Tradičné metódy, ako je hodnotenie hviezdičkami a skóre čistého propagátora (NPS), sú známe spôsoby, ako kvantifikovať spokojnosť zákazníkov. Ale to je len špička ľadovca, pokiaľ ide o sentiment zákazníkov.



Pokročilé technológie ako napr analýza sentimentu vám pomôžu ísť nad rámec numerických metrík analýzou kvalitatívnych údajov, ako sú komentáre na sociálnych sieťach, odpovede na prieskumy a recenzie. Tento prístup k výpočtu skóre sentimentu vám poskytuje jemnejšie pochopenie názorov zákazníkov a severnú hviezdu na zlepšenie vašich ponúk a stratégií značky.



Čítajte ďalej a preskúmajte, čo je skóre sentimentu, pokroky vo výpočte skóre sentimentu a ako to robíme v spoločnosti Sprout.

Čo je skóre sentimentu?

Skóre sentimentu kvantifikuje sentiment alebo emóciu vyjadrenú v kvalitatívnych údajoch, ako je spätná väzba zákazníkov alebo počúvanie sociálnych médií. Vypočítava sa prostredníctvom procesu analýzy sentimentu a meria sa v rozsahu od -1 do 1. Negatívny je najvyšší negatívny sentiment, 0 označuje neutrálny sentiment a +1 označuje najvyšší pozitívny sentiment.

Karta s popisom definujúca skóre sentimentu. Hovorí,"A sentiment score quantifies the sentiment or emotion expressed in qualitative data such as customer feedback or social media listening. "

Skóre sentimentu vás informuje, či je trhový názor na vašu značku pozitívny, negatívny alebo neutrálny. Ďalšia analýza údajov vám poskytne hĺbkový pohľad na to, ako môžete zlepšiť rôzne aspekty vášho podnikania, ako je zákaznícky servis, marketingový obsah, produkty a popredajný servis, aby ste zaistili, že si pestujete lojalitu k značke a obchodný rast.

Tradičné prístupy k pochopeniu sentimentu zákazníkov

Tradičné prístupy k analýza sentimentu zákazníkov sa väčšinou spoliehali na kvantitatívne metriky. Tie obsahujú:

Virality

Viralita sa vzťahuje na celkový počet interakcií na sociálnych médiách, ako sú hodnotenia Páči sa mi, zdieľania a komentáre, ktoré váš obsah alebo kampaň získala. Virality sa tradične používa ako indikátor toho, ako dobre rezonuje vaša značka, kampaň alebo marketingový obsah u vašej cieľovej skupiny a širokej verejnosti. Poskytuje celkový pohľad na preferencie zákazníkov, takže môžete robiť informované marketingové rozhodnutia a podľa toho meniť svoje stratégie.



Hodnotenie hviezdičkami

Hodnotenie hviezdičkami je populárna metóda na pochopenie sentimentu zákazníkov a značky ju široko používajú na hodnotenie produktu alebo služby. Hodnotenie hviezdičkami sa zvyčajne poskytuje v rozsahu 1 až 5 hviezdičiek, pričom 1 znamená najnižšiu úroveň spokojnosti zákazníkov a 5 najvyššiu. Niekedy hodnotenia hviezdičkami obsahujú aj komentáre, ktoré dodávajú hodnoteniu ďalší kontext.

Hodnotenie hviezdičkami na Amazone obsahuje aj komentáre pre ďalší kontext.

NPS

NPS je kvantitatívna metrika používaná na meranie spokojnosti zákazníkov a ich sklonu odporučiť značku rodine a priateľom. Čím vyššie hodnotenie, tým vyššia lojalita zákazníkov. Hodnotenia NPS sú často na stupnici od 0 do 10, pričom 0 znamená najnižšie hodnotenie a 10 najvyššie.



Prieskum Sprout Social NPS o spokojnosti zákazníkov. Pýta sa zákazníka, aká je pravdepodobnosť, že odporučí značku rodine a priateľom na stupnici od 0 do 10, pričom 10 je najvyššie hodnotenie.

