Cum se colectează date pentru analiza sentimentelor clienților

Imagine de editor
 

Analiza sentimentelor clienților este procesul de utilizare a învățării automate (ML) pentru a descoperi intenția și opinia clienților despre o marcă din feedback-ul oferit de clienți în recenzii, forumuri, sondaje și așa mai departe. Analiza sentimentelor datelor despre experiența clienților oferă companiilor o perspectivă profundă asupra motivațiilor din spatele deciziilor de cumpărare, a tiparelor de schimbare a sentimentului mărcii în funcție de cronologie sau evenimente și analiza decalajului pieței care poate ajuta la îmbunătățirea produselor și serviciilor.

Cuprins:

• Ce este analiza sentimentului clienților?
• Cum colectați date pentru analiza sentimentelor clienților?
• Cum se obțin scorurile de sentiment din feedbackul clienților
• Concluzie

Analiza sentimentelor pieptănează fin datele feedback-ului clienților pentru a identifica anumite aspecte emoții sau sentimente. În linii mari, acestea sunt pozitive, negative sau neutre. Dar în cadrul acestor parametri, un model de analiză a sentimentelor condus de sarcini ML, cum ar fi procesarea limbajului natural (NLP) și analiza semantică, care poate găsi aspectele semantice și sintactice ale cuvintelor, poate ajuta și la găsirea diferitelor tipuri de sentimente negative. 

De exemplu, poate ajuta la acordarea unor scoruri variate de sentimente bazate pe cuvinte care denotă diferite emoții negative, cum ar fi anxietatea, dezamăgirea, regretul, furia și așa mai departe. Același lucru este și cazul micro-sentimentelor pozitive.

O astfel de analiză fină a emoțiilor combinată cu analiza bazată pe aspecte a experienței unui client cu un brand poate fi de o importanță primordială. De exemplu, atunci când cunoașteți sentimentul bazat pe aspecte precum prețul, comoditatea, ușurința de cumpărare, serviciul pentru clienți etc., obțineți informații utile pe care vă puteți baza pentru a lua deciziile corecte când vine vorba de controlul calității și îmbunătățirea produsului.

O parte foarte importantă a obținerii de informații orientate și perspicace despre sentimentul mărcii este să aveți date fiabile despre feedback-ul clienților. Iată cinci moduri esențiale prin care puteți colecta astfel de date.

1. Comentarii și videoclipuri pe rețelele sociale

Ascultarea rețelelor sociale este una dintre modalitățile prin care puteți obține feedback actual al clienților despre marca dvs., care include atât produsul dvs., cât și serviciul. Un model de analiză a sentimentelor care poate procesa și evalua comentariile din rețelele sociale, precum și conținutul video, este pariul perfect pentru a valorifica această sursă de date. 

Cu un astfel de instrument, valorificați datele pentru analiza sentimentului clienților de la site-uri de rețele sociale cu conținut greoi de text, cum ar fi Twitter, la cele bazate pe video, cum ar fi TikTok sau Instagram. Acest lucru vă oferă un mare avantaj, deoarece nu toate platformele de social media sunt unice atunci când vine vorba de alegerile clientului. 

De exemplu, în timp ce clienții folosesc în principal Twitter pentru a interacționa direct cu o marcă, utilizatorii Facebook sunt cunoscuți că lasă observații detaliate despre o afacere cu care s-au asociat. Acest contrast puternic se datorează unor factori precum natura afacerii, vârsta, locația geografică, utilizarea digitală și așa mai departe.

Exemplele de mai jos arată modul în care clienții lasă comentarii pe cele două canale diferite de rețele sociale.
 

 
 

Un alt mare avantaj al analizei sentimentului rețelelor sociale este că puteți găsi, de asemenea, Influenți în rețelele sociale care se potrivesc cu dvs. și pot fi o completare minunată pentru strategia dvs. de marketing digital. Influencerii costă jumătate din investiția necesară pentru angajarea unei agenții de PR sau a unei celebrități. 

De asemenea, oamenii au încredere în recenziile de produse și susținările de la Influenceri cărora le pot raporta. Acest lucru este adevărat, indiferent dacă sunteți stagiar care caută sfaturi de stil profesional sau tată a patru copii în căutarea celor mai bune opțiuni în telefoanele mobile pentru adolescenți. Acesta este modul în care știința datelor și ML ajută la găsirea influenței TikTok potrivite pentru o afacere.

