punteggi del sentiment utilizzando i tre metodi sopra menzionati.

Metodo di conteggio delle parole

Questo è il modo più semplice per calcolare il punteggio del sentiment. In questo metodo, riduciamo il negativo dalle occorrenze positive (1 – 2 = -1)

Pertanto, il punteggio del sentimento dell'esempio precedente è -1. 

Metodo della lunghezza della frase

Il numero di parole positive viene sottratto dalle parole negative. Il risultato viene quindi diviso per il numero totale di parole nel testo. Poiché il punteggio così ottenuto può essere molto piccolo e seguire molti decimali, spesso viene moltiplicato per una singola cifra. Questo viene fatto in modo che i punteggi siano più grandi e quindi più facili da comprendere e confrontare. Nel caso del nostro esempio, il punteggio sarà.

1-2/42 = -0.0238095

Rapporto di conteggio delle parole negativo-positivo

Il numero totale di parole positive viene diviso per il numero totale di parole negative. Il risultato viene quindi sommato per 1. Questo è più equilibrato rispetto ad altri approcci, specialmente nel caso di grandi quantità di dati. 

1/ 2+1 = 0.33333

4. Visualizzazione degli approfondimenti

Una volta analizzati i dati per il sentiment, gli approfondimenti vengono presentati su un dashboard di visualizzazione in modo da poter comprendere l'intelligence che è stata raccolta da tutti i dati. Puoi visualizzare l'analisi del sentiment basata sulla sequenza temporale, nonché quelle basate su eventi come lanci di prodotti, fluttuazioni del mercato azionario, comunicati stampa, dichiarazioni aziendali, nuovi prezzi, ecc. 

Queste intuizioni basate sugli aspetti sono ciò che può essere di incredibile valore per te mentre pianifichi le tue strategie di marketing e crescita.

L'intelligenza artificiale e la scienza dei dati sono di immensa importanza per le attività di marketing, soprattutto in un'era di costante innovazione e mutevoli dinamiche di mercato. L'analisi del sentiment dei clienti guidata dai dati di feedback dei clienti che sono stati sfruttati direttamente da loro può darti tutta la leva di cui hai bisogno per assicurarti di avere una strategia di marketing sostenibile per una crescita continua.
 
 
Martin Ostrovskij è il fondatore e CEO di Repustate. È appassionato di AI, ML e PNL. Definisce la strategia, la roadmap e la definizione delle funzionalità per le soluzioni API di analisi del testo globale, analisi del sentiment, ricerca approfondita e riconoscimento di entità nominate di Repustate.

• Distribuzione di contenuti basati su SEO e PR. Ricevi amplificazione oggi.
• Platoblockchain. Web3 Metaverse Intelligence. Conoscenza amplificata. Accedi qui.
• Fonte: 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