नोट
इस पेज तक पहुँच के लिए प्रमाणन की आवश्यकता होती है. आप साइन इन करने या निर्देशिकाओं को बदलने का प्रयास कर सकते हैं.
इस पेज तक पहुँच के लिए प्रमाणन की आवश्यकता होती है. आप निर्देशिकाओं को बदलने का प्रयास कर सकते हैं.
[यह आलेख रिलीज़-पूर्व दस्तावेज़ है और परिवर्तन के अधीन है.]
भावना विश्लेषण आपको ग्राहक भावना को संश्लेषित करने और सुधार के अवसरों के रूप में व्यावसायिक पहलुओं की पहचान करने में सक्षम बनाता है। यह सुविधा आपको यह समझने में मदद करती है कि क्या अच्छा काम करता है और आपको क्या संबोधित करने की आवश्यकता है। यह आपको व्यावसायिक कार्रवाइयों को चलाने में मदद कर सकता है जो उन अनुभवों को सक्षम करते हैं जिनके परिणामस्वरूप उच्च ग्राहक संतुष्टि और वफादारी होती है।
महत्वपूर्ण
- यह एक पूर्वावलोकन सुविधा है.
- पूर्वावलोकन सुविधाएं उत्पादन में उपयोग के लिए नहीं होती हैं और इनकी कार्यक्षमता प्रतिबंधित हो सकती हैं. यह सुविधाएँ आधिकारिक रिलीज़ से पहले उपलब्ध होती हैं ताकि ग्राहक शीघ्र पहुँच प्राप्त कर सकें और प्रतिक्रिया प्रदान कर सकें.
ओवरव्यू
भावना विश्लेषण सुविधा प्रति ग्राहक आईडी दो व्युत्पन्न अंतर्दृष्टि उत्पन्न करती है। एक भावना स्कोर (-5 से 5 तक) और लागू व्यावसायिक पहलुओं (व्यवसाय के क्षेत्रों) की सूची जो एक साथ आपको ग्राहक प्रतिक्रिया को बेहतर ढंग से समझने में मदद करते हैं।
यह विश्लेषण आपकी मदद करता है:
- किसी ब्रांड या संगठन के प्रति ग्राहकों की भावनाओं का अवलोकन प्राप्त करें
- अपने अभियानों और सहभागिता पर ध्यान केंद्रित करने के लिए नकारात्मक भावना वाले ग्राहकों की पहचान करें और उच्च लाभ के लिए अनुकूलित करें
- ग्राहकों द्वारा बताए गए मुद्दों के साथ व्यावसायिक पहलुओं की पहचान करें
- लक्षित बिक्री, विपणन और समर्थन प्रयासों के साथ वैयक्तिकृत अभियान चलाने के लिए ग्राहकों को उनकी भावना के आधार पर विभाजित करें
- ग्राहकों द्वारा उल्लिखित चिंता या अवसरों के क्षेत्रों को संबोधित करके व्यवसाय संचालन का अनुकूलन करें
- उन व्यावसायिक पहलुओं को पहचानें जो अच्छा कर रहे हैं और वफादारी और प्रचार कार्यक्रमों के माध्यम से खुश ग्राहकों को पुरस्कृत करें
मॉडल उन शब्दों की एक सूची प्रदान करता है जो प्रतिक्रिया टिप्पणियों के लिए एक विशेष भावना स्कोर या व्यावसायिक पहलू को असाइन करने के मॉडल के निर्णय को प्रभावित करते हैं।
हम दो प्राकृतिक भाषा प्रसंस्करण (एनएलपी) मॉडल का उपयोग करते हैं: पहला प्रत्येक प्रतिक्रिया टिप्पणी को एक भावना स्कोर प्रदान करता है। दूसरा मॉडल प्रत्येक प्रतिक्रिया को सभी लागू व्यावसायिक पहलुओं से जोड़ता है। मॉडलों को सोशल मीडिया, खुदरा, रेस्तरां, उपभोक्ता उत्पादों और मोटर वाहन उद्योगों के स्रोतों से सार्वजनिक डेटा पर प्रशिक्षित किया जाता है।
प्रतिक्रिया डेटा के साथ संबद्ध करने के लिए मॉडल के लिए पूर्व-निर्धारित व्यावसायिक पहलुओं में शामिल हैं:
- खाता प्रबंधन
- चेकआउट और भुगतान
- ग्राहक सहायता
