Analisis sentimen dalam maklum balas pelanggan (pratonton)

2025-05-07

[Artikel ini merupakan dokumentasi prakeluaran dan tertakluk pada perubahan.]

Analisis sentimen membolehkan anda mensintesis sentimen pelanggan dan mengenal pasti aspek perniagaan sebagai peluang untuk penambahbaikan. Ciri ini membantu anda memahami perkara yang berfungsi dengan baik dan perkara yang perlu anda tangani. Ia boleh membantu anda memacu tindakan perniagaan yang membolehkan pengalaman yang menghasilkan kepuasan dan kesetiaan pelanggan yang tinggi.

Penting

Ini adalah ciri pratonton.
Ciri pratonton bukan untuk kegunaan pengeluaran dan kefungsian mungkin terbatas. Ciri ini tersedia sebelum keluaran rasmi agar pelanggan boleh mendapat akses awal dan memberikan maklum balas.

Gambaran keseluruhan

Ciri analisis sentimen menjana dua cerapan terbitan bagi setiap ID pelanggan. Skor sentimen (-5 hingga 5) dan senarai aspek perniagaan yang berkenaan (bidang perniagaan) yang bersama-sama membantu anda memahami maklum balas pelanggan dengan lebih baik.

Analisis ini membantu anda:

Dapatkan gambaran keseluruhan sentimen pelanggan terhadap jenama atau organisasi
Kenal pasti pelanggan yang mempunyai sentimen negatif untuk memfokuskan kempen dan penglibatan anda dan mengoptimumkan pulangan yang lebih tinggi
Kenal pasti aspek perniagaan dengan isu yang ditunjukkan oleh pelanggan
Bahagikan pelanggan berdasarkan sentimen mereka untuk menjalankan kempen yang diperibadikan dengan usaha jualan, pemasaran dan sokongan yang disasarkan
Optimumkan operasi perniagaan dengan menangani bidang kebimbangan atau peluang yang disebutkan oleh pelanggan
Kenali aspek perniagaan yang berjalan dengan baik dan memberi ganjaran kepada pelanggan yang gembira melalui program kesetiaan dan promosi

Model ini menyediakan senarai perkataan yang mempengaruhi keputusan model untuk memberikan skor sentimen atau aspek perniagaan tertentu kepada komen maklum balas.

Kami menggunakan dua model Pemprosesan Bahasa Semula Jadi (NLP): Yang pertama memberikan setiap ulasan maklum balas skor sentimen. Model kedua mengaitkan setiap maklum balas dengan semua aspek perniagaan yang berkenaan. Model dilatih pada data awam daripada sumber merentas media sosial, runcit, restoran, produk pengguna dan industri automotif.

Aspek perniagaan yang telah ditetapkan untuk model dikaitkan dengan data maklum balas termasuk:

Pengurusan akaun
Pembayaran dan pembayaran
Sokongan pelanggan
Pengambilan dalam kedai
Pembungkusan, penghantaran dan pengambilan
Pra-pesanan
Harga
Privasi dan keselamatan
Promosi dan ganjaran
Resit dan jaminan
Pertukaran dan pembatalan pemulangan
Ketepatan pemenuhan
Kualiti laman web/aplikasi

Nota

Pada masa ini, kami hanya menyokong analisis sentimen pada maklum balas pelanggan bahasa Inggeris. Lebih banyak bahasa akan disokong pada masa hadapan. Jika maklum balas dalam bahasa lain dimuat naik, model masih akan mengembalikan hasil. Walau bagaimanapun, keputusan ini tidak akan tepat.

Prasyarat

Sekurang-kurangnya Kebenaran penyumbang
Data maklum balas teks bersatu. Kami amat mengesyorkan agar anda mengkonfigurasi jadual data maklum balas anda sebagai jadual aktiviti jenis semantik (Jenis maklum balas).
ID Pelanggan Disatukan (UCID) daripada penyatuan data untuk memadankan rekod data maklum balas teks kepada pelanggan individu.
ID Maklum Balas
Cap masa maklum balas
Teks maklum balas

Dynamics 365 Customer Insights - Data boleh memproses sehingga 10 juta rekod maklum balas untuk satu model yang dijalankan. Model ini boleh menganalisis komen maklum balas sehingga 128 patah perkataan. Jika komen maklum balas lebih panjang, analisis hanya mempertimbangkan 128 perkataan pertama.

Nota

Hanya satu jadual maklum balas boleh dikonfigurasikan. Jika terdapat berbilang jadual maklum balas, gabungkannya dalam Power Query sebelum pengambilan data.

Konfigurasikan analisis sentimen

Pergi ke Ramalan Cerapan>.
Pada tab Cipta, pilih Gunakan model pada jubin analisis sentimen pelanggan (pratonton).
Pilih Mulakan.
Namakan analisis dan berikan nama jadual output aspek perniagaan dan nama jadual output skor sentimen.
Pilih Seterusnya.
Pilih Tambah data untuk maklum balas Pelanggan.
Pilih jenis aktiviti semantik Maklum balas yang mengandungi data maklum balas. Jika aktiviti belum disediakan, pilih di sini dan buatnya.
Pilih aktiviti yang hendak digunakan untuk analisis sentimen ini, kemudian pilih Seterusnya.
Petakan atribut dalam data anda kepada atribut model.
Pilih Simpan.
Pilih Seterusnya. Langkah Semakan dan jalankan menunjukkan ringkasan konfigurasi dan menyediakan peluang untuk membuat perubahan sebelum anda mencipta analisis.
Pilih Edit pada mana-mana langkah untuk menyemak dan membuat sebarang perubahan.
Jika anda berpuas hati dengan pilihan anda, pilih Simpan dan jalankan untuk mula menjalankan model. Pilih Selesai. Tab Ramalan saya dipaparkan semasa ramalan sedang dibuat. Proses ini mungkin mengambil masa beberapa jam untuk diselesaikan bergantung pada jumlah data yang digunakan dalam ramalan.

Petua

Terdapat status untuk tugas dan proses. Kebanyakan proses bergantung pada proses huluan lain, seperti sumber data dan muat semula pemprofilan data.

Pilih status untuk membuka anak tetingkap Butiran kemajuan dan lihat kemajuan tugas. Untuk membatalkan kerja, pilih Batalkan kerja di bahagian bawah anak tetingkap.

Di bawah setiap tugasan, anda boleh memilih Lihat butiran untuk maklumat kemajuan lanjut, seperti masa pemprosesan, tarikh pemprosesan terakhir dan sebarang ralat dan amaran yang berkenaan yang berkaitan dengan tugas atau proses. Pilih Lihat status sistem di bahagian bawah panel untuk melihat proses lain dalam sistem.

Lihat hasil analisis

Pergi ke Ramalan Cerapan>.
Dalam tab Ramalan saya , pilih ramalan yang anda mahu lihat.

Terdapat dua tab keputusan.

Tab ringkasan

Terdapat empat bahagian utama data dalam halaman keputusan.

Purata skor sentimen: Skor sentimen membantu anda memahami sentimen keseluruhan merentas semua pelanggan.
- Negatif (-5 > 2)
- Neutral (-1 > 1)
- Positif (2 > 5)
Pengagihan pelanggan mengikut skor sentimen: Pelanggan dikategorikan kepada kumpulan negatif, neutral dan positif berdasarkan skor sentimen mereka. Tuding pada bar dalam histogram untuk melihat bilangan pelanggan dan purata skor sentimen dalam setiap kumpulan. Data ini boleh membantu anda mencipta segmen pelanggan berdasarkan skor sentimen mereka.
Purata skor sentimen dari semasa ke semasa: Sentimen pelanggan mungkin berubah dari semasa ke semasa. Kami menyediakan arah aliran dalam sentimen pelanggan anda untuk julat masa data anda. Paparan ini membantu anda mengukur kesan promosi bermusim, pelancaran produk atau campur tangan terikat masa lain terhadap sentimen pelanggan. Lihat graf dengan memilih tahun minat daripada menu lungsur.
Sentimen merentas aspek perniagaan: Sentimen purata merentas aspek perniagaan membantu anda mengukur aspek perniagaan anda yang sudah memuaskan hati pelanggan atau memerlukan lebih perhatian. Rekod maklum balas yang tidak sejajar dengan mana-mana aspek perniagaan yang disokong dikategorikan di bawah Lain-lain. Isih data dengan memilih mana-mana lajur.

Pilih nama aspek perniagaan untuk melihat cara aspek perniagaan dikenal pasti oleh model:
- Perkataan berpengaruh: Perkataan teratas yang mempengaruhi pengenalpastian model AI tentang aspek perniagaan dalam maklum balas pelanggan. Tunjukkan perkataan yang menyinggung perasaan: Membolehkan anda memasukkan perkataan yang menyinggung perasaan dalam senarai daripada data maklum balas pelanggan asal. Secara lalai, ia dimatikan. Penyamaran perkataan yang menyinggung perasaan dikuasakan oleh model AI dan mungkin tidak mengesan semua perkataan yang menyinggung perasaan. Jika anda mengesan perkataan yang menyinggung perasaan yang tidak ditapis seperti yang dijangkakan, beritahu kami.
- Sampel maklum balas: Rekod maklum balas sebenar dalam data anda. Perkataan dikodkan warna mengikut pengaruhnya terhadap pengenalpastian aspek perniagaan.

Tab analisis perkataan yang berpengaruh

Terdapat tiga bahagian maklumat tambahan yang menerangkan cara model sentimen berfungsi.

Perkataan teratas menyumbang kepada sentimen positif: Perkataan teratas yang mempengaruhi pengenalpastian model AI tentang sentimen positif dalam maklum balas pelanggan.
Perkataan teratas yang menyumbang kepada sentimen negatif: Perkataan teratas yang mempengaruhi pengenalpastian model AI tentang sentimen negatif dalam maklum balas pelanggan.
Sampel maklum balas: Rekod maklum balas sebenar, satu dengan sentimen negatif dan satu dengan sentimen positif. Perkataan dalam rekod maklum balas diserlahkan mengikut sumbangannya kepada skor sentimen yang ditetapkan. Perkataan yang menyumbang kepada skor sentimen positif diserlahkan dalam warna hijau. Perkataan yang menyumbang kepada skor negatif diserlahkan dengan warna merah. Pilih Lihat lagi untuk memuatkan lebih banyak sampel maklum balas.

Tunjukkan perkataan yang menyinggung perasaan: Membolehkan anda memasukkan perkataan yang menyinggung perasaan dalam senarai daripada data maklum balas pelanggan asal. Secara lalai, ia dimatikan. Penyamaran perkataan yang menyinggung perasaan dikuasakan oleh model AI dan mungkin tidak mengesan semua perkataan yang menyinggung perasaan. Jika anda mengesan perkataan yang menyinggung perasaan yang tidak ditapis seperti yang dijangkakan, beritahu kami.

Bertindak berdasarkan keputusan analisis

Untuk mencipta segmen baharu pelanggan daripada hasil analisis sentimen, pilih Cipta segmen di bahagian atas halaman hasil model.

Potensi berat sebelah

Seperti mana-mana ciri yang menggunakan kecerdasan buatan ramalan, mungkin terdapat potensi berat sebelah dalam data yang anda gunakan untuk meramalkan sentimen pelanggan. Sebagai contoh, jika anda hanya mengumpul maklum balas secara digital, anda mungkin terlepas maklum balas daripada pelanggan yang menjalankan perniagaan dengan anda secara peribadi, yang menjejaskan output ciri tersebut.

Memandangkan ciri ini menggunakan cara automatik untuk menilai data dan membuat ramalan berdasarkan data tersebut, oleh itu ia mempunyai keupayaan untuk digunakan sebagai kaedah pemprofilan, kerana istilah itu ditakrifkan oleh undang-undang dan peraturan privasi. Penggunaan ciri ini oleh anda untuk memproses data mungkin tertakluk kepada undang-undang atau peraturan tersebut. Anda bertanggungjawab untuk memastikan bahawa penggunaan Customer Insights - Data anda, termasuk analisis sentimen, mematuhi semua undang-undang dan peraturan yang berkenaan, termasuk undang-undang yang berkaitan dengan privasi, data peribadi, data biometrik, perlindungan data dan kerahsiaan komunikasi.

Kongsi melalui