2. Treceți dincolo de anchetele cantitative precum NPS, CES sau CSAT

Valorile de feedback ale clienților, cum ar fi scorul net al promotorului (NPS), scorul efortului clienților (CES) sau evaluările cu stele vă pot spune dintr-o privire dacă oamenii sunt mulțumiți de afacerea dvs. sau nu. Dar acest lucru nu vă oferă cu adevărat o perspectivă reală asupra afacerii. 

 

 

Pentru a obține informații reale despre sentimentul clienților, trebuie să mergeți dincolo de valorile cantitative. Și pentru asta, trebuie să analizați comentariile și răspunsurile la sondaj deschise care nu au niciun răspuns fix. Acest lucru le permite clienților să scrie comentarii libere, care vă pot oferi o perspectivă asupra aspectelor afacerii dvs. de care nici măcar nu le cunoșteați. 

 

 

În exemplul de mai sus, putem vedea că clienții au acordat un rating de 1 stea afacerii. Dar citind comentariile ne dăm seama că motivele din spatele sentimentelor negative sunt complet diferite. 

În timp ce un client este nemulțumit de serviciul clienți online al companiei, celălalt menționează că, deși este un client de lungă durată, scăderea calității și noul preț este motivul pentru care s-ar putea să nu mai cumpere de la ei.

Acestea sunt perspective acționabile, în care o afacere știe exact unde trebuie făcute îmbunătățiri pentru a menține satisfacția și loialitatea clienților. Depășind doar valorile numerice, puteți obține aceste informații.

3. Analizați recenziile de pe forumurile și site-urile web ale clienților

O altă modalitate excelentă de a obține diverse date de feedback ale clienților este prin filtrarea site-urilor web de recenzii a produselor, cum ar fi GoogleMyBusiness, și a forumurilor precum Reddit. Important, obținerea de informații din diferite surse de date vă poate oferi informații mai bune datorită tipului de public pe care îl invită diferite platforme. 

De exemplu, Reddit este folosit mai ales de clienții care sunt mai pasionați de un subiect sau de un produs, deoarece forumul le permite să poarte discuții detaliate. În timp ce, recenziile Amazon sau recenziile Google sunt folosite în cea mai mare parte de către clienții ocazionali care ar dori să lase o recenzie fie la începutul afacerii, fie din cauza experienței, bune sau rele, pe care ar fi putut-o avea. 

Acestea Perspective tehnice bazate pe ML extrase din recenzii de pe Disney World din Florida derivate din comentariile clienților de pe Reddit și Google ilustrează acest punct în continuare.

4. Date despre vocea clientului (VoC) din surse netradiționale

Surse netradiționale de date despre feedback-ul clienților, cum ar fi istoriile chatbot, e-mailurile clienților, transcrierile de asistență pentru clienți și așa mai departe sunt surse geniale pentru a obține informații despre experiența clienților. Un avantaj al acestor surse este că toate aceste date sunt deja disponibile în instrumentele dvs. de management al relațiilor cu clienții (CRM). 

Când veți putea aduna și analiza aceste date, veți putea descoperi multe probleme de bază pe care chiar și sondajele bine planificate ale clienților sau ascultarea rețelelor sociale nu le pot evidenția.

5. Analizați știri și podcasturi

Datele de știri care constau atât din articole, cât și din videoclipuri de știri și podcasturi, vă pot oferi informații detaliate despre performanța și percepția mărcii. Feedback-ul pieței din sursele de știri poate ajuta o afacere în activități eficiente de relații publice (PR) pentru gestionarea reputației mărcii. 

 

 

De asemenea, poate ajuta la analiza concurenților bazată pe tendințele din industrie pe care un model de analiză a sentimentelor le poate extrage din datele experienței mărcii din articole de știri sau videoclipuri, precum și să îi ajute să înțeleagă comportamentul consumatorilor. 

Pentru a ilustra modul în care este extras sentimentul și cum sunt calculate scorurile, să luăm sursele de știri drept sursă vitală de feedback al clienților și să vedem cum va analiza un model ML astfel de date.

1. Colectarea datelor

Pentru a obține rezultate cât mai precise, trebuie să folosim toate sursele de știri disponibile public. Acestea includ știri de la canalele de televiziune, reviste online și alte publicații, emisiuni radio, podcasturi, videoclipuri etc. 

Există două moduri în care acest lucru poate fi făcut. Fie încărcăm datele direct prin API-urile de știri live, cum ar fi API-ul Google News, API-ul ESPN Headlines, BBC News API, și alții ca ei. Sau, le încărcăm manual în modelul ML pe care îl folosim, descarcând comentariile și articolele într-un fișier .csv.