- इन-स्टोर पिकअप
- पैकेजिंग, शिपिंग और पुनर्प्राप्ति
- प्री-ऑर्डरिंग
- कीमत
- गोपनीयता और सुरक्षा
- प्रचार और पुरस्कार
- रसीद और वारंटी
- वापसी विनिमय और रद्दीकरण
- पूर्ति सटीकता
- वेबसाइट/ऐप की गुणवत्ता
नोट
वर्तमान में, हम केवल अंग्रेजी ग्राहक प्रतिक्रिया पर भावना विश्लेषण का समर्थन करते हैं। भविष्य में और भाषाओं का समर्थन किया जाएगा। यदि अन्य भाषाओं में फ़ीडबैक अपलोड किया जाता है, तो मॉडल अभी भी परिणाम लौटाएगा। हालाँकि, ये परिणाम सटीक नहीं होंगे।
पूर्वावश्यकताएँ
- कम से कम योगदानकर्ता अनुमतियाँ
- एकीकृत पाठ प्रतिक्रिया डेटा. हम पुरज़ोर अनुशंसा करते हैं कि आप अपनी प्रतिक्रिया डेटा तालिकाओं को सिमेंटिक प्रकार गतिविधि तालिकाओं (फ़ीडबैक प्रकार) के रूप में कॉन्फ़िगर करें.
- एक व्यक्तिगत ग्राहक से पाठ प्रतिक्रिया डेटा रिकॉर्ड से मिलान करने के लिए डेटा एकीकरण से एकीकृत ग्राहक आईडी।
- फ़ीडबैक आईडी
- प्रतिक्रिया टाइमस्टैम्प
- प्रतिक्रिया पाठ
Dynamics 365 Customer Insights - डेटा एक मॉडल चलाने के लिए 10 मिलियन फीडबैक रिकॉर्ड तक संसाधित कर सकता है. मॉडल 128 शब्दों तक प्रतिक्रिया टिप्पणियों का विश्लेषण कर सकता है। यदि कोई प्रतिक्रिया टिप्पणी लंबी है, तो विश्लेषण केवल पहले 128 शब्दों पर विचार करता है।
नोट
केवल एक प्रतिक्रिया तालिका कॉन्फ़िगर की जा सकती है. यदि एकाधिक प्रतिक्रिया तालिकाएँ हैं, तो डेटा अंतर्ग्रहण से पहले उन्हें Power Query में संयोजित करें.
एक भावना विश्लेषण कॉन्फ़िगर करें
अहम जानकारी>के पूर्वानुमान पर जाएं.
बनाएँ टैब पर, ग्राहक भावना विश्लेषण (पूर्वावलोकन) टाइल पर मॉडल का उपयोग करें का चयन करें.
आरंभ करें चुनें.
विश्लेषण को नाम दें और व्यावसायिक पहलू आउटपुट तालिका नाम और सेंटीमेंट स्कोर आउटपुट तालिका नाम प्रदान करें।
अगला चुनें.
ग्राहक फ़ीडबैक के लिए डेटा जोड़ें चुनें.
उस सिमेंटिक गतिविधि प्रकार फ़ीडबैक का चयन करें जिसमें फ़ीडबैक डेटा शामिल है. यदि गतिविधि सेट नहीं की गई है, तो यहां चुनें और इसे बनाएं।
इस भावना विश्लेषण के लिए उपयोग की जाने वाली गतिविधियों का चयन करें, फिर अगला चुनें।
अपने डेटा की विशेषताओं को मॉडल विशेषताओं से मैप करें.
सहेजें चुनें.
अगला चुनें. समीक्षा करें और चलाएँ चरण कॉन्फ़िगरेशन का सारांश दिखाता है और विश्लेषण बनाने से पहले परिवर्तन करने का अवसर प्रदान करता है.
समीक्षा करने और कोई भी परिवर्तन करने के किसी भी चरण पर संपादित करें का चयन करें.
यदि आप अपने चयन से संतुष्ट हैं, तो मॉडल चलाना शुरू करने के लिए सहेजें और चलाएँ चुनें। पूर्ण चयन करें. पूर्वानुमान बनाए जाने के दौरान मेरे पूर्वानुमान टैब प्रदर्शित होता है. भविष्यवाणी में उपयोग किए गए डेटा की मात्रा के आधार पर प्रक्रिया को पूरा होने में कई घंटे लग सकते हैं।
नोक
कार्यों और प्रक्रियाओं के लिए स्थितियाँ हैं। अधिकांश प्रक्रियाएँ अन्य अपस्ट्रीम प्रक्रियाओं, जैसे डेटा स्रोत और डेटा प्रोफ़ाइलिंग ताज़ा करने पर निर्भर करती हैं.
प्रगति विवरण फलक खोलने के लिए स्थिति का चयन करें और कार्यों की प्रगति देखें. कार्य रद्द करने के लिए, फलक के निचले भाग पर कार्य रद्द करें का चयन करें.
प्रत्येक कार्य के अंतर्गत, आप अधिक प्रगति जानकारी के लिए विवरण देखें का चयन कर सकते हैं, जैसे संसाधन समय, अंतिम संसाधन दिनांक और कार्य या प्रक्रिया से संबद्ध लागू त्रुटियाँ और चेतावनियाँ. सिस्टम में अन्य प्रक्रियाओं को देखने के लिए पैनल के निचले भाग में सिस्टम स्थिति देखें का चयन करें।
विश्लेषण परिणाम देखें
अहम जानकारी>के पूर्वानुमान पर जाएं.
मेरे पूर्वानुमान टैब में, वह पूर्वानुमान चुनें, जिसे आप देखना चाहते हैं.
परिणामों के दो टैब हैं।
सारांश टैब
परिणाम पृष्ठ के भीतर डेटा के चार प्राथमिक खंड हैं।
औसत भावना स्कोर: भावना स्कोर आपको सभी ग्राहकों में समग्र भावना को समझने में मदद करता है।
- नकारात्मक (-5 > 2)
- तटस्थ (-1 > 1)
- सकारात्मक (2 > 5)
भावना स्कोर द्वारा ग्राहकों का वितरण: ग्राहकों को उनके भावना स्कोर के आधार पर नकारात्मक, तटस्थ और सकारात्मक समूहों में वर्गीकृत किया जाता है। ग्राहकों की संख्या और प्रत्येक समूह में औसत भावना स्कोर देखने के लिए हिस्टोग्राम में बार पर होवर करें। इस डेटा की सहायता से आप ग्राहकों के सेंटीमेंट स्कोर के आधार पर सेगमेंट बना सकते हैं.
समय के साथ औसत भावना स्कोर: समय के साथ ग्राहक भावना बदल सकती है। हम आपके डेटा की समय सीमा के लिए आपके ग्राहकों की भावनाओं में रुझान प्रदान करते हैं। यह दृश्य आपको ग्राहकों की भावना पर मौसमी प्रचार, उत्पाद लॉन्च या अन्य समयबद्ध हस्तक्षेपों के प्रभाव का आकलन करने में मदद करता है। ड्रॉपडाउन मेनू से रुचि का वर्ष चुनकर ग्राफ़ देखें।
व्यावसायिक पहलुओं में भावना: व्यावसायिक पहलुओं में औसत भावना आपको यह पता लगाने में मदद करती है कि आपके व्यवसाय के कौन से पहलू पहले से ही ग्राहकों को संतुष्ट करते हैं या अधिक ध्यान देने की आवश्यकता है। प्रतिक्रिया रिकॉर्ड जो किसी भी समर्थित व्यावसायिक पहलू के साथ संरेखित नहीं होते हैं, उन्हें अन्य के अंतर्गत श्रेणीबद्ध किया जाता है. किसी भी स्तंभ का चयन करके डेटा सॉर्ट करें.
यह देखने के लिए व्यावसायिक पहलू का नाम चुनें कि मॉडल द्वारा व्यावसायिक पहलू की पहचान कैसे की जाती है:
प्रभावशाली शब्द: शीर्ष शब्द जिन्होंने एआई मॉडल की ग्राहक प्रतिक्रिया में व्यावसायिक पहलू की पहचान को प्रभावित किया। आपत्तिजनक शब्द दिखाएं: आपको मूल ग्राहक फ़ीडबैक डेटा से सूची में आपत्तिजनक शब्द शामिल करने देता है. डिफ़ॉल्ट रूप से, यह बंद है। आपत्तिजनक शब्द मास्किंग एक एआई मॉडल द्वारा संचालित है और सभी आपत्तिजनक शब्दों का पता नहीं लगा सकता है। अगर आपको कोई आपत्तिजनक शब्द मिलता है, जिसे अपेक्षानुसार फ़िल्टर नहीं किया गया था, तो हमें बताएँ.
फ़ीडबैक नमूने: आपके डेटा में वास्तविक फ़ीडबैक रिकॉर्ड. शब्दों को व्यावसायिक पहलू की पहचान पर उनके प्रभाव के अनुसार रंग-कोडित किया जाता है।
प्रभावशाली शब्द विश्लेषण टैब
अतिरिक्त जानकारी के तीन खंड हैं जो बताते हैं कि भावना मॉडल कैसे काम करता है।
सकारात्मक भावना में योगदान देने वाले शीर्ष शब्द: शीर्ष शब्द जिन्होंने एआई मॉडल की ग्राहक प्रतिक्रिया में सकारात्मक भावना की पहचान को प्रभावित किया।
नकारात्मक भावना में योगदान देने वाले शीर्ष शब्द: शीर्ष शब्द जिन्होंने एआई मॉडल की ग्राहकों की प्रतिक्रिया में नकारात्मक भावना की पहचान को प्रभावित किया।
प्रतिक्रिया नमूने: वास्तविक प्रतिक्रिया रिकॉर्ड, एक नकारात्मक भावना के साथ और एक सकारात्मक भावना के साथ। फीडबैक रिकॉर्ड में शब्दों को असाइन किए गए भावना स्कोर में उनके योगदान के अनुसार हाइलाइट किया जाता है। सकारात्मक भावना स्कोर में योगदान करने वाले शब्दों को हरे रंग में हाइलाइट किया गया है। नकारात्मक स्कोर में योगदान करने वाले शब्द लाल रंग में हाइलाइट किए गए हैं। अधिक फ़ीडबैक नमूने लोड करने के लिए अधिक देखें चुनें.
आपत्तिजनक शब्द दिखाएं: आपको मूल ग्राहक फ़ीडबैक डेटा से सूची में आपत्तिजनक शब्द शामिल करने देता है. डिफ़ॉल्ट रूप से, यह बंद है। आपत्तिजनक शब्द मास्किंग एक एआई मॉडल द्वारा संचालित है और सभी आपत्तिजनक शब्दों का पता नहीं लगा सकता है। अगर आपको कोई आपत्तिजनक शब्द मिलता है, जिसे अपेक्षानुसार फ़िल्टर नहीं किया गया था, तो हमें बताएँ.
विश्लेषण परिणामों पर कार्य करें
सेंटिमेंट विश्लेषण परिणामों से ग्राहकों के नए सेगमेंट बनाने के लिए, मॉडल परिणाम पेज के शीर्ष पर सेगमेंट बनाएं चुनें.
संभावित पूर्वाग्रह
भविष्य कहनेवाला कृत्रिम बुद्धिमत्ता का उपयोग करने वाली किसी भी सुविधा के साथ, ग्राहक भावना की भविष्यवाणी करने के लिए आपके द्वारा उपयोग किए जाने वाले डेटा में संभावित पूर्वाग्रह हो सकता है। उदाहरण के लिए, यदि आप केवल डिजिटल रूप से प्रतिक्रिया एकत्र करते हैं, तो आप उन ग्राहकों से प्रतिक्रिया चूक सकते हैं जो मुख्य रूप से आपके साथ व्यक्तिगत रूप से व्यवसाय करते हैं, जो सुविधा के आउटपुट को प्रभावित करते हैं।
चूंकि यह सुविधा डेटा का मूल्यांकन करने और उस डेटा के आधार पर भविष्यवाणियां करने के लिए स्वचालित साधनों का उपयोग करती है, इसलिए इसमें प्रोफाइलिंग की विधि के रूप में उपयोग करने की क्षमता है, क्योंकि यह शब्द गोपनीयता कानूनों और विनियमों द्वारा परिभाषित किया गया है। डेटा संसाधित करने के लिए इस सुविधा का आपका उपयोग उन कानूनों या विनियमों के अधीन हो सकता है. आप यह सुनिश्चित करने के लिए ज़िम्मेदार हैं कि आपके द्वारा Customer Insights - डेटा का उपयोग, भावना विश्लेषण सहित, गोपनीयता, व्यक्तिगत डेटा, बायोमेट्रिक डेटा, डेटा सुरक्षा और संचार की गोपनीयता से संबंधित कानूनों सहित सभी लागू कानूनों और विनियमों का अनुपालन करता है।