Verdergaan naar hoofdinhoud

Widget Contact opnemen met Verkoop van Dynamics 365

Iemand kijkt op een laptop en is waarschijnlijk bezig met gevoelsanalyse

Wat is gevoelsanalyse?

Terwijl bedrijven hun oplossingen en processen digitaal transformeren, komen zij tot de ontdekking dat het nodig is om de manier te transformeren waarop zij interacties hebben met hun klanten en vooral inzicht hebben in hun klanten, om succesvol te kunnen zijn.

Maar het is meer dan simpelweg klantenquêtes aanbieden. Je moet actief betrokken raken bij gesprekken over wat je klantenbestand vindt van je merk. En gevoelsanalyse is de sleutel tot het ontdekken hiervan.


De definitie van gevoelsanalyse

Gevoelsanalyse, ook wel meninganalyse of kunstmatige emotionele intelligentie genoemd, is een technologie waarbij natuurlijke taalverwerking (NLP) wordt gebruikt om te bepalen of specifieke inhoud positief, negatief of neutraal is. Door tekst en statistieken te analyseren kan een tool voor gevoelsanalyse begrijpen wat klanten zeggen, hoe ze het zeggen en wat ze eigenlijk bedoelen, vanuit het perspectief van een individuele klant en van het grote publiek.

Onder de noemer van textmining wordt gevoelsanalyse regelmatig gebruikt om de stem van de klant te bepalen in feedbackmateriaal en kanalen als beoordelingen, enquêtes, webartikelen en sociale media. Naarmate de taal zich verder ontwikkelt, kan het steeds moeilijker worden om de intentie vast te stellen via deze kanalen en teruggrijpen naar woordenboekdefinities kan tot onjuiste interpretaties leiden.

Met een tool voor gevoelsanalyse op basis van algoritmen dat is afgestemd op de stemmen van je klanten kun je ontdekken wat je klanten van het product, de service of de oplossing willen en nodig hebben en hoe hun meningen zich ontwikkelen of veranderen in de loop van de tijd.

Voorbeelden van gevoelsanalyse zijn:

  • Aspect-gebaseerd—bepaal specifiek waarover je klanten praten, zoals productprijzen in online beoordelingen, en wat het gevoel van afzonderlijke klanten is.
  • Emotiedetectie—identificeer emoties door bepaalde woorden te koppelen aan een bepaald gevoel.
  • Fijnmazig—analyseer het gevoel in polariteitscategorieën (zeer positief, positief, neutraal, negatief of zeer negatief) om de meningen van klanten op meer gedetailleerde niveaus te bepalen.
  • Intentie—definieer de intentie van je klanten, zodat je kunt inschatten of ze willen kopen of aan het onderzoeken zijn en weet of je ze later moet volgen en benaderen.

Hoe gevoelsanalyse wordt gebruikt

Van oudsher vertrouwden bedrijven op vragenlijsten en enquêtes om de mening van klanten te peilen. Zo verzamelde en evalueerde de NPS-enquête (Net Promoter Score) bijvoorbeeld informatie die nodig was voor het meten van de bereidheid van klanten om een bedrijf aan te bevelen. Hoewel dit waardevol is, kan dit ernstige beperkingen opleggen aan het vermogen om diepere inzichten in klantervaringen te bieden, zoals bij het doen van aankopen, via je digitale kanalen.

Maar gevoelsanalyse kan deze kloof overbruggen.

Bij het bewaken, identificeren en extraheren van de meningen en gevoelens van klanten in tekst kan gevoelsanalyse helpen de betekenis achter alle opmerkingen, 'vind ik leuks' in de sociale media, ideeën, klachten en vragen bloot te leggen. En je helpen voorzien in de steeds veranderende behoeften van je klanten.

Door de verzamelde data te analyseren, krijg je een samenvatting van de reactie van elke klant, plus eventuele extra feedback die kan helpen de publieke perceptie van je product of bedrijf vorm te geven. Als deze data in een spectrum van positief, neutraal of negatief gevoel wordt geplaatst, kun je zien wat de klant ertoe heeft gebracht die uitspraak te doen, waarbij de meningen worden onthuld die de gevoelens van de klanten over een specifiek onderwerp beschrijven.

Deze meningen worden vervolgens geclassificeerd als direct ('Dit product is het beste dat ik ooit heb gebruikt!') of vergelijkend ('Product A integreerde beter in mijn organisatie dan Product B.'). Hoewel deze uitingen vaak gemakkelijk te interpreteren zijn, is het belangrijk te vermelden dat in sommige gevallen nader onderzoek nodig is. Classificaties zoals impliciet ('Het bedrijf weet wat er moet worden gedaan om dit product te verbeteren.') en expliciet ('Functie A is gemakkelijk te gebruiken.'), evenals woordreeksen die positief zijn maar een negatief woord bevatten, kunnen moeilijk zijn te analyseren en vereisen mogelijk enige handmatige beoordeling of aanpassing van je gevoelsmodellen.

