Analizowanie opinii klienta (wersja zapoznawcza)
[Ten artykuł stanowi wstępną wersję dokumentacji i może ulec zmianie.]
Analiza nastrojów umożliwia syntezę nastrojów klientów i identyfikację aspektów biznesowych jako możliwości poprawy. Ta funkcja ułatwia zrozumienie, co działa dobrze i jakie należy rozwiązać. Może pomóc w prowadzeniu działań biznesowych, które umożliwiają doświadczenia, które skutkują wysoką satysfakcją i lojalnością klientów.
Ważne
- Jest to funkcja w wersji zapoznawczej.
- Funkcje w wersji zapoznawczej nie są przeznaczone do użytku w środowiskach produkcyjnych i mogą mieć ograniczoną funkcjonalność. Te funkcje są udostępniane przed oficjalnym wydaniem, dzięki czemu klienci mogą szybciej uzyskać do nich dostęp i przekazać opinie na ich temat.
Omówienie
Funkcja analizy opinii generuje dwie analizy pochodne dla każdego identyfikatora klienta. Wynik opinii (od -5 do 5) oraz lista odpowiednich aspektów biznesowych (obszarów działalności), które razem ułatwiają zrozumienie opinii klientów.
Dzięki analizie możesz:
- Uzyskiwanie przeglądu opinii klientów na temat marki lub organizacji
- Identyfikuj klientów z negatywnym sentymentem, aby skoncentrować swoje kampanie i zaangażowania oraz optymalizować pod kątem wyższego zwrotu
- Zidentyfikuj aspekty biznesowe z problemami wskazanymi przez klientów
- Segmentuj klientów na podstawie ich sentymentu do prowadzenia spersonalizowanych kampanii z ukierunkowaną sprzedażą, marketingiem i działaniami wsparcia
- Optymalizowanie operacji biznesowych przez adresowanie obszarów, w których wymieniono klientów lub szanse sprzedaży
- Rozpoznaj aspekty biznesowe, które dobrze sobie radzą i nagradzaj zadowolonych klientów poprzez programy lojalnościowe i promocyjne
Model oferuje listę słów, które wpłynęły na decyzję modelu o przypisaniu konkretnego wyniku nastrojów lub aspektu biznesowego do komentarzy w ramach opinii.
Używamy dwóch modeli przetwarzania języka naturalnego (NLP): pierwszy przypisuje każdemu komentarzowi opinii ocenę tonacji. Drugi model wiąże każdą informację zwrotną ze wszystkimi mającymi zastosowanie aspektami biznesowymi. Modele są szkolone na danych publicznych ze źródeł w mediach społecznościowych, handlu detalicznym, restauracjach, produktach konsumenckich i branży motoryzacyjnej.
Wstępnie zdefiniowane aspekty biznesowe modelu do powiązania z danymi zwrotnymi obejmują:
- Zarządzanie klientami
- Finalizacja zakupu i płatność
- Obsługa klienta
- Odbiór w sklepie
- Wysyłanie i odbieranie paczek
- Zamówienia w przedsprzedaży
- Cena
- Prywatność i zabezpieczenia
- Promocje i nagrody
- Paragon i gwarancja
- Zwrot, wymiana i anulowanie
- Dokładność realizacji
- Jakość witryny internetowej / aplikacji
Uwaga
Obecnie obsługujemy tylko analizę sentymentu na podstawie opinii klientów w języku angielskim. Więcej języków będzie obsługiwanych w przyszłości. Jeśli zostanie przesłana opinia w innych językach, model nadal będzie zwracał wyniki. Wyniki te nie będą jednak dokładne.
Wymagania wstępne
- Co najmniej uprawnienia współautora
- Ujednolicone dane opinii tekstowej. Zdecydowanie zalecamy skonfigurowanie tabel danych opinii jako tabel aktywności typu semantycznego (typ opinii).
- Unified Customer ID (UCID) z ujednolicania danych w celu dopasowania tekstowych rekordów danych opinii do poszczególnych klientów.
- Identyfikator opinii
- Sygnatura czasowa opinii
- Tekst opinii
Dynamics 365 Customer Insights - Data może przetworzyć do 10 milionów rekordów opinii w ramach jednego uruchomienia modelu. Model może analizować komentarze do 128 słów. Jeśli komentarz opinii jest dłuższy, w analizie są uwzględniane tylko pierwsze 128 słów.
Uwaga
Można skonfigurować tylko jedną tabelę opinii. Jeśli istnieje wiele tabel opinii, połącz je w usłudze Power Query przed pozyskaniem danych.
Skonfiguruj analizę sentymentu
Przejdź do opcji Szczegółowe informacje>Przewidywania.
Na karcie Utwórz wybierz Model użycia na kafelku Analiza opinii klient (wersja zapoznawcza).
Wybierz Rozpocznij.
Podaj nazwę analizy i podaj nazwę tabeli wyjściowej aspektu biznesowego i nazwę tabeli wyjściowej oceny tonacji.
Wybierz Dalej.
Wybierz Dodaj dane do Opinia klienta.
Wybierz typ działania semantycznego Opinie zawierające dane opinii. Jeśli działanie nie zostało ustawione, zaznacz tutaj i utwórz działanie.
Wybierz działania do użycia w tej analizie nastrojów, a następnie wybierz Dalej.
Przypisz atrybuty w swoich danych do atrybutów modelu.
Wybierz pozycję Zapisz.
Wybierz Dalej. W kroku Przejrzyj i uruchom przedstawiono podsumowanie konfiguracji i użytkownik może wprowadzić zmiany przed utworzeniem analizy.
Wybierz Edytuj na każdym z etapów, aby przejrzeć i wprowadzić ewentualne zmiany.
Jeśli użytkownik jest zadowolony z wprowadzonych opcji, wybiera opcję Zapisz i uruchom, aby rozpocząć uruchamianie modelu. Wybierz pozycję Gotowe. Podczas tworzenia przewidywanie jest wyświetlana karta Moje prognozy. Przeprowadzanie procesu może potrwać kilka godzin, w zależności od ilości danych użytych w przewidywaniu.
Napiwek
Zadania i procesy mają swoje stany. Większość procesów zależy od innych procesów nadrzędnych, takich jak źródła danych i odświeżenia profilowania danych.
Wybierz stan obok okienka Szczegóły postępu, aby wyświetlić postęp zadania. Aby anulować zadanie, wybierz opcję Anuluj zadanie w dolnej części okienka.
Pod każdym zadaniem możesz wybrać Zobacz szczegóły, aby uzyskać więcej informacji o postępie, takich jak czas przetwarzania, data ostatniego przetwarzania oraz wszystkie odpowiednie błędy i ostrzeżenia związane z zadaniem lub procesem. Wybierz Wyświetl stan systemu u dołu panelu, aby wyświetlić inne procesy w systemie.
wyświetl wyniki analizy
Przejdź do opcji Szczegółowe informacje>Przewidywania.
Na karcie Moje przewidywania wybierz przewidywanie, które chcesz wyświetlić.
Istnieją dwie karty wyników.
Karta Podsumowanie
Na stronie wyników znajdują się cztery podstawowe sekcje danych.
Średni wynik opinii:wyniki sentymentów pomagają zrozumieć ogólny sentyment wśród wszystkich klientów.
- Negatywne (-5 > 2)
- Obojętne (-1 > 1)
- Pozytywne (2 > 5)
Dystrybucja klientów według wyników opinii: Klienci są podzieleni na grupy negatywne, neutralne i pozytywne na podstawie ich wyników nastrojów. Przesuń kursor nad słupkami w histografiach, aby zobaczyć liczbę klientów i średni wynik opinii w każdej grupie. Te dane mogą pomóc w tworzeniu segmentów klientów na podstawie wyników opinii klientów.
Średni wynik opinii w czasie: opinie klientów mogą się w czasie zmieniać. Przedstawiamy trendy w nastrojach Twoich klientów dla zakresu czasowego Twoich danych. Ten widok pomoże w ocenie wpływu sezonowych promocji, premier produktów lub innych ograniczonych czasowo interwencji na nastroje klientów. Wykres można zobaczyć, wybierając z menu rozwijanego rok zainteresowania.
Sentyment w różnych aspektach biznesowych: średnie sentymenty w aspektach biznesowych pomagają ocenić, które aspekty działalności już wpływają na klientów lub wymagają więcej uwagi. Rekordy opinii, które nie są wyrównane do żadnego z obsługiwanych aspektów biznesowych, są skategoryzowane w obszarze Inne. Posortuj dane, wybierając dowolną kolumnę.
Wybierz nazwę aspektu biznesowego, aby zobaczyć, w jaki sposób aspekt biznesowy jest identyfikowany przez model:
Wpływowe słowa: najważniejsze słowa, które wpłynęły na identyfikację aspektu biznesowego przez model AI w informacjach zwrotnych od klientów. Pokaż obraźliwe słowa: pozwala uwzględnić obraźliwe słowa na liście z oryginalnych danych opinii klientów. Ta funkcja jest domyślnie wyłączona. Maskowanie obraźliwych słów jest oparte na modelu AI i może nie wykryć wszystkich obraźliwych słów. Jeśli wykryjesz obraźliwe słowo, które nie zostało odfiltrowane zgodnie z oczekiwaniami, daj nam znać.
Przykładowe opinie: aktualne rekordy opinii w danych. Słowa są kodowane kolorami zgodnie z ich wpływem na identyfikację aspektu biznesowego.
Zakładka Analiza wpływowych słów
Istnieją trzy sekcje dodatkowych informacji, które wyjaśniają, jak działa model sentymentu.
Najważniejsze wyrazy wpływające na pozytywne opinie: najlepsze wyrazy, które wpływają na identyfikację pozytywnej opinii klienta w modelu AI.
Najważniejsze wyrazy wpływające na negatywne opinie: najlepsze wyrazy, które wpływają na identyfikację negatywnej opinii klienta w modelu AI.
Przykładowe opinie: rzeczywiste rekordy opinii, jeden z negatywną, a drugi z pozytywną opinią. Wyrazy w rekordach opinii są wyróżniane zgodnie z ich znaczeniem dla przypisanego wyniku opinii. Słowa, które przyczyniają się do pozytywnego wyniku opinii są zaznaczone na zielono. Słowa wpływające na wynik ujemny są wyróżnione na czerwono. Wybierz Zobacz więcej, aby załadować więcej próbek opinii.
Pokaż obraźliwe słowa: pozwala uwzględnić obraźliwe słowa na liście z oryginalnych danych opinii klientów. Ta funkcja jest domyślnie wyłączona. Maskowanie obraźliwych słów jest oparte na modelu AI i może nie wykryć wszystkich obraźliwych słów. Jeśli wykryjesz obraźliwe słowo, które nie zostało odfiltrowane zgodnie z oczekiwaniami, daj nam znać.
Działaj na podstawie wyników analizy
Aby utworzyć nowe segmenty klientów można łatwo rozpocząć na stronie z wynikami analizy sentymentu, wybierając Utwórz segmenty w górnej części strony z wynikami modelu.
Potencjalne odchylenie
Podobnie jak w przypadku każdej funkcji, która wykorzystuje predykcyjną sztuczną inteligencję, należy być świadomym potencjalnego błędu w danych używanych do przewidywania nastrojów klientów. Na przykład, jeśli zbierasz opinie tylko cyfrowo, możesz przegapić opinie klientów, którzy prowadzą z Tobą interesy głównie osobiście, co może mieć wpływ na wyniki funkcji.
Ponieważ funkcja ta wykorzystuje zautomatyzowane środki do oceny danych i tworzenia prognoz na podstawie tych danych, może być wykorzystywana jako metoda profilowania, zgodnie z definicją tego terminu w przepisach i regulacjach dotyczących prywatności. Korzystanie z tej funkcji do przetwarzania danych może podlegać lub tym prawom lub rozporządzeniom. Jesteś odpowiedzialny za zapewnienie, że korzystanie z usługi Customer Insights - Data, w tym analiza nastrojów, jest zgodne ze wszystkimi obowiązującymi przepisami i regulacjami, w tym przepisami dotyczącymi prywatności, danych osobowych, danych biometrycznych, ochrony danych i poufności komunikacji.