Na rozdiel od hodnotenia hviezdičkami alebo virality, metriky NPS často zoskupujú zákazníkov do troch kategórií na základe ich hodnotení.

  • Promotéri (8 – 10): Ide o spokojných zákazníkov, ktorí budú značku aktívne propagovať ústne, v recenziách alebo komentároch na sociálnych sieťach.
  • Pasívne (7-8): Títo zákazníci sú spokojní, ale nie je pravdepodobné, že budú propagovať produkt alebo službu.
  • Odporcovia (6-0): Toto sú hlboko nespokojní zákazníci, ktorí s najväčšou pravdepodobnosťou uverejnia negatívne recenzie a pravdepodobne odradia ostatných od uvažovania o značke.

Skóre spokojnosti zákazníkov (CSAT)

CSAT je metóda používaná na meranie spokojnosti zákazníkov s produktmi alebo službami značky. Skóre CSAT sa vypočítava meraním priemerného hodnotenia poskytnutého zákazníkmi. Stupnice CSAT sa môžu líšiť, napríklad môžu byť medzi 1 a 10, pričom 10 je najvyššia hodnota alebo 1 a 5, pričom 5 je najvyššia úroveň spokojnosti zákazníka.

Prieskumy CSAT je možné posielať po transakcii alebo pravidelne, aby sme pochopili spokojnosť zákazníkov s celkovou značkou.

Prieskum CSAT od francúzskej kozmetickej značky Yves Rocher, ktorý hovorí,"Based on your recent shopping experience, would you recommend the Yves Rocher website to your friends and family?"

Nové vylepšenia vo výpočte skóre sentimentu

Tradičné výpočty sú zamerané na kvantitatívne metriky z kľúčových ukazovateľov výkonnosti (KPI). Ak však chcete získať skutočne presný obraz o sentimente značky, musíte do mixu pridať kvalitatívne údaje z komentárov a spätnej väzby. Výskum ukazuje, že aj keď väčšina podnikov získala kladné hodnotenie hviezdičkami od 80 % do 100 %, tieto hodnotenia sa neodrážali na úspechu podnikania. Je to preto, že ľudia majú vo všeobecnosti tendenciu dávať vyššie pozitívne hodnotenia, než je ich skutočná skúsenosť. To vedie k moru pozitívnych hodnotení, ktoré skresľujú číslo smerom k vyššiemu kladnému skóre.

Strojové učenie (ML) a úlohy AI ako napr rozpoznanie pomenovanej entity a spracovanie prirodzeného jazyka (NLP) pomáhajú prekonať túto výzvu. Pomáhajú vám porozumieť sentimentu zákazníkov viac v kontexte a umožňujú vám nájsť vzory v názoroch zákazníkov v rámci odlivu a toku vnímania značky naprieč časovými osami a kampaňami.

Intenzita ťažby sentimentu sa líši v závislosti od použitých metód. Tri hlavné sú:

  • Analýza sentimentu založená na dokumentoch

Tento prístup vám poskytuje všeobecné pochopenie negatívneho, pozitívneho alebo neutrálneho sentimentu v dokumente. Používa sa pre malé, nekomplikované súbory údajov.

metafyzický význam 222
  • Analýza sentimentu podľa témy

Táto metóda je jemnejšia a hodnotí sentiment podľa témy. Model ML identifikuje bežne sa vyskytujúce témy a témy v dátach a následne v nich analyzuje sentiment.

Tento prístup pomáha obchodníkom pochopiť, čo sa zákazníkom alebo širokej verejnosti páči a nepáči na ich značke. Poskytuje tak relevantné a použiteľné informácie z recenzií, počúvania sociálnych médií alebo e-mailov a komentárov týkajúcich sa starostlivosti o zákazníkov.

