Analisi del sentiment dei clienti: guida pratica

L’analisi del sentiment dei clienti consiste nel leggere ciò che i clienti scrivono e dicono, in ticket, chat, e-mail, recensioni e sondaggi, per capire come si sentono rispetto al suo prodotto, al suo servizio e all’assistenza che hanno ricevuto. Di solito si basa sull’elaborazione del linguaggio naturale, che etichetta il feedback come positivo, neutro o negativo. I team di assistenza la usano per cogliere la frustrazione presto e intervenire prima che diventi un’escalation.

In breve

• L’analisi del sentiment dei clienti trasforma il feedback in una lettura di come si sentono i clienti, non solo di che cosa hanno chiesto.
• Copre i clienti che i sondaggi CSAT non raggiungono, perché i sondaggi raccolgono soprattutto i clienti più soddisfatti e quelli più arrabbiati.
• I quattro tipi che usano i team di assistenza sono l’analisi per aspetti, l’analisi granulare, il rilevamento delle emozioni e l’analisi dell’intento.
• La maggior parte dei team dovrebbe partire dall’analisi delle emozioni e dell’intento sui ticket passati, perché entrambe usano dati che il team ha già.
• Il sentiment funziona meglio accanto ai punteggi QA e all’empatia degli operatori: così vede sia come si è sentito il cliente sia come l’operatore ha gestito la conversazione.

Che cos’è l’analisi del sentiment dei clienti?

L’analisi del sentiment dei clienti è un metodo che i responsabili dell’assistenza usano per valutare il feedback dei clienti in modo rapido e accurato. Esamina il linguaggio dei clienti per stabilire se si sentono in modo positivo, neutro o negativo, e rispetto a che cosa. Il risultato mostra degli schemi nelle reazioni dei clienti, così il team può costruire strategie che migliorano la soddisfazione e l’esperienza del cliente.

In genere l’analisi del sentiment si basa su algoritmi che analizzano dati dei clienti come e-mail, commenti, recensioni, sondaggi e perfino telefonate. Queste fonti servono a valutare il linguaggio usato e a capire che cosa prova il cliente.

Questa analisi aiuta a individuare i problemi dei clienti, le loro preferenze e i punti da migliorare. Aiuta anche i responsabili a trovare tendenze nel feedback e a decidere meglio come rispondere alle esigenze o ai problemi dei clienti. In Kaizo si trova sotto insight e analisi dell’assistenza, accanto alla causa radice e ai report.

Se le interessa la tecnica generale che c’è dietro, al di fuori dell’assistenza clienti, il nostro articolo su che cos’è la sentiment analysis (in inglese) spiega le basi.

Perché l’analisi del sentiment dei clienti è importante?

L’analisi del sentiment dei clienti conta perché non si può offrire un’ottima customer experience senza capire come si sentono i clienti. Mostra che cosa provano i clienti verso un prodotto o un servizio, compresa l’assistenza ricevuta, e permette ai team di assistenza di individuare i problemi prima che diventino più grandi. Seguire il sentiment nel tempo fa emergere le tendenze negative quando c’è ancora tempo per correggerle.

Capire meglio che cosa pensano (e provano) i clienti della sua azienda le permette di prendere decisioni migliori quando progetta e offre l’esperienza. Sapere esattamente che cosa apprezzano o non apprezzano del suo prodotto e del suo servizio significa che potrà:

• Offrire esperienze personalizzate
• Offrire un’assistenza proattiva (in inglese)
• Fare scelte migliori per il futuro del prodotto e degli utenti
• Aumentare il ritorno sull’investimento delle campagne che diversi reparti della sua azienda portano avanti
• Gestire in sicurezza la reputazione del brand ed evitare che i rischi si aggravino

Seguendo il sentiment dei clienti nel tempo, può individuare le tendenze di sentiment negativo e intervenire per tempo. È particolarmente importante perché le permette di anticipare i reclami e mantenere la soddisfazione dei clienti ai massimi livelli.

Quando capiscono come si sentono e che cosa pensano i clienti, i team di assistenza possono anche creare esperienze personalizzate, così che ogni cliente riceva l’aiuto di cui ha bisogno. Nella ricerca CX Trends 2022 di Zendesk, il 90% dei consumatori ha dichiarato di essere disposto a spendere di più con le aziende che personalizzano l’esperienza di assistenza.

In che modo l’analisi del sentiment migliora la customer experience?

L’analisi del sentiment migliora la customer experience mostrando tendenze e schemi che le metriche di assistenza standard nascondono. Aggiunge la storia che sta dietro a un numero come il CSAT, mostra quali problemi frustrano i clienti fin dal primo messaggio e segnala agli operatori quando una risposta rischia di far arrabbiare ancora di più un cliente già arrabbiato. Due responsabili dell’assistenza ci hanno spiegato come la usano.

