跳至主要內容

Dynamics 365 連絡銷售人員 Widget

一個人看著筆記型電腦,想必是在進行情感分析

什麼是情感分析?

隨著企業對解決方案和程序進行數位轉型,他們也發現,為了成功,客戶互動 (尤其是理解客戶) 有必要進行轉型。

但這不只是提供簡單的客戶問卷,更要積極進行有關客戶群對品牌感受的交談。而情感分析則是了解這點的關鍵。


定義情感分析

情感分析,也稱為意見挖掘或情感人工智慧,是指用自然語言處理 (NLP) 技術,來確定一段內容是正面、負面還是中性的。透過分析文字和統計資料,情感分析工具可以從個人觀點和輿論來理解客戶所說的話、怎麼說及其真正含意。

在文字探勘的領域下,情感分析常用於確定意見反應材料和管道 (如評論、問卷、網路文章和社交媒體) 中客戶的心聲。理解這些管道上的客戶意圖,隨著語言發展變得越來越困難,而預設為字典定義則可能會導致解讀不準確。

透過可根據客戶心聲而調整演算法的情感分析工具,您可以揭示客戶對產品、服務或解決方案的需求,以及客戶意見如何隨著時間而變化。

情感分析的一些類型為:

  • 屬性型 – 具體確定客戶所討論的內容,例如線上評論中的產品價格,以及個別客戶情緒。
  • 情感偵測 – 透過將特定字詞與特定情緒相關聯來確定情感。
  • 細微化 – 跨極性類別 (非常正面、正面、中性、負面或非常負面) 分析情緒,在更細微層級幫助確定客戶意見。
  • 意圖 – 定義客戶的意圖,以便了解他們是要購買還是只是要研究選項,以及您之後是否需要追蹤和鎖定目標客戶。

如何使用情感分析

傳統上,企業依賴問卷來衡量客戶意見。例如,Net Promoter Score (NPS) 問卷彙總和評估了衡量客戶是否願意推薦企業所需的資訊。它雖然有價值,但是嚴重缺乏跨數位管道對客戶體驗 (例如購買時) 提供更深入見解的能力。

但是情感分析可以彌補該差距。

在監視、識別及擷取文字中的客戶意見和情緒時,情感分析可以協助揭示每個評論、社交媒體按讚、想法、投訴和查詢背後的意義。幫助您隨時準備好滿足客戶不斷變化的需求。

透過分析收集到的資料,您將取得每個客戶反應的摘要,以及任何其他有助於塑造大眾對產品或企業之觀感的意見反應。將此資料放置在正面、中性或負面的情緒光譜時,您就可以看到客戶做出該陳述的動機 – 揭示客戶對特定主題之情緒和感受的描述性意見。

這些意見接著分類為直接 (「這是我用過最好的產品!」) 或比較 (「產品 A 比產品 B 與組織整合得更好。」)。雖然這些通常易於解讀,但還需要注意的是,有些可能需要進一步審視。例如隱含 (「該企業知道必須怎麼做來改進這項產品。」) 和明確 (「功能 A 易於使用。」) 的分類,以及正面但含有負面字的字詞序列,可能難以分析,而需要對情緒模型進行一些手動檢閱或調整。

在發現客戶感受的這些關鍵字和片語之後,有助於規劃組織的下一步。但首先,您需要了解情感分析如何運作,以使企業受益。


了解情感分析如何運作

情感分析使用多種技術,將所有客戶字詞提煉為單一可行的項目。這項情感分析程序遵循以下四個步驟:

  1. 將文字細分為元件:句子、片語、語彙基元和詞類。
  2. 識別每個片語和元件。
  3. 用加分或負分,對每個片語指派情緒分數。
  4. 結合分數以供最終情感分析。

透過記住描述性單字和片語,為其指派情緒權數,您和團隊可以建立情緒文件庫。透過手動評分,團隊決定每個字詞的強弱權數,以及每個對應片語分數的極性 (注意它是正面、負面或中性)。多語言情感分析引擎也必須透過一致評分、新片語和移除不相關的字詞,為每個語言維護獨特的文件庫。

情感分析可以將這些方法分為三種不同的類別:

自動化

統計資料、NLP 和機器學習演算法的組合,用以識別情緒。系統經過訓練,可將輸入與對應的輸出相關聯,即客戶文字與極性相關聯。電腦會用輸入資料進行分類,並在訓練後隨著時間適應。這可以用其他資料進行測試,以提供更好的預測。

規則型

最直接的情感分析使用字典或詞典來探索單字和片語,並決定其相關情緒。這種方式適用於處理直接和明確意見。雖然這種系統既快速又易於使用,但是它很少考慮序列中的單字組合方式。由於這種方式無法輕易了解隱含意見,團隊需要新增比較意見的規則。

混合式

結合規則型和自動系統,意味著可獲得真正理解客戶所需的正確性和精確度。這是最強大的系統,因為它包含收集自詞典的情感資訊,可隨著時間調適。


情感分析有何用處?

社交媒體只能一窺線上品牌評價,情感分析則提供品牌和產品輿論的立即知識。Twitter 上的許多轉推看似正面,但是如果注意到負面評論遠超過喜歡數,就可以得到此互動其實不太正面的結論。

情感分析也可以讓公司從內部資料來源擷取寶貴的客戶意見。例如,透過監視客戶與服務和支援代表之間線上聊天的文字記錄,公司可以更快意識到產品品質、安全和保固問題。情感分析的其他好處包括:

  • 做為識別對某主題之情感的臨界點,因此團隊可以將可行見解應用到多個業務線和研究計劃。
  • 由於情緒擷取程序是全自動的,因此可以為團隊節省時間和精力。
  • 利用適應性學習,可讓團隊定期優化、疑難排解和重新整理預測。
  • 快速處理大量非結構化資料,以供即時分析和見解。

所有這些好處為團隊提供了客戶想法和如何據以回應的全面檢視。從這些見解,您可以引導內部團隊 (如客戶服務) 協助增強使用者體驗,或根據情緒透過目標銷售、行銷和支援努力,引導行銷或面向客戶團隊進行客戶細分參與。


情感分析範例

最棒的是,情感分析不只適用於單一團隊。每個團隊都可以使用此資料,據以規劃一切事物,包括行銷活動、定價策略、訂單履行和客戶支援。隨著不同團隊更了解客戶對產品、品牌和企業的感受,團隊可以使用知識來確定回應和優化業務營運。他們還可以評估企業和客戶的目標,並定義為了達成目標所應採取的行動。

團隊如何使用情感分析的一些範例包括:

  • 社交和品牌監視。分析社交管道上有關品牌、產品和企業的即時客戶互動和評論,可以提供有關這三者之客戶感受的見解。公司還可以使用先前產品的情感分析,以做為發行新產品、廣告行銷活動或企業頭條新聞的衡量指標。
  • 客戶服務。客戶服務團隊可能會自動將客戶問題分類為緊急和不緊急。情感分析透過分析聊天或電子郵件中問題的用語和嚴重性,另加一層,突顯出特別沮喪的客戶以加快調解速度。
  • 客戶意見反應。根據社交監視,您直接聽到客戶對產品或品牌的負面或正面觀感評價。追蹤與直接客戶意見反應相關的關鍵字 (在社交媒體設定檔上分享、與團隊線上聊天期間分享,或透過其他接觸點分享),提供對產品、行銷活動或解決方案成功與否的整體衡量。
  • 危機預防。為了監視媒體發佈,情感分析工具可以即時收集預先定義關鍵字的提及數。公共關係或客戶成功團隊可以使用此資訊,為負面貼文做出明智的回應,可能會在社交媒體危機升溫之前縮短危機時間或甚至予以規避。
  • 市場研究。只了解客戶感受是不夠的,也要了解其原因。了解客戶為何 (或為何不) 如預期回應,是規劃企業下一步的關鍵 – 無論是透過行銷、銷售,或是直接和個人化的服務回應。

擁有可了解複雜人性情感的工具,是從客戶群取得所需意見反應的關鍵。在過去,情感分析需要多個技術領域的專業知識,但如今有多款軟體工具,幾乎不需要任何專業知識就能啟用情感分析。


尋找適合企業需求的情感分析工具

選擇具有整合智慧型情感分析工具的客戶資料平台 (CDP),應該是企業的首要優先事項。若要建立成功的全通路客戶體驗,團隊以及組織需要配備了所有必要功能的 CDP,以產生整體即時的客戶設定檔。這包含了對如何優化客戶關係管理和所收集其他資料之新見解做出貢獻的情感分析工具。

尋找可使用 NLP 模型的 CDP,以準確高效地分析客戶意見和情感。在公共來源的各種資料上經過訓練的模型,應能夠產生客戶情緒分數,並識別可供目標式改進的適用業務領域。

使用 Microsoft Dynamics 365 開始情感分析

Dynamics 365 Customer Insights 可透過幫助提供個人化體驗的多維度設定檔,讓您前所未有地了解客戶。橫跨整個優化的客戶旅程,啟用即時見解,以最大化客戶終身價值。使用有關如何提升正面客戶情緒的正確預測,解鎖客戶資料的價值。