  • Analýza sentimentu založená na aspektoch

Toto je najpokročilejšia metóda používaná na získavanie sentimentu. Analýza sentimentu založená na aspektoch ďalej rozdeľuje témy, aby identifikoval a hľadal v nich aspekty, a potom aplikuje sémantiku na poskytnutie úplnejšieho obrazu o nálade zákazníkov. Napríklad dokáže identifikovať aspekty ako „izbová služba“, „obsluha baru“, „recepcia“ alebo „parkovanie s obsluhou“ z tematickej klasifikácie „služby zákazníkom“ v údajoch spätnej väzby.

Táto podrobná forma analýzy sentimentu presne určuje značkám, čo je potrebné zlepšiť, a informuje o stratégiách potrebných na zvýšenie spokojnosti zákazníkov.

Techniky spracovania údajov používané na výpočet skóre sentimentu

Výpočet skóre sentimentu na použitie v AI marketing závisí od mnohých úloh spracovania údajov vykonávaných automaticky modelom ML, ako sú napríklad veľké jazykové modely (LLM). Tieto úlohy zahŕňajú:

Tokenizácia

Tokenizácia je proces rozdeľovania textu na jednotlivé slová. Všetky interpunkčné znamienka sa odstránia a textový reťazec sa skráti na bloky slov. Napríklad:

[ Pobyt bol pekný, ale v mojej izbe bola zima a museli sme hodiny čakať, kým personál hotela nastavil termostat, aj keď sa hotel zdal prázdny. Keď sme sa pokúsili zavolať na recepciu a opýtať sa, zdali sa netrpezliví a drzí.

Normalizácia textu

V tejto fáze sa z údajov odstránia všetky duplicitné položky, takže nedochádza k anomálii údajov. V tomto prípade zostane textový reťazec nezmenený, pretože neexistuje žiadna nadbytočnosť.

[Pobyt bol pekný, ale v mojej izbe bola zima a museli sme hodiny čakať, kým hotelový personál nastavil termostat, aj keď sa hotel zdal prázdny. Keď sme sa snažili zavolať na recepciu, zdali sa netrpezliví a drzí]

Vychádzanie slov

Vychádzanie slov sa týka procesu redukcie slova na jeho koreň. V tomto príklade sú slová „hodiny“ a „zdá sa“ prevedené na „hodinu“ a „zdá sa“.

[ Pobyt bol pekný, ale moja izba bola studená a museli sme čakať hodina pre personál hotela nastaviť termostat aj keď hotel zdať prázdny Keď sme sa pokúsili zavolať na recepciu a opýtať sa, zdali sa netrpezliví a drzí]

Odstránenie zastavovacieho slova

Všetky nadbytočné slová sú odstránené, takže sú ponechané iba pomenované entity a slová označujúce emócie.

[ Pobyt bol pekný môj miestnosť chladná a museli sme počkaj pre hodina pre hotelový personál na nastavenie termostatu, aj keď hotel zdajú sa prázdne Keď sme sa pokúšali dovolať recepcia spýtať sa zdali netrpezlivý a hrubý]

Výsledný spracovaný text teraz znie: [ pekná izba studená čakacia hodina hotelový personál recepcia netrpezlivý hrubý ] .

Keďže každé slovo má v modeli ML číselný ekvivalent na základe škály ich negativity alebo pozitivity, spracované údaje vám dávajú skóre na základe celkového priemeru sentimentu. Pri výpočte pomocou metódy Lexicon, ak je slovu „pekný“ priradené skóre 1 pre pozitívne, zatiaľ čo slovo „netrpezlivý“ je priradené -0,05 a hrubé -0,7, výsledné skóre sentimentu pre recenziu by bolo -1, čo sa rovná na negatívny.

