Metodele tradiționale, cum ar fi evaluările cu stele și scorurile nete ale promotorilor (NPS) sunt moduri familiare prin care cuantificăm satisfacția clienților. Dar acesta este doar vârful aisbergului când vine vorba de sentimentul clienților.



Tehnologii avansate precum analiza sentimentelor vă ajută să treceți dincolo de valorile numerice prin analizarea datelor calitative, cum ar fi comentariile din rețelele sociale, răspunsurile la sondaje și recenziile. Această abordare a calculării unui scor de sentiment vă oferă o înțelegere mai nuanțată a părerii clienților și o stea nordică pentru îmbunătățirea ofertelor și a strategiilor de brand.



Citiți în continuare pentru a explora ce este un scor de sentiment, progresele în calcularea scorurilor de sentiment și cum o facem la Sprout.

Ce este un scor de sentiment?

Un scor de sentiment cuantifică sentimentul sau emoția exprimată în date calitative, cum ar fi feedback-ul clienților sau ascultarea rețelelor sociale. Este calculat prin procesul de analiză a sentimentului și măsurat în intervalul de la -1 la 1. Unul negativ este cel mai mare sentiment negativ, 0 indicând sentimentul neutru și +1 indicând cel mai mare sentiment pozitiv.

Card cu înștiințări care definește scorul de sentiment. Se spune,"A sentiment score quantifies the sentiment or emotion expressed in qualitative data such as customer feedback or social media listening. "

Scorurile de sentiment vă informează dacă opinia de piață a mărcii dvs. este pozitivă, negativă sau neutră. O analiză ulterioară a datelor vă oferă o privire aprofundată asupra modului în care puteți îmbunătăți diferite aspecte ale afacerii dvs., cum ar fi serviciul pentru clienți, conținutul de marketing, produsele și serviciul post-vânzare, pentru a vă asigura că promovați loialitatea mărcii și creșterea afacerii.

Abordări tradiționale pentru înțelegerea sentimentului clienților

Abordările tradiționale ale analiza sentimentului clientului s-au bazat în mare parte pe metrici cantitative. Acestea includ:

Viralitatea

Viralitatea se referă la numărul total de angajamente pe rețelele sociale, cum ar fi aprecieri, distribuiri și comentarii pe care le-a primit conținutul sau campania dvs. Viralitatea este folosită în mod tradițional ca un indicator al cât de bine rezonează marca, campania sau conținutul de marketing cu publicul țintă și publicul larg. Oferă o imagine de ansamblu asupra preferințelor clienților, astfel încât să puteți lua decizii de marketing informate și să vă modificați strategiile în consecință.



Evaluare cu stele

Evaluarea cu stele este o metodă populară de înțelegere a sentimentului clienților și este utilizată pe scară largă de mărci pentru a evalua un produs sau serviciu. Evaluările cu stele sunt de obicei furnizate într-un interval de la 1 la 5 stele, 1 indicând cel mai scăzut nivel de satisfacție a clienților și 5 indicând cel mai mare. Uneori, evaluările cu stele includ și comentarii care adaugă context suplimentar evaluării.

Evaluarea pe stele pe Amazon are și comentarii pentru context suplimentar.

NPS

NPS este o măsură cantitativă folosită pentru a măsura satisfacția clienților și tendința unui client de a recomanda brandul familiei și prietenilor. Cu cât ratingul este mai mare, cu atât fidelitatea clienților este mai mare. Evaluările NPS sunt adesea pe o scară de la 0 la 10, 0 indicând cea mai mică evaluare și 10 fiind cea mai mare.



numere de înger 1515
Un sondaj Sprout Social NPS despre satisfacția clienților. Se întreabă clientul cât de probabil este să recomande brandul familiei și prietenilor pe o scară de la 0 la 10, 10 fiind cel mai mare rating.

Spre deosebire de evaluările cu stele sau de viralitate, valorile NPS grupează adesea clienții în trei categorii în funcție de evaluările lor.

  • Promotori (8–10): Aceștia sunt clienți fericiți care vor promova în mod activ brandul prin cuvânt în gură, în recenzii sau comentarii pe rețelele sociale.
  • Pasive (7-8): Acești clienți sunt mulțumiți, dar nu sunt susceptibili de a promova produsul sau serviciul.
  • Detractori (6-0): Aceștia sunt clienți profund nemulțumiți, cel mai probabil să posteze recenzii negative și probabil îi vor descuraja pe alții să ia în considerare marca.

Scorul de satisfacție a clienților (CSAT)

CSAT este o metodă folosită pentru a măsura cât de mulțumiți sunt clienții cu produsele sau serviciile unui brand. Scorurile CSAT sunt calculate prin măsurarea evaluării medii oferite de clienți. Scalele CSAT pot varia, de exemplu, pot fi între 1 și 10, cu 10 fiind cel mai mare sau 1 și 5, cu 5 fiind cel mai înalt nivel de satisfacție a clienților.

Sondajele CSAT pot fi trimise după o tranzacție sau periodic pentru a înțelege satisfacția clienților față de marca generală.

Un sondaj CSAT de la brandul francez de cosmetice Yves Rocher care spune:"Based on your recent shopping experience, would you recommend the Yves Rocher website to your friends and family?"

Noi progrese în calcularea scorului de sentiment

Calculele tradiționale sunt axate pe metrici cantitative din indicatorii cheie de performanță (KPI). Dar pentru a obține o imagine cu adevărat exactă a sentimentului mărcii, trebuie să adăugați la amestec datele calitative găsite în comentarii și feedback. Cercetare arată că, chiar dacă majoritatea companiilor au primit evaluări pozitive cu stele între 80% și 100%, aceste evaluări nu s-au reflectat asupra succesului afacerii. Acest lucru se datorează faptului că oamenii, în general, tind să acorde evaluări pozitive mai mari decât experiența lor reală. Acest lucru duce la o mare de evaluări pozitive, care obligă numărul către un scor pozitiv mai mare.

Învățare automată (ML) și sarcini AI, cum ar fi recunoașterea entității numite și procesarea limbajului natural (NLP) ajută la depășirea acestei provocări. Ele vă ajută să înțelegeți mai contextual sentimentul clienților, permițându-vă să găsiți modele în opiniile clienților în fluxul și refluxul percepției mărcii în cronologie și campanii.

Intensitatea exploatării sentimentelor variază în funcție de metodele utilizate. Cele trei principale sunt:

  • Analiza sentimentelor bazată pe documente

Această abordare vă oferă o înțelegere generală a sentimentului negativ, pozitiv sau neutru dintr-un document. Este folosit pentru seturi de date mici, necomplicate.

  • Analiza sentimentelor pe bază de subiecte

Această metodă este mai nuanțată, punctând sentimentul după subiect. Modelul ML identifică subiectele și temele care apar frecvent în date și apoi analizează sentimentele din acestea.

numere de înger 1255

Această abordare îi ajută pe marketerii să înțeleagă ce le place și ce nu le place clienților sau publicului larg la marca lor. Oferind astfel informații relevante, acționabile din recenzii, ascultarea rețelelor sociale sau e-mailurile și comentariile de asistență pentru clienți.

  • Analiza sentimentelor bazată pe aspecte

Aceasta este cea mai avansată metodă folosită pentru minarea sentimentelor. Analiza sentimentelor bazată pe aspecte defalcă în continuare subiectele pentru a identifica și căuta aspecte din ele, apoi aplică semantică pentru a oferi o imagine mai completă a sentimentului clienților. De exemplu, poate identifica aspecte precum „serviciu în cameră”, „însoțitor de bar”, „recepție” sau „parcare cu valet” dintr-o clasificare pe tema „serviciu clienți” în datele de feedback.

Această formă granulară de analiză a sentimentelor indică mărcilor exact ceea ce trebuie îmbunătățit și informează strategiile necesare pentru a crește satisfacția clienților.

Tehnici de procesare a datelor utilizate pentru a calcula scorurile de sentiment

Calcularea unui scor de sentiment pentru utilizare în Marketing AI depinde de multe sarcini de procesare a datelor efectuate automat de un model ML, cum ar fi modelele de limbaj mari (LLM). Aceste sarcini includ:

Tokenizare

Tokenizarea este procesul de separare a textului în cuvinte individuale. Toate semnele de punctuație sunt eliminate și șirul de text este redus în blocuri de cuvinte. De exemplu:

numerologia magică numărul 9

[ Sejurul a fost placut dar camera mea era rece si a trebuit sa asteptam ore intregi ca personalul hotelului sa regleze termostatul, desi hotelul parea gol. Când am încercat să sunăm la recepție pentru a ne întreba, au părut nerăbdători și nepoliticoși]

Normalizarea textului

În această etapă, toate intrările duplicate sunt eliminate din date, astfel încât să nu existe o anomalie de date. În acest caz, șirul de text rămâne neschimbat, deoarece nu există redundanță.

[Șederea a fost plăcută, dar camera mea era rece și a trebuit să așteptăm ore întregi ca personalul hotelului să regleze termostatul, chiar dacă hotelul părea gol. Când am încercat să sunăm la recepție pentru a întreba, au părut nerăbdători și nepoliticoși]

Cuvântul care provine

Rădăcina unui cuvânt se referă la procesul de reducere a unui cuvânt la rădăcina sa. În acest exemplu, cuvântul „ore” și „pare” sunt convertiți în „oră” și „pare”.

[ Șederea a fost plăcută, dar camera mea era rece și a trebuit să așteptăm ora pentru ca personalul hotelului să regleze termostatul chiar dacă hotelul pare gol Când am încercat să sunăm la recepție pentru a ne informa, au părut nerăbdători și nepoliticoși]

Eliminarea cuvintelor oprite

Toate cuvintele de prisos sunt eliminate, astfel încât sunt păstrate doar entitățile numite și cuvintele care denotă emoții.

[ Şederea a fost Grozav Ale mele camera rece și a trebuit aștepta pentru ora pentru personalul hotelului pentru a regla termostatul chiar dacă hotel par goale Când am încercat să sunăm la recepţie să se intereseze păreau nerăbdător și nepoliticos]

Textul procesat rezultat se citește acum, [ cameră drăguță așteptare rece oră personalul hotelului recepție nerăbdător nepoliticos ] .

Deoarece fiecare cuvânt are un echivalent numeric în modelul ML în funcție de amploarea negativității sau pozitivității lor, datele procesate vă oferă un scor bazat pe media totală a sentimentului. Când este calculat folosind metoda Lexicon, dacă cuvântului „frumos” i se atribuie un scor de 1 pentru pozitiv, în timp ce „nerăbdător” i se atribuie -.05 și nepoliticos -0,7, scorul de sentiment rezultat pentru revizuire ar fi -1, ceea ce echivalează cu spre negativ.

515 înger de număr înger

Abordări convenționale pentru calcularea scorurilor de sentiment

Există mai multe moduri de a calcula un scor de sentiment, cea mai comună fiind metoda Lexicon, care utilizează un raport de 1:1 pentru a măsura sentimentul. Cu toate acestea, când vine vorba de date complexe colectate din mai multe surse, cum ar fi ascultarea rețelelor sociale sau forumurile de recenzii ale clienților, sunt necesare tehnici mai avansate. Mai jos este o defalcare a acestor metodologii.

Metoda de numărare a cuvintelor

Cel mai simplu mod de a calcula scorul de sentiment se bazează pe metoda lexicului sau a numărării cuvintelor, ca în exemplul de mai sus. În această metodă, numărul de apariții de sentimente negative este redus de la aparițiile pozitive.

Formulă: # cuvinte negative – cuvinte pozitive = scor de sentiment

Exemplu: 1 – 2 = -1.

Deducerea scorului de sentiment cu lungimea propoziției

În această metodă, scădem numărul de cuvinte pozitive din cuvintele negative și împărțim rezultatul la numărul total de cuvinte din propoziția de revizuire.

Formula: # cuvinte negative – # cuvinte pozitive împărțite la numărul de cuvinte = scor de sentiment

Exemplu: 1 – 2 / 42 = -0,0238095

Acest sistem este adesea folosit pentru a înțelege recenzii și comentarii mai lungi.

Deoarece această metodă este utilizată pentru a analiza cantități mari de date, scorurile rezultate se pot transforma în fracții lungi. Când se face la scară, acest lucru poate duce la dificultăți de comparare și înțelegere a valorilor sentimentelor. Pentru a depăși această provocare, scorurile rezultate sunt înmulțite cu o singură cifră, astfel încât valorile sunt mai mari, ușurând astfel comparația.

Raportul dintre numărul de cuvinte pozitive și negative

Această metodologie este considerată cea mai echilibrată pentru măsurarea scorului de sentiment în big data. Numărul total de cuvinte pozitive este împărțit la numărul total de cuvinte negative și apoi adăugat la unul.

Formula: # cuvinte pozitive / # cuvinte negative + 1 = scor de sentiment

Exemplu: 1 / 2 + 1 = 0,33333

Cu cât recenzia este mai lungă, cu atât numărul de scoruri pozitive și negative este mai mare. Această abordare normalizează lungimea totală a textului, făcându-l deosebit de util în analiza recenziilor de diferite lungimi. În această metodă, un scor de sentiment de 1 este setat ca neutru.

numărul 3 sens spiritual

Cum calculăm scorurile de sentiment la Sprout

Modelul de sentiment al lui Sprout utilizează rețele neuronale profunde (NN-uri) și, în special, modele de limbaj mari. LLM-urile funcționează luând în considerare contextul întregului bloc de text, citind cuvintele de la stânga la dreapta și de la dreapta la stânga folosind Reprezentări codificatoare bidirecționale de la transformatoare (BERT) modele de la Google.

Având în vedere un set de date de documente deja etichetate, un LLM identifică automat cuvintele, expresiile și ordinea cuvintelor/expozițiilor care au contribuit la etichetarea unui bloc de text ca pozitiv sau negativ. Apoi atribuie o greutate (valoare numerică) fiecărui jeton dintr-un bloc de text. Cu aceste ponderi calculate, determinăm sentimentul pentru textul nou, nevăzut și probabilitatea ca acesta să fie pozitiv, negativ sau neutru.

Importanța scorului de sentiment pentru mărci

Scorurile de sentimente vă ajută să cuantificați și să evaluați diferite aspecte ale mărcii, produsului și serviciilor dvs., oferind echipelor de marketing, de produse și de asistență clienților informații utile asupra modului în care își pot orienta strategiile spre o traiectorie de succes.

Datorită inteligenței artificiale și învățării automate, există mai multe instrumente care elimină presupunerile și vă oferă o imagine exactă a sentimentului mărcii dvs. în câteva minute. Aruncă o privire la acestea instrumente de analiză a sentimentelor ne-am pregătit pentru a explora cum vă puteți reporni strategia de brand.

Imparte Cu Prietenii Tai: