Analysera sentiment i kundfeedback (förhandsversion)

[Denna artikel är en förhandsversion av dokumentationen och kan komma att ändras.]

Med attitydanalys kan du identifiera kundsentiment och affärsaspekter som möjligheter till förbättringar. Med funktionen kan du förstå vad som fungerar bra och vad du behöver åtgärda. Det kan hjälpa dig att driva affärsåtgärder som möjliggör erfarenheter som resulterar i hög kundnöjdhet och lojalitet.

Översikt av sentimentanalys

Med funktionen för attitydanalys genereras två härledda insikter per kund-ID. Med en sentimentpoäng (mellan -5 och 5) och en lista över tillämpliga affärsaspekter (affärsområden) kan du få en bättre förståelse av kundernas feedback.

Denna analys hjälper dig:

• Få en översikt över kundsentiment mot ett varumärke eller en organisation
• Identifiera kunder med negativa sentiment för att fokusera kampanjer och åtaganden och optimera för högre avkastning
• Identifiera affärsaspekter med problem som påpekats av kunder
• Segmentera kunder utifrån deras inställning och kör anpassade kampanjer med riktade åtgärder för försäljning, marknadsföring och support
• Optimera affärsverksamheten genom att åtgärda problem som kunderna har nämnt
• Uppmärksamma affärsaspekter som går bra och uppmärksamma nöjda kunder genom lojalitets- och kampanjprogram

Modellen ger en lista med ord som påverkade modellens beslut att tilldela kommentarer i feedback en viss sentimentpoäng eller affärsaspekt.

Vi använder två modeller för bearbetning av naturligt språk (NLP): Den första tilldelar varje feedbackkommentar en sentimentpoäng. Den andra modellen kopplar varje feedback till alla tillämpliga affärsaspekter. Modellerna är tränade på offentligt tillgängliga data från källor inom sociala medier, detaljhandeln, restaurangbranschen, konsumentproduktindustrin och fordonsindustrin.

Fördefinierade affärsaspekter som modellen kan associera med feedbackdata är:

• Kontohantering
• Utcheckning och betalning
• Kundsupport
• Upphämtning i butik
• Förpackningsleverans och hämtning
• Förbeställning
• Pris
• Sekretess och säkerhet
• Erbjudanden och förmåner
• Kvitto och garanti
• Retur, byte och avbeställning
• Orderuppfyllandets precision
• Webbplats/appkvalitet

Förutsättningar

• Åtminstone deltagarbehörigheter
• Enhetlig feedbackinformation för text. Vi rekommenderar starkt att du konfigurerar dina tabeller för feedbackdata med den semantiska typen aktivitetstabeller (feedbacktyp).
• Unified Customer ID (UCID) från datasammanföring för att matcha poster i textbaserade återkopplingsdata med en enskild kund.
• ID för feedback
• Tidsstämpel för feedback
• Feedbacktext

Dynamics 365 Customer Insights - Data kan bearbeta upp till 10 miljoner feedbackposter i en enskild modellkörning. Modellen kan analysera feedbackkommentarer på upp till 128 ord. Om en feedbackkommentar är längre beaktas bara de första 128 sökorden i analysen.

Konfigurera en attitydanalys

1. Gå till Insikter>Prediktioner.

2. På fliken Skapa, välj Använd modell på panelenAttitydanalys för kund (förhandsversion).

3. Välj Komma igång.

4. Namnge analysen och ange namnet på utdatatabellen för affärsaspekter och namnet på utdatatabellen för sentimentpoäng.

5. Välj Nästa.

6. Välj Lägg till data för Kundfeedback.

7. Välj typen av semantisk aktivitet Feedback som innehåller dina feedbackdata. Om aktiviteten inte har ställts in väljer du här och skapar den.

   

8. Välj de aktiviteter du vill använda för denna attitydanalys och välj sedan Nästa.

9. Mappa attributen i dina data till modellattributen.

10. Välj Spara.

11. Välj Nästa. Steget Granska och kör visar en sammanfattning av konfigurationen och ger en chans att göra ändringar innan du skapar analysen.

12. Välj Redigera på något av stegen för att granska och göra eventuella ändringar.

13. Om du är nöjd med dina val, välj Spara och kör för att starta modellen. Välj Klar. Fliken Mina prognoser visas när prediktion skapas. Det kan ta flera timmar att slutföra processen beroende på mängden data som används i förutsägelsen.

Visa analysresultat

1. Gå till Insikter>Prediktioner.

2. På fliken Mina förutsägelser, välj den förutsägelse du vill visa.

Det finns två flikar med resultat.

Fliken Sammanfattning

Det finns fyra primära dataavsnitt på resultatsidan.

• Genomsnittlig sentimentpoäng: Sentimentpoäng hjälper dig att förstå den övergripande sentimentet hos alla kunder.

  • Negativt (-5 > 2)
  • Neutralt (-1 > 1)
  • Positiv (2 > 5)

  

• Kunddistribution efter sentimentpoäng: Kunderna kategoriseras till negativa, negativa och positiva grupper utifrån deras sentimentpoäng. Håll markören över staplarna i histogrammet om du vill visa antalet kunder och genomsnittspoäng för sentiment i varje grupp. Med hjälp av den här informationen kan du skapa segment med kunder utifrån deras sentimentpoäng.

  

• Genomsnittlig sentimentpoäng över tid: Kundsentiment kan ändras med tiden. Vi tillhandahåller trender i kundernas sentiment för dina datas tidsintervall. Med den här vyn kan du mäta hur reklamkampanjer, produktlanseringar eller andra tidsbundna reklamkampanjer påverkar kundernas sentiment. Visa diagrammet genom att välja ett år av intresse i listrutan.

  

• Sentiment för olika affärsaspekter: Genomsnittligt sentiment för olika affärsaspekter hjälper dig att bedöma vilka delar av verksamheten som redan gör kunderna nöjda eller kräver mer uppmärksamhet. Feedback-poster som inte anpassar sig till några affärsaspekter som stöds kategoriseras under Annat. Sortera data genom att markera valfri kolumn.

  

  Välj namnet på en affärsaspekt om du vill se hur en affärsaspekt identifieras av modellen:

  • Ord med påverkan: De vanligaste orden som påverkade AI-modellens identifiering av en affärsaspekt i kundfeedback. Visa stötande ord: Du kan inkludera stötande ord i listan från ursprungliga kundfeedbackdata. Funktionen är normalt inte aktiv. Stötande ordmaskering drivs av en AI-modell och kanske inte upptäcker alla stötande ord. Om du upptäcker ett stötande ord som inte filtrerades som förväntat, låt oss veta.

    

  • Exempel på återkoppling: Faktiska återkopplingsposter i dina data. Ord färgkodas efter hur de påverkar identifieringen av en affärsaspekt.

Fliken för inflytelserik ordanalys

Det finns tre avsnitt med ytterligare information som förklarar hur sentimentmodellen fungerar.

• Ord som främst bidrar till positiv sentiment: Ord som påverkade AI-modellens identifiering av positiv sentiment i kundfeedback.

• Viktigaste ord som bidrar till negativt sentiment: De ord som påverkade AI-modellens identifiering av negativt sentiment i kunders feedback.

• Exempel på feedback: Faktiska feedbackposter, en med negativ ton och en med positiv ton. Ord i feedbackposterna markeras enligt hur mycket de bidrar till den tilldelade sentimentpoängen. Ord som bidrar till en positiv sentimentpoäng blir gröna. Ord som bidrar till en negativ poäng är rödmarkerade. Välj Se fler om du vill ladda upp fler exempel på feedback.

  

Visa stötande ord: Du kan inkludera stötande ord i listan från ursprungliga kundfeedbackdata. Funktionen är normalt inte aktiv. Stötande ordmaskering drivs av en AI-modell och kanske inte upptäcker alla stötande ord. Om du upptäcker ett stötande ord som inte filtrerades som förväntat, låt oss veta.

Agera på analysresultat

För att skapa nya kundsegment från resultatsidan för sentimentanalys genom att välja Skapa segment överst på modellens resultatsida.

Möjlig snedvridning i sentimentanalys

Som med alla funktioner som använder prediktiv artificiell intelligens kan potentiell bias finnas i den data du använder för att förutsäga kundsentiment. Till exempel, om du bara samlar in feedback digitalt, kan du missa feedback från kunder som främst gör affärer med dig personligen, vilket påverkar funktionens resultat.

Eftersom den här funktionen använder automatiserade metoder för att utvärdera data och göra prognoser utifrån dessa data, kan den därför användas som en profilmetod, eftersom den termen definieras av integritetslagar och förordningar. Din användning av den här funktionen för att bearbeta data kan omfattas av dessa lagar och förordningar. Du är ansvarig för att se till att din användning av Customer Insights – Data, inklusive sentimentanalys, följer alla tillämpliga lagar och förordningar, inklusive lagar som gäller sekretess, personliga data, sekretess och dataskydd.