Craig Stoss, Director of CX Transformation di PartnerHero, dice che il sentiment dei clienti deve confermare, o correggere, le metriche e gli obiettivi che di solito si misurano nell’assistenza:

“Per esempio, quando comunichiamo che il nostro punteggio di soddisfazione del cliente (CSAT) è salito, sappiamo che il CSAT non è del tutto accurato, perché di solito raccoglie i clienti più soddisfatti e quelli più arrabbiati, non quelli che stanno nel mezzo.

“È del tutto possibile che, aggregando il sentiment dei suoi canali social, dei commenti nelle recensioni, dei dati dei ticket o di altre fonti, scopra qualcosa che contraddice le metriche che guarda ogni giorno. Succede perché sta usando un insieme di dati più ampio, senza il filtro di chi risponde ai sondaggi e a domande specifiche e mirate.”

Per Craig, già questo è fondamentale per la loro missione di capire a fondo il cliente e collaborare con lui per creare esperienze positive:

“Il sentiment è importante per la partnership. Quando pensiamo a una conversazione sul valore con i nostri clienti, sappiamo che la cosa più importante non è la metrica, ma la storia che c’è dietro, che cosa faremo sulla base di quella storia per migliorare la metrica e l’impatto di quelle azioni. Mettere tutto questo accanto alla metrica dà più valore a qualsiasi organizzazione di assistenza.”

Se il suo CSAT e i suoi punteggi qualità raccontano storie diverse, la nostra guida su punteggio qualità vs CSAT spiega come leggere lo scarto.

Jaakko Jutila, Vice President of Customer Support di Basware, racconta che, applicando l’analisi del sentiment al primo commento di un cliente e a quelli successivi, il suo team capisce quali problemi specifici frustrano il cliente fin dall’inizio. Queste informazioni diventano decisive per dare priorità allo sviluppo del prodotto, eliminando le funzionalità che frustrano e migliorando l’esperienza complessiva con il prodotto.

Analizzando il sentiment dei clienti, il team di Jaakko indica ai consulenti dell’assistenza se una certa risposta rischia di aumentare la rabbia del cliente, così gli operatori possono comunicare in modo mirato ed efficace.

Jaakko aggiunge che uno dei vantaggi più evidenti è la capacità di prevenire l’escalation dei ticket:

Per il lato delle escalation, veda come i team di assistenza affrontano la qualità nella gestione delle escalation.

Quali sono i tipi di analisi del sentiment dei clienti?

Nell’assistenza clienti esistono quattro tipi principali di analisi del sentiment dei clienti: l’analisi per aspetti, che collega le sensazioni a parti specifiche di un prodotto o servizio; l’analisi granulare, che etichetta parole ed emozioni nel dettaglio; il rilevamento delle emozioni, che legge tono e atteggiamento nelle conversazioni; e l’analisi dell’intento, che capisce che cosa il cliente vuole fare dopo.

Analisi del sentiment per aspetti

Che cos’è:

L’analisi del sentiment per aspetti è una tecnica che la aiuta a capire più a fondo che cosa pensano i clienti di aspetti (o elementi) specifici dei suoi prodotti o servizi. Questo tipo di analisi va oltre la semplice classificazione del feedback in positivo, negativo o neutro, perché le permette di capire quali aspetti precisi piacciono o non piacciono ai clienti.

Questo dà ai team di assistenza una visione più dettagliata di come pensano i clienti. Per esempio, quando riceve un reclamo, l’analisi per aspetti le dice esattamente con quali parti del prodotto o del servizio il cliente ha avuto un problema, a partire dalle parole che usa per descrivere la sua esperienza. Così può individuare e risolvere il problema di fondo di un reclamo prima che la situazione si aggravi. La nostra guida all’analisi della causa radice nel customer care copre questo passo successivo.

Come iniziare:

Per fare un’analisi del sentiment per aspetti, deve prima decidere quali sono gli aspetti principali (elementi o funzionalità) del suo prodotto o servizio a cui tengono i clienti.

Possono essere fattori come funzionalità specifiche, prezzo, usabilità o assistenza clienti. Come responsabile dell’assistenza, vorrà concentrarsi sull’ultimo. Questo però non significa che debba fare questa analisi da solo. Anzi, conviene lavorare insieme agli altri reparti della sua azienda.

Una volta chiariti gli aspetti, nella maggior parte dei casi userà tecniche di machine learning (ML) o di elaborazione del linguaggio naturale (NLP) per analizzare grandi volumi di feedback dei clienti. Le fonti di questi insight comprendono recensioni dei clienti, sondaggi, post sui social e ticket di assistenza.

Analisi del sentiment granulare

Che cos’è:

Immagini di scomporre ogni frase in parole e di classificarle come positive, neutre o negative (in inglese). Analizzando segnali linguistici come emoticon, punteggiatura, parole che ribaltano il senso e intensificatori, un algoritmo di analisi del sentiment granulare può classificare i messaggi dei clienti (perfino telefonate e file audio) in base alle etichette di sentiment su cui è stato addestrato.

Gli insight dell’analisi granulare aiutano i team di assistenza a dare priorità ai problemi, migliorare i processi, adattare le risposte delle FAQ e gli articoli della knowledge base e dare una risposta più mirata alle singole richieste dei clienti.

Come iniziare:

Per fare un’analisi del sentiment granulare le serve un modello addestrato su un ampio insieme di esempi di testo etichettati con emozioni specifiche come paura, soddisfazione, esitazione, rabbia e così via. Può poi applicare questo modello a recensioni, commenti, e-mail, trascrizioni e sondaggi dei clienti.

Il risultato è di solito una serie di evidenziazioni nel testo che mostrano emozioni diverse. In base a queste, può dare priorità alla risposta ai clienti che mostrano emozioni negative forti come la rabbia. Oppure può seguire le emozioni nel tempo per monitorare come reagiscono i clienti a un cambiamento, come aggiornamenti di funzionalità o modifiche all’interfaccia.

Analisi incentrata sul rilevamento delle emozioni

Che cos’è:

Tenere d’occhio le emozioni è forse uno dei tipi più diffusi di analisi del sentiment dei clienti, perché è facile da applicare e non richiede di configurare complicati modelli di AI.

Si tratta semplicemente di analizzare il tono, le emozioni e gli atteggiamenti che i clienti esprimono nel modo in cui interagiscono con la sua azienda attraverso canali come e-mail, social, siti di recensioni o sondaggi e conversazioni in chat.

Qual è quindi l’obiettivo in questo caso? Capire come le persone si sentono davvero rispetto al servizio e all’esperienza che offrono i suoi operatori. Per esempio, scorrere i ticket la aiuta a individuare emozioni negative e opportunità di miglioramento. Così può parlare con i suoi operatori e introdurre pratiche migliori nel modo in cui comunicano e parlano con i clienti.

Come iniziare:

Ciò che conta di più è capire come leggere questi ticket, messaggi, post, recensioni o trascrizioni.

Per esempio, quando i clienti hanno un’esperienza negativa con il suo team di assistenza, spesso sono diretti nell’esprimere frustrazione e delusione, e se serve ricontattano più volte. Ma possono anche usare un linguaggio neutro o perfino positivo per esprimere questa insoddisfazione del cliente. Proprio per questo è meglio fare l’analisi di persona e tenere conto del contesto, prestando particolare attenzione all’insoddisfazione sottile e alle interazioni passate.

Da ricordare: non guardi solo le parole che usano i clienti. Contesto, grammatica, punteggiatura, spaziatura, emoji e perfino segnali non verbali aiutano a riconoscere correttamente le emozioni.

L’analisi dell’intento

Che cos’è:

Vuole sapere esattamente che cosa faranno i clienti dopo, o avere una stima approssimativa di quando saranno pronti ad acquistare? Ecco l’analisi dell’intento.

Questa tecnica aiuta gli operatori a capire l’intento o lo scopo dietro ciò che dice un cliente. Gli operatori possono così dare risposte migliori e più mirate alle richieste dei clienti. In più, è un ottimo strumento se vuole fornire insight aggiuntivi ai team commerciali o di prodotto.

Come iniziare:

L’intento si riconosce basandosi in gran parte sul contesto. I clienti possono perfino usare parole diverse per esprimere lo stesso intento di fondo. Per esempio, un cliente potrebbe chiedere “Potete mandarmi altre foto del prodotto?” oppure “Qual è la vostra politica sui resi?”. Entrambe le domande nascondono una qualche forma di intento d’acquisto. L’unico problema: ognuno di questi clienti potrebbe trovarsi in una fase diversa del ciclo di vita. Ed è proprio qui che il contesto la aiuta a prevedere l’intento più probabile.

Capendo l’intento in ogni fase, gli operatori possono migliorare le risposte per non perdere un potenziale cliente o un cliente. Come responsabile, può esaminare le interazioni passate tra operatori e clienti per analizzare come rispondono i suoi operatori e fare aggiustamenti. Piccoli cambiamenti possono migliorare il tasso di risoluzione alla prima risposta, la produttività degli operatori (in inglese) e il tasso di soddisfazione dei clienti (in inglese).