2. Prelucrarea datelor cu sarcini ML

Modelul procesează acum datele și identifică diferitele formate – text, video sau audio. În cazul textului, procesul este destul de simplu. Modelul extrage tot textul, inclusiv Emoticons și hashtag-uri. În cazul podcas-urilor, transmisiilor radio și videoclipurilor, va fi necesară transcrierea audio prin intermediul software-ului de vorbire în text. Și aceste date sunt apoi trimise la conducta de analiză text.

Odată în curs, procesarea limbajului natural (NLP), recunoașterea entității numite (NER), clasificarea semantică etc., asigurați-vă că aspectele, temele și subiectele cheie din date sunt extrase și grupate astfel încât să poată fi analizate pentru sentiment. 

3. Analiza sentimentului 

Acum că textul a fost separat, fiecare temă, aspect și entitate este analizată pentru sentiment și este calculat scorul de sentiment. Acest lucru se poate face în oricare dintre cele trei abordări - metoda numărării cuvintelor, metoda lungimii propoziției și raportul dintre cuvintele pozitive și negative.

Să luăm această propoziție drept exemplu. „Irnicitorii stadionului au remarcat că locurile sunt bune. Cu toate acestea, biletele păreau prea costisitoare, având în vedere că nu existau permise de sezon disponibile și mulți chiar au întâlnit personal nepoliticos la ghișeul de bilete, potrivit Daily Herald.

Să presupunem că după tokenizarea, normalizarea textului (eliminarea datelor non-text), extragerea cuvintelor (găsirea cuvântului rădăcină) și eliminarea cuvântului stop (eliminarea cuvintelor redundante), obținem următoarele scoruri pentru sentimentul negativ și pozitiv.

Pozitiv – Bine – 1 (+ 0.07)

Negativ – costisitor (- 0.5), nepoliticos (- 0.7) – 2

Acum să calculăm scorurile de sentiment folosind cele trei metode menționate mai sus.

Metoda de numărare a cuvintelor

Acesta este cel mai simplu mod în care poate fi calculat scorul de sentiment. În această metodă, reducem aparițiile negative din pozitive (1 – 2 = -1)

Astfel, scorul de sentiment al exemplului de mai sus este -1. 

Metoda lungimii propoziției

Din cuvintele negative se scade numărul de cuvinte pozitive. Rezultatul este apoi împărțit la numărul total de cuvinte din text. Deoarece scorul astfel ajuns poate fi foarte mic și poate urma în mai multe zecimale, acesta este adesea înmulțit cu o singură cifră. Acest lucru se face astfel încât scorurile să fie mai mari și astfel mai ușor de înțeles și comparat. În cazul exemplului nostru, scorul va fi.

1-2/42 = -0.0238095

Raportul de numărare a cuvintelor negativ-pozitiv

Numărul total de cuvinte pozitive este împărțit la numărul total de cuvinte negative. Rezultatul este apoi adăugat cu 1. Acesta este mai echilibrat decât alte abordări, mai ales în cazul unor cantități mari de date. 

1/ 2+1 = 0.33333

4. Vizualizarea perspectivelor

Odată ce datele sunt analizate pentru sentiment, informațiile sunt prezentate pe un tablou de bord de vizualizare, astfel încât să puteți înțelege inteligența care a fost obținută din toate datele. Puteți vedea analiza sentimentelor bazată pe cronologie, precum și pe cele bazate pe evenimente precum lansările de produse, fluctuațiile bursiere, comunicatele de presă, declarațiile companiei, prețurile noi etc. 

Aceste informații bazate pe aspecte sunt ceea ce poate fi de o valoare incredibilă pentru dvs. în timp ce vă planificați strategiile de marketing și de creștere.

Inteligența artificială și știința datelor sunt de o importanță imensă pentru activitățile de marketing, mai ales într-o eră a inovației constante și a dinamicii pieței în schimbare. Analiza sentimentului clienților condusă de datele de feedback ale clienților care au fost exploatate direct de la aceștia vă poate oferi toată pârghia de care aveți nevoie pentru a vă asigura că aveți o strategie de marketing durabilă pentru o creștere continuă.
 
 
Martin Ostrovsky este fondatorul și CEO-ul Repustate. Este pasionat de AI, ML și NLP. El stabilește strategia, foaia de parcurs și definiția caracteristicilor pentru soluțiile Repustate Global Text Analytics API, Sentiment Analysis, Deep Search și Named Entity Recognition.

• Distribuție de conținut bazat pe SEO și PR. Amplifică-te astăzi.
• Platoblockchain. Web3 Metaverse Intelligence. Cunoștințe amplificate. Accesați Aici.
• Sursa: 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