Konvenčné prístupy k výpočtu skóre sentimentu

Existuje viacero spôsobov, ako vypočítať skóre sentimentu, najbežnejším je metóda Lexicon, ktorá na meranie sentimentu používa pomer 1:1. Pokiaľ však ide o zložité údaje zozbierané z viacerých zdrojov, ako je počúvanie sociálnych médií alebo fóra s recenziami zákazníkov, sú potrebné pokročilejšie techniky. Nižšie je uvedený rozpis týchto metodík.

Metóda počítania slov

Najjednoduchší spôsob výpočtu skóre sentimentu je založený na lexike alebo metóde počítania slov ako v príklade vyššie. Pri tejto metóde sa počet výskytov negatívneho sentimentu znižuje oproti pozitívnym.

Vzorec: # negatívne slová – pozitívne slová = skóre sentimentu

Príklad: 1 – 2 = -1.

Odvodenie skóre sentimentu s dĺžkou vety

Pri tejto metóde odpočítame počet kladných slov od záporných slov a výsledok vydelíme celkovým počtom slov v opakovacej vete.

Vzorec: # negatívnych slov – # pozitívnych slov vydelených počtom slov = skóre sentimentu

Príklad: 1 – 2 / 42 = -0,0238095

Tento systém sa často používa na pochopenie dlhších recenzií a komentárov.

Keďže sa táto metóda používa na analýzu veľkého množstva údajov, výsledné skóre môže mať dlhé zlomky. Ak sa to robí v mierke, môže to mať za následok ťažkosti pri porovnávaní a pochopení hodnôt sentimentu. Na prekonanie tohto problému sa výsledné skóre vynásobí jednotnou číslicou, takže hodnoty sú väčšie, čo uľahčuje porovnávanie.

Pomer počtu kladných a záporných slov

Táto metodika sa považuje za najvyváženejšiu na meranie skóre sentimentu vo veľkých dátach. Celkový počet kladných slov sa vydelí celkovým počtom záporných slov a potom sa pridá jedna.

Vzorec: # pozitívnych slov / # negatívnych slov + 1 = skóre sentimentu

Príklad: 1 / 2 + 1 = 0,33333

Čím dlhšia je recenzia, tým vyšší je počet pozitívnych a negatívnych skóre. Tento prístup normalizuje celkovú dĺžku textu, vďaka čomu je obzvlášť užitočný pri analýze recenzií rôznej dĺžky. Pri tejto metóde je skóre sentimentu 1 nastavené ako neutrálne.

Ako počítame skóre sentimentu v Sprout

Sproutov sentimentový model využíva hlboké neurónové siete (NN), a najmä veľké jazykové modely. LLM fungujú tak, že berú do úvahy kontext celého bloku textu, čítajú slová zľava doprava a sprava doľava pomocou Reprezentácie obojsmerného kódovača od spoločnosti Transformers (BERT) modely od spoločnosti Google.

369 anjelské číslo

Vzhľadom na súbor údajov už označených dokumentov LLM automaticky identifikuje slová, frázy a poradie slov/fráz, ktoré prispeli k tomu, že blok textu je označený ako pozitívny alebo negatívny. Potom každému tokenu v bloku textu priradí váhu (číselnou hodnotu). S týmito vypočítanými váhami určujeme sentiment pre nový, nevidený text a pravdepodobnosť, že je pozitívny, negatívny alebo neutrálny.

Význam skóre sentimentu pre značky

Skóre sentimentu vám pomôže kvantifikovať a vyhodnotiť rôzne aspekty vašej značky, produktu a služieb, čím poskytuje marketingovým, produktovým a zákazníckym tímom praktické informácie o tom, ako presne môžu zmeniť svoje stratégie smerom k úspešnej trajektórii.

Vďaka AI a strojovému učeniu existuje viacero nástrojov, ktoré eliminujú dohady a v priebehu niekoľkých minút vám poskytnú presný obraz o nálade vašej značky. Pozrite sa na tieto nástroje na analýzu sentimentu vybrali sme, aby sme preskúmali, ako môžete reštartovať stratégiu svojej značky.

Zdieľajte So Svojimi Priateľmi: