Sentimentanalyse-tools lezen berichten, telefoongesprekken of reviews van klanten en labelen de toon als positief, negatief of neutraal, vaak met een score. Voor een supportteam hangt de juiste tool af van waar je gesprekken staan, welke kanalen je nodig hebt en of sentiment naast je QA-scores moet staan of naast je enquête- en reviewdata.
In het kort
- Begin met waar je op let: databron, kanalen, bewijs, oorzaakanalyse en waar de resultaten terechtkomen.
- De shortlist hieronder bevat acht opties: analytics gebouwd op QA, gespreksanalyse voor contactcenters, platforms voor feedbackanalyse en cloud-API’s.
- Elke tool krijgt dezelfde drie controles: wat hij doet, sterke punten en grenzen, en het prijsmodel, allemaal van de eigen website van de leverancier.
- Een scoreformulier en een uitgewerkte nauwkeurigheidscontrole helpen je kiezen en de tool daarna te controleren zodra hij live is.
- In de EU is het volgen van de emoties van werknemers aan de hand van hun stem een verboden praktijk; sentiment uit geschreven tekst wordt anders behandeld.
Openheid: Kaizo is ons product. We nemen het op waar het past en zeggen wat de andere tools beter doen. Voor de feiten hieronder hebben we op 4 november 2026 de eigen website van elke leverancier gelezen, en we hebben geen beoordelingen van reviewsites gebruikt. Functies veranderen, dus controleer alles wat cruciaal is bij de leverancier.
Heb je eerst de definities nodig, dan legt onze gids over sentimentanalyse in de klantenservice uit hoe sentimentanalyse werkt en waar ze tekortschiet. Hoe Kaizo sentimentanalyse op elk supportbericht scoort, zie je op de productpagina.
Waar je op let bij sentimentanalyse-tools
Let op vijf dingen: de tool leest je echte databron, dekt elk kanaal dat je gebruikt, toont de regels achter elk label, scheidt oorzaken van symptomen en zet resultaten waar iemand erop handelt.
| Wat je controleert | Waarom het telt voor support | Vraag voor de leverancier |
|---|---|---|
| Databron | Tools die voor reviews en enquêtes zijn gebouwd, zien een andere klant dan tools die voor tickets en telefoongesprekken zijn gebouwd | Met welke van onze bronnen maak je native verbinding? |
| Kanalen | Een tool die sterk is op telefoon kan mager zijn op chat en e-mail, en omgekeerd | Is sentiment op een chat even betrouwbaar als op een telefoongesprek? |
| Analyse-eenheid | Een label per gesprek verbergt het moment waarop de toon omsloeg | Scoor je per bericht, per zin of per gesprek? |
| Bewijs | Een negatief label dat niemand naar een regel kan herleiden, wordt niet vertrouwd | Laat me de regels achter dit label zien |
| Oorzaak en context | Sentiment vertelt je hoe het voelde, niet waarom | Kan ik sentiment zien per contactreden, team of QA-criterium? |
| Kant van de medewerker | Klantsentiment en empathie van de medewerker zijn verschillende metingen | Meet je de kant van de medewerker, en hoe? |
| Talen | De nauwkeurigheid daalt vaak buiten het Engels | Welke talen ondersteun je specifiek voor sentiment? |
| Waar resultaten heen gaan | Een melding waar niemand eigenaar van is, is ruis | Kan de tool filteren, melden of exporteren naar het team dat handelt? |
Eén test prikt door de meeste demo’s heen: vraag de leverancier een negatief gesprek te openen en precies te laten zien welke regels het label bepaalden. Onze gids over sentimentscores in kwaliteitscontrole beschrijft hoe een bruikbaar sentimentsignaal eruitziet binnen een kwaliteitsprogramma.
De shortlist in één oogopslag
Deze tabel geeft per tool de beste toepassing en het prijsmodel volgens de eigen site; geen van de leveranciers noemt voor deze producten een vanafprijs op de pagina’s die we lazen.
| Tool | Type | Beste voor | Prijsmodel |
|---|---|---|---|
| Kaizo | Gespreksanalyse gebouwd op QA | Supportteams die sentiment naast QA-scores willen op telefoon, chat en e-mail | Per seat, offerte op aanvraag |
| CallMiner | Conversation intelligence voor contactcenters | Contactcenters met veel telefoonverkeer die akoestische signalen en realtime begeleiding willen | Op aanvraag |
| Qualtrics (contactcenter) | Pakket voor experience management | Grote organisaties die al enquêtes in Qualtrics draaien | Abonnementen, op aanvraag |
| Medallia | Pakket voor experience management | Grote organisaties die al Medallia gebruiken en text analytics over kanalen heen willen | Op aanvraag |
| SentiSum | Analytics voor supporttickets | Teams op Zendesk, Freshdesk, Gorgias of Intercom die tags per oorzaak willen | Schaalt met kanalen, gebruikers en ticketvolume |
| Chattermill | