Vai al contenuto

Guida

Che cos'è il text analytics? Come funziona, con esempi

Che cos'è il text analytics? Come trasforma ticket, chat ed email in argomenti, sentiment e intento, con esempi dal customer care e dal QA.

· Aggiornato · 6 min di lettura

Revisionato da Dominik Blattner, fondatore di Kaizo

Che cos’è il text analytics? È l’analisi automatica dei testi scritti, come ticket, chat ed email, per estrarre su larga scala argomenti, sentiment e intento. Permette a un team di assistenza di capire ogni conversazione scritta invece di un piccolo campione, ed è la metà scritta dell’analisi delle conversazioni.

In breve

  • Il text analytics trasforma il linguaggio non strutturato in dati da misurare e cercare.
  • Funziona in quattro passi: raccogliere, pulire, classificare, poi riportare.
  • Nel controllo qualità dell’assistenza fa emergere i momenti di qualità e di coaching.
  • Nella CX mostra che cosa chiedono i clienti e come si sentono.
  • Gli strumenti migliori collegano ogni punteggio alle parole esatte che lo hanno generato.

Come funziona il text analytics

Il text analytics raccoglie le conversazioni scritte, pulisce il testo, lo classifica con l’elaborazione del linguaggio naturale e riporta i risultati come campi che un team può filtrare e seguire nel tempo.

Passo 1: raccogliere il testo

Il testo arriva da dove le conversazioni si trovano già: l’helpdesk, lo strumento di chat, la casella email, i commenti ai sondaggi o i siti di recensioni. Poiché funziona in automatico su questi sistemi, il text analytics può elaborare in continuo l’intero volume di ticket e chat, invece della piccola percentuale che un team riuscirebbe a leggere a mano.

Passo 2: pulirlo e strutturarlo

Le conversazioni grezze contengono firme, risposte citate, risposte automatiche ed errori di battitura. Il testo viene diviso in messaggi, per ogni messaggio si indica l’autore (cliente o operatore) e si elimina il rumore, così l’analisi legge ciò che è stato detto davvero.

Passo 3: classificare con l’elaborazione del linguaggio naturale

I modelli linguistici classificano poi ogni messaggio o conversazione: lo raggruppano per argomento, valutano il sentiment come positivo, neutro o negativo e rilevano l’intento del cliente, per esempio una richiesta di rimborso, la segnalazione di un bug o una disdetta. I sistemi più vecchi si basavano su regole di parole chiave; i modelli attuali leggono il contesto, quindi è meno probabile che sfugga il messaggio cortese di un cliente scontento.

Passo 4: riportare e agire

Il risultato sono dati strutturati: conteggi per argomento, andamenti del sentiment e quote di intento che un team può filtrare e approfondire. Il passo utile è l’ultimo, quando ogni schema si apre sulle conversazioni che lo hanno generato e arriva a qualcuno che può risolverlo.

Che cosa estrae il text analytics

Il text analytics converte la scrittura libera in cinque tipi di segnale: argomenti, sentiment, intento, qualità e tendenze, che un team può filtrare e usare per agire.

SegnaleChe cosa rilevaEsempio nell’assistenza
ArgomentiI temi per cui i clienti scrivono, raggruppati in automatico“Fatturazione”, “accesso”, “ritardo di consegna”
SentimentSe il tono del cliente è positivo, neutro o negativoFrustrazione in aumento nei ticket sulle consegne
IntentoChe cosa vuole il cliente: un rimborso, una correzione, una disdetta e altroRichieste di disdetta in aumento dopo un cambio di prezzo
QualitàQuanto la risposta scritta di un operatore rispetta i suoi criteriPassaggio di verifica mancante nelle modifiche all’account
TendenzeCome argomenti e sentiment cambiano nel tempoUn nuovo argomento che compare dopo un rilascio

Il text analytics nel customer care

Nel customer care il text analytics legge ogni ticket, chat ed email per mostrare perché i clienti scrivono, come si sentono e quanto bene hanno risposto gli operatori, così i team QA e CX lavorano sull’intero volume.

Nel controllo qualità dell’assistenza, il text analytics è ciò che rende possibile valutare le conversazioni scritte su larga scala, valutando ticket e chat con una scheda di valutazione e facendo emergere i momenti su cui vale la pena fare coaching. Nella customer experience rivela la voce del cliente (in inglese) nel suo insieme: i motivi ricorrenti per cui le persone scrivono, dove il sentiment sta peggiorando e quali problemi stanno crescendo.

Ecco come appare in pratica per tre domande frequenti di un responsabile dell’assistenza:

DomandaChe cosa mostra il text analyticsPasso successivo
Perché il volume dei ticket è salito la settimana scorsa?Un argomento, “reimpostazione password”, è raddoppiato dopo un rilascioMandare esempi al prodotto, pubblicare un articolo di aiuto
Quali clienti stanno per abbandonare?Intento di disdetta e sentiment negativo negli stessi accountPassare quelle conversazioni a un operatore senior
Dove serve coaching agli operatori?Punteggi di qualità bassi su un criterio nelle chat sulla fatturazioneCoaching su quel criterio con esempi reali

Kaizo applica tutto questo alle conversazioni di assistenza: valuta ogni chiamata, chat ed email con i suoi criteri, segue sentiment ed empatia sul 100% dei messaggi e mostra se un calo nasce da un processo che non funziona, da un attrito nel prodotto o da una lacuna di competenze. Per il passaggio dai risultati alle correzioni, legga la nostra guida agli insight del customer care.

Text analytics, text mining, analisi del sentiment e speech analytics

Il text analytics è il termine ombrello per l’analisi del linguaggio scritto; l’analisi del sentiment è uno dei suoi risultati, il text mining è quasi un sinonimo e lo speech analytics fa lo stesso lavoro per le chiamate.

TermineChe cosa faChe rapporto ha con il text analytics
Text miningTrova schemi in grandi volumi di testoSpesso usato come sinonimo; alcuni lo riservano alla fase di ricerca degli schemi
Analisi del sentiment (in inglese)Valuta il tono di un messaggioUno dei risultati del text analytics
Speech analyticsAnalizza le chiamate registrate, di solito dopo la trascrizioneLa controparte vocale
Conversation intelligence (in inglese)Legge voce e testo fianco a fianco e aggiunge flussi di lavoroSi basa su text analytics e speech analytics

Termini correlati

Parta da una domanda a cui i suoi ticket dovrebbero rispondere

Scelga una domanda dalla tabella qui sopra, per esempio perché il volume è salito la settimana scorsa, e verifichi se i suoi report attuali riescono a rispondere partendo dal testo stesso. Se non ci riescono, in una demo dal vivo su dati di esempio le mostreremo come Kaizo legge ogni conversazione scritta e collega ogni numero ai messaggi che lo hanno generato.

Parliamone Scopri Kaizo Insights

Domande frequenti

Il text analytics è la stessa cosa dell’analisi del sentiment?

No. L’analisi del sentiment è una parte del text analytics e valuta il tono di un messaggio come positivo, neutro o negativo. Il text analytics è più ampio: estrae dalle conversazioni scritte anche argomenti, intenti e segnali di qualità, e mostra come cambiano nel tempo. La maggior parte degli strumenti di text analytics include il sentiment come uno dei vari risultati.

In che cosa il text analytics è diverso dallo speech analytics?

Il text analytics legge testi scritti come ticket, chat ed email. Lo speech analytics lavora sulla voce e trascrive le chiamate prima di analizzarle. Una volta trascritta la chiamata, le stesse tecniche valgono per entrambi. La conversation intelligence li combina, così un team può vedere lo stesso problema di un cliente su tutti i canali in cui è stato sollevato.

Che cosa fa il text analytics per i team di assistenza?

Permette a un team di misurare ogni conversazione scritta invece di un campione manuale. Fa emergere i punteggi di qualità per il QA, gli argomenti e gli intenti sollevati dai clienti e l’andamento del sentiment in tutta la coda. Così una sensazione come “i ticket sulla fatturazione sembrano più arrabbiati” diventa un numero da seguire nel tempo e su cui agire.

Il text analytics funziona in più lingue?

Il text analytics moderno basato su modelli linguistici di grandi dimensioni può classificare argomenti, sentiment e intento in molte lingue, così un team di assistenza internazionale può leggere tutto il suo volume scritto allo stesso modo in ciascuna lingua. All’inizio verifichi i risultati in ogni lingua con un madrelingua, perché la precisione varia in base alla lingua e alla quantità di dati.

Quali segnali estrae il text analytics dai ticket?

Cinque principali: gli argomenti per cui i clienti scrivono, il sentiment del loro tono, l’intento (rimborso, correzione, disdetta), la qualità della risposta scritta dell’operatore rispetto ai suoi criteri e le tendenze di argomenti e sentiment nel tempo.

In questa pagina

Letture correlate

Lo veda in una demo dal vivo

Le presenteremo Kaizo con conversazioni di esempio realistiche, così vedrà l'esempio valutato, spiegato e trasformato in coaching.

Scelto da team di assistenza clienti in tutto il mondo

  • Foot Locker
  • Canva
  • GetYourGuide
  • Instacart
  • BlaBlaCar
  • UiPath