Maar nadat deze belangrijke woorden en zinsneden over hoe anderen over je denken eenmaal zijn ontdekt, kunnen zij je helpen bij het plannen van de volgende stap voor je organisatie. Maar eerst moet je begrijpen hoe gevoelsanalyse werkt om profijt te halen voor je bedrijf.


Inzicht krijgen in hoe gevoelsanalyse werkt

Bij gevoelsanalyse wordt gebruikgemaakt van verschillende technologieën om alles wat je klanten zeggen om te zetten in één actiepunt. Het proces van gevoelsanalyse omvat de volgende vier stappen:

  1. Het in onderdelen opsplitsen van tekst: zinnen, zinsneden, tokens en uitdrukkingen.
  2. Het identificeren van elke zinsnede en elk onderdeel.
  3. Het toewijzen van een gevoelsscore aan elke zinsnede met plus- en minpunten.
  4. Het combineren van scores tot een uiteindelijke gevoelsanalyse.

Door beschrijvende woorden en zinsneden te onthouden en hieraan een gevoelsgewicht toe te kennen, kunnen jij en je team een gevoelslibrary opbouwen. Aan de hand van handmatige scorebepaling beslist je team hoe sterk of zwak elk woord moet zijn en de polariteit van de bijbehorende score voor de zinsnede, waarbij wordt aangegeven of deze positief, negatief of neutraal is. Engines voor meertalige gevoelsanalyse moeten tevens unieke library's bijhouden voor elke taal die zij ondersteunen door middel van consistente scoretoekenning, nieuwe zinsneden en de verwijdering van irrelevante termen.

Bij gevoelsanalyse kunnen drie verschillende categorieën worden onderscheiden:

Geautomatiseerd

Een mix van statistieken, NLP en algoritmen voor machine learning om gevoelens te identificeren. Het systeem wordt getraind om invoer aan overeenkomstige uitvoer te koppelen, oftewel klanttekst met polariteit. Machines worden geclassificeerd met de invoerdata en kunnen zich na verloop van tijd aanpassen nadat ze zijn getraind. Dit kan worden getest met aanvullende data om tot betere voorspellingen te komen.

Op regels gebaseerd

Bij de meest elementaire gevoelsanalyse wordt gebruikgemaakt van woordenlijsten of lexicons om woorden en zinsneden te verkennen en hun bijbehorende gevoel te bepalen. Dit type benadering werkt goed bij directe en expliciete meningen. Hoewel dit systeem snel en gemakkelijk te gebruiken is, wordt zelden rekening gehouden met hoe woorden worden gecombineerd in een reeks. Teams moeten regels voor vergelijkende meningen toevoegen aangezien het bij deze aanpak lastig is om impliciete meningen te onderkennen.

Hybride

Het combineren van op regels gebaseerde en automatische systemen betekent dat je over de nauwkeurigheid en precisie kunt beschikken die je nodig hebt om je klanten echt te begrijpen. Dit is het meest krachtige systeem omdat het de emotionele informatie bevat die is verzameld aan de hand van lexicons, die in de loop van de tijd kunnen worden aangepast.


In hoeverre is gevoelsanalyse nuttig?

Terwijl sociale media je alleen een vluchtige blik bieden op hoe mensen over je merk online praten, biedt gevoelsanalyse onmiddellijk kennis van hoe het publiek aankijkt tegen zowel je merk als je product. Vele retweets op Twitter lijken misschien positief, maar als je veel meer negatieve opmerkingen krijgt dan likes, kun je concluderen dat het hierbij om een minder positieve interactie gaat.

Gevoelsanalyse kan ook je bedrijf in staat stellen waardevolle klantinvoer te ontlenen aan interne gegevensbronnen. Je bedrijf kan bijvoorbeeld, door transcripties van online chats van klanten met service- en ondersteuningsmedewerkers te bewaken, sneller op de hoogte worden gesteld van problemen met de productkwaliteit, -veiligheid en -garantie. Andere voordelen van gevoelsanalyse zijn onder meer:

  • Het kan fungeren als een belangrijk punt bij het identificeren van emoties over een onderwerp, zodat je team bruikbare inzichten kan toepassen in verschillende zakelijke en onderzoeksinitiatieven.
  • Het kan je team tijd en moeite besparen omdat het proces voor gevoelsextractie volledig is geautomatiseerd.
  • Je kunt hiermee profijt halen uit adaptief leren, waarmee je team regelmatig voorspellingen kan optimaliseren, oplossen en vernieuwen.
  • Je kunt hiermee snel enorme hoeveelheden ongestructureerde gegevens verwerken voor realtime analyse en inzichten.

Al deze voordelen bieden je team een uitgebreid beeld van wat klanten denken en hoe zij op basis hiervan handelen. Aan de hand van deze inzichten kun je interne teams zoals de klantenservice leiden bij het helpen verbeteren van de gebruikerservaring, of kun je marketing- en klantgerichte teams in staat stellen klantsegmenten aan te spreken op basis van gerichte verkoop-, marketing- en supportinspanningen.


Voorbeelden van gevoelsanalyse

Het mooiste is dat gevoelsanalyse niet alleen voor één team werkt. Elk team kan deze data gebruiken om de planning aan te passen voor alles van marketingcampagnes tot prijsstrategieën, orderafhandeling of klantondersteuning. Naarmate verschillende teams meer te weten komen over wat klanten vinden van het product, merk of bedrijf, kunnen zij hun kennis gebruiken om responsen te bepalen en bedrijfsactiviteiten te optimaliseren. Mogelijk worden ook de doelen van zowel het bedrijf als hun klant opnieuw in overweging genomen en wordt gedefinieerd welke acties moeten worden ondernomen om dat doel te bereiken.

Tot de voorbeelden van hoe teams gevoelsanalyse gebruiken behoren onder andere:

  • Sociale en merkmonitoring. Het analyseren van realtime klantinteracties en -opmerkingen op je sociale kanalen over je merk, product en bedrijf kan inzichten opleveren in hoe je klanten denken over alle drie. Bedrijven kunnen tevens gevoelsanalyses voor eerdere producten gebruiken als meetcriterium voor het introduceren van nieuwe producten, reclamecampagnes of het allerlaatste nieuws over je bedrijf.
  • Klantenservice. Gevoelsanalyse voegt een extra laag toe door de taal en ernst van het probleem te analyseren in chat of e-mail, waarbij met name wordt gekeken naar bijzonder gefrustreerde klanten voor snellere oplossing.
  • Klantfeedback. In lijn met sociale monitoring hoor je rechtstreeks van de klant hoe negatief of positief zijn of haar mening over een product of merk is. Het bijhouden van trefwoorden die verband houden met directe klantfeedback die wordt gedeeld in profielen in de sociale media, tijdens online chats met je teams of via andere contactpunten biedt een algeheel meetcriterium voor het succes van je product, campagne of oplossing.
  • Crisispreventie. Bij het bewaken van mediapublicaties kunnen tools voor gevoelsanalyse in realtime vermeldingen van vooraf gedefinieerde trefwoorden verzamelen. Je public relations- of klantenserviceteams kunnen deze informatie gebruiken om te reageren op negatieve berichten, waardoor een crisis in de sociale media mogelijk kan worden verkort of zelfs vermeden.
  • Marktonderzoek. Het is niet voldoende om te weten hoe je klanten voelen. Het is belangrijk bij het plannen van je volgende zet om te begrijpen waarom klanten al dan niet reageren zoals je verwachtte, of dat nu via marketing, verkoop of directe en gepersonaliseerde serviceresponsen gebeurt.

Het is van cruciaal belang voor het ontvangen van de benodigde feedback van je klantenbestand om over een tool te beschikken dat complexe menselijke emoties kan begrijpen. In het verleden vereiste gevoelsanalyse expertise in verschillende technologieën, maar tegenwoordig zijn er verschillende softwaretools beschikbaar die weinig of geen kennis vereisen voor het bieden van gevoelsanalyse.


De juiste tool voor gevoelsanalyse vinden voor je bedrijf

Het kiezen van een platform voor klantgegevens (CDP) met een geïntegreerde, intelligente tool voor gevoelsanalyse zou een topprioriteit voor je bedrijf moeten zijn. Om succesvolle omnichannel-klantervaringen te kunnen creëren, hebben zowel je team als je organisatie een CDP nodig dat is voorzien van alle mogelijkheden die zijn vereist voor het genereren van holistische, realtime klantprofielen. Dit omvat een tool voor gevoelsanalyse die nieuwe inzichten kan bieden voor het optimaliseren van het klantrelatiebeheer en andere data die je hebt verzameld.

Zoek naar een CDP dat gebruikmaakt van NLP-modellen om op nauwkeurige en efficiënte wijze meningen en emoties van klanten te analyseren. De modellen, die worden getraind met een reeks van verschillende gegevens uit openbare bronnen, zouden in staat moeten zijn klantgevoelscores te genereren en toepasselijke bedrijfsgebieden te identificeren voor gerichte verbeteringen.

Begin je gevoelsanalyse met Microsoft Dynamics 365

Met Dynamics 365 Customer Insights kun je je klanten leren kennen zoals nooit tevoren, met multidimensionale profielen die je helpen persoonlijke ervaringen te leveren. Activeer realtime inzichten tijdens geoptimaliseerde klantreizen om de levensduurwaarde van klanten te maximaliseren. Ontgrendel de waarde van je klantdata met correcte voorspellingen over het versterken van het positieve klantgevoel.