Come si classificano i messaggi dei clienti come soddisfatti, neutri o insoddisfatti?

Un messaggio di un cliente si classifica leggendo insieme parole, contesto e storico, e assegnandogli poi un’unica etichetta: soddisfatto, neutro o insoddisfatto. Le sole parole ingannano, perché i clienti scontenti spesso scrivono in modo cortese. Guardi i contatti ripetuti, i solleciti e che cosa chiede il cliente dopo, ed etichetti la conversazione, non una sola frase.

Ecco un esempio illustrativo di tre messaggi di assistenza e di come li etichetterebbe un revisore:

La terza riga è quella che gli strumenti basati sulle parole chiave tendono a non cogliere. È il problema del “linguaggio neutro o perfino positivo” visto nella sezione sul rilevamento delle emozioni, ed è il motivo per cui il contesto conta più di qualsiasi singola parola.

Come misura Kaizo il sentiment dei clienti e l’empatia?

Kaizo valuta il sentiment dei clienti e l’empatia degli operatori sul 100% delle conversazioni di assistenza, su ogni messaggio e non su un campione. I responsabili possono filtrare le conversazioni con un andamento negativo, vedere come hanno risposto gli operatori e giudicare se sono stati abbastanza empatici. La frustrazione emerge così come una tendenza su cui intervenire, non come una disdetta.

Con Kaizo può partire dai ticket per analizzare il sentiment dei clienti, vedere come gli operatori rispondono ai ticket, capire se sono stati abbastanza empatici e molto altro.

La metrica Customer Sentiment di Kaizo è uno strumento prezioso per valutare la soddisfazione dei clienti e migliorare la qualità del servizio. Offre insight sull’esperienza complessiva del cliente e aiuta a individuare dove le cose potrebbero essere andate storte.

A differenza di misure tradizionali come il CSAT, questa metrica va oltre le valutazioni superficiali e usa l’elaborazione del linguaggio naturale per analizzare il sentiment dietro le interazioni con i clienti.

Rilevando presto il sentiment negativo, permette di individuare i problemi in modo proattivo e di agire rapidamente per affrontare i dubbi dei clienti e garantirne la soddisfazione. La metrica mette in luce anche i punti di forza e i bisogni formativi degli operatori, consentendo un coaching mirato e prestazioni migliori.

La metrica Empathy Score di Kaizo serve a valutare e misurare il livello di empatia che gli operatori dimostrano durante le interazioni. Mantenere un approccio professionale, empatico e positivo è fondamentale per gli operatori, anche nelle situazioni difficili.

L’Empathy Score basato sull’AI fornisce misurazioni oggettive dell’empatia, garantendo valutazioni coerenti tra interazioni e operatori diversi. Genera insight basati sui dati analizzando schemi linguistici, sentiment e tono, così il team QA può individuare i punti di forza e le aree in cui potrebbe servire più formazione. Gli operatori ricevono feedback in base al loro punteggio di empatia, che li aiuta a migliorare le proprie competenze. Per capire come il sentiment entra in una scheda di valutazione, legga il nostro articolo sul punteggio del sentiment nel QA (in inglese).

È in questo ciclo di feedback che si vede il risparmio di tempo. EverHelp (caso in inglese), un BPO con oltre 400 esperti di assistenza, genera in Kaizo schede di coaching per ogni operatore a partire dalle sue conversazioni, e la preparazione del coaching è diminuita del 75% in sedici domini.

Veda come funziona sulle sue conversazioni. Valuteremo il sentiment su un campione delle sue conversazioni e le mostreremo gli schemi. Prenota una demo.

Come si inizia con l’analisi del sentiment nell’assistenza clienti?

Parta dai ticket di assistenza passati. Scelga le conversazioni che sono state difficili o hanno richiesto più tempo del solito, scelga uno o due tipi di analisi del sentiment e cerchi schemi in come si sono sentiti i clienti e in come hanno risposto gli operatori. Un mix di analisi delle emozioni e dell’intento è il primo passo più semplice, perché usa dati che ha già.

Se c’è una cosa da ricordare adesso, è che migliorare la customer experience (in inglese) significa aiutare i suoi operatori a crescere. Ma può capire quali soft skill o competenze tecniche vanno sviluppate solo guardando come interagiscono con i clienti.

E poi c’è la seconda parte: capire il sentiment, le esigenze e i problemi dei clienti per adattare meglio le interazioni future.

Per avere un buon quadro del sentiment dei clienti (e, già che c’è, delle prestazioni degli operatori), inizi analizzando i ticket di assistenza passati. Scelga ticket che sono stati difficili o che hanno richiesto più tempo del solito per essere chiusi. Poi sta a lei decidere quale tipo di analisi del sentiment usare.

Può scegliere di fare tutti e quattro i tipi di analisi del sentiment dei clienti, ma non è una buona soluzione se cerca risultati rapidi. Consigliamo di partire con un mix di analisi delle emozioni e dell’intento, perché sono più facili da applicare e richiedono risorse che ha già, come l’accesso ai ticket di assistenza, alle recensioni dei clienti o ai sondaggi.

Quando l’analisi del sentiment dei clienti non è lo strumento giusto?

L’analisi del sentiment dei clienti non è lo strumento giusto quando ha troppo poco feedback per far emergere uno schema, o quando deve sapere se un operatore ha seguito una procedura. Un team che gestisce pochi ticket a settimana impara di più leggendoli tutti. Il sentiment dice come si è sentito il cliente, non se la risposta era corretta.

Alcuni limiti onesti da tenere a mente:

• Volumi bassi. Con qualche decina di conversazioni a settimana, le legga lei. L’analisi automatica del sentiment aggiunge poco quando può vedere ogni ticket.
• Insoddisfazione cortese. I clienti possono usare parole neutre o perfino positive pur essendo scontenti, quindi un’etichetta di sentiment senza contesto può trarre in inganno.
• Correttezza e conformità. Un cliente soddisfatto può comunque aver ricevuto una risposta sbagliata. È questo che controlla una scheda di valutazione QA, non il sentiment.
• Nessun piano d’azione. I dati sul sentiment rendono solo se qualcuno si occupa del seguito: coaching, una correzione al prodotto o un cambio di processo.

Quando è pronto a collegare il sentiment alla causa radice e ai report, parta dagli insight e analisi dell’assistenza di Kaizo, oppure prenoti una demo per vederlo sui suoi ticket.

Domande frequenti

Qual è un esempio di analisi del sentiment dei clienti?

Un responsabile dell’assistenza rivede i ticket del mese scorso ed etichetta ciascuno come soddisfatto, neutro o insoddisfatto. Un messaggio come “Grazie. È la terza volta che chiedo del mio rimborso” viene etichettato come insoddisfatto nonostante il tono cortese, perché è un contatto ripetuto. Raggruppando poi le etichette per argomento si vede quali problemi frustrano di più i clienti.

Quali fonti di dati usa l’analisi del sentiment dei clienti?

Usa qualsiasi luogo in cui i clienti si esprimono con parole proprie: ticket di assistenza, conversazioni in chat, e-mail, sondaggi, recensioni online, post sui social e trascrizioni. Un insieme più ampio di fonti dà un quadro più completo, perché le risposte ai sondaggi arrivano solo dai clienti che scelgono di rispondere.

L’analisi del sentiment dei clienti è la stessa cosa del CSAT?

No. Il CSAT è un punteggio che i clienti danno quando rispondono a un sondaggio, e di solito raccoglie i clienti più soddisfatti e quelli più arrabbiati. L’analisi del sentiment dei clienti legge le conversazioni stesse, quindi copre anche i clienti nel mezzo, che non rispondono mai a un sondaggio.

L’analisi del sentiment può prevenire le escalation?

Può aiutare. Quando il sentiment negativo viene rilevato presto in una conversazione, un responsabile o un operatore può intervenire finché il problema è ancora recuperabile. Il team di assistenza di Basware usa il sentiment per segnalare agli operatori quando una certa risposta rischia di far arrabbiare ancora di più un cliente già arrabbiato.

Da quale tipo di analisi del sentiment dei clienti conviene partire?

Parta da un mix di rilevamento delle emozioni e analisi dell’intento. Entrambi sono più facili da applicare dell’analisi per aspetti o granulare, ed entrambi usano risorse che ha già, come ticket di assistenza, recensioni dei clienti e sondaggi.

In che modo l’analisi del sentiment aiuta il coaching degli operatori?

Il sentiment mostra come si sono sentiti i clienti nelle conversazioni con ciascun operatore, e il punteggio di empatia mostra come ha risposto l’operatore. Insieme indicano conversazioni specifiche su cui fare coaching, così il feedback si basa su elementi concreti e non su un’impressione generale.

Letture correlate

• Che cos’è la sentiment analysis? (in inglese)
• Che cos’è la conversation intelligence? (in inglese)
• Che cos’è l’analisi delle conversazioni? (in inglese)
• Software di conversation intelligence: guida all’acquisto (in inglese)
• Le metriche AI per il customer care che contano