Один из ключевых шагов к повышению качества любого продукта или сервиса — это тщательное изучение обратной связи. Однако бизнесу сложно оперативно узнать, какие именно проблемы влияют на удовлетворенность клиентов: медленная доставка, маленький ассортимент товаров, долгое ожидание ответа бота или оператора.
Рассказываем, как аспектный анализ, который входит в состав сервиса WordPulse от MTS AI, помогает автоматизировать процесс обработки обратной связи и найти инсайты для развития бизнеса.
Что такое аспектный анализ коммуникаций?
Аспектный анализ коммуникаций ABSA (Aspect Based sentiment analysis) — это модуль сервиса WordPulse от MTS AI, который оценивает тональность различных аспектов высказывания (диалога).
Аспекты — это сущности, за упоминанием которых нейросети следят во время анализа. Это могут быть, например, высказывания о продукте компании (“скорость доставки” или “качество связи”) или комментарии о работе самих сотрудников (“качество сервиса”).
Задача ABSA — проанализировать как длинные текст, так и короткую фразу, найти аспекты, выделить слова, которые к ним относятся (плохой, медленный, качественно, быстро), и указать являются ли они позитивными, негативными или нейтральными.
Например, пользователь оставил отзыв «У вас удобное приложение, но бот медленно отвечает». Сервис выделит два аспекта в этой фразе.
- Первый — это приложение, оно охарактеризовано как удобное, следовательно, это положительная оценка.
- Второй — бот. Пользователь назвал его работу медленной, поэтому система отнесет его к негативным отзывам.
Модуль ABSA подсчитает количество упоминаний различных аспектов отдельно в негативном, позитивном или нейтральном ключе. Пользователь может самостоятельно найти тему, которая вызывает больше всего отрицательных или положительных отзывов у клиентов. Достаточно зайти в интерфейс и выбрать соответствующие настройки.
Модуль ABSA не стоит путать с сентимент-анализом — такая опция позволяет определить отношение человека ко всему сказанному, но не к конкретным частям текста. Из-за этого ИИ-сервисы зачастую относят к нейтральным высказывания вроде «у вас приемлемые тарифы, а вот приложение неудобное», несмотря на то, что в них есть негативное отношение к приложению и нейтральное к тарифам.
Вследствие этого у компании не будет полной картины о предоставляемых услугах.
Как модуль ABSA помог найти причину негатива зрителей онлайн-кинотеатра
Менеджеры стримингового сервиса не могли понять, почему падает удовлетворенность клиентов. Аналитики компании решили разобраться стали изучать отзывы, чтобы разобраться в ситуации. В некоторых из них зрители писали, что к отдельным фильмам нужны субтитры на русском и английском. Эта трудоемкая задача едва не ушла в работу, однако менеджеры решили применить аспектный анализ коммуникаций. Результаты проверки с помощью модуля ABSA показали, что всего лишь 5% зрителей просили добавить субтитры, и в основном их отзывы были нейтральными.
Сильнее всего аудиторию беспокоило постоянное зависание картинки. Об этом пользователи писали разными словами, и зачастую их жалобы система относила к разным категориям: связь, картинка, скорость.
Модуль ABSA собрал весь негатив относительно скорости видео в один аспект и показал самые распространенные зрительские оценки, которые содержали слова “тормозит, бесит, невозможно терпеть”. После того как менеджеры получили эту информацию, они попросили команду сервиса сосредоточиться на решение проблем со скоростью видео, а подготовку субтитров отложили на потом.
Зачем бизнесу использовать аспектный анализ?
Аспектный анализ полезен для исследования общественного мнения в СМИ и социальных сетях, в частности, для маркетинговых и социологических исследований. При этом у технологии есть функциональные ограничения: например, искусственный интеллект пока плохо справляется с определением сарказма.
ABSA позволяет узнать мнение о компании и ее продуктах из первых уст: для этого не нужно проводить опросы по телефону или на сайте, достаточно обработать все диалоги с клиентами и отзывы.
Данные, полученные с помощью аспектного анализа, дадут глубокое понимание клиентов и их потребностей. Например, в анкетах на вопрос, что вас не устраивает в наших услугах, может предлагаться всего несколько ответов: цена, качество, скорость доставки. При этом клиенту может не нравиться работа операторов или курьеров, а этого варианта просто не будет в списке.
Полученная информация поможет подобрать более точное позиционирование продукта для маркетинговых кампаний и сократить стоимость привлечения клиента.
Вся обработка отзывов, сообщений в соцсетях, чатов в приложении происходит автоматически. Таким образом компания экономит ресурсы на анализе клиентских отзывов, позволяя сотрудникам использовать освободившееся время для других задач.
Аспектный анализ позволяет быстро узнать о появлении проблем с обслуживанием. ИИ просканирует все диалоги за последний час, разделит диалоги по общим темам и определит, есть ли в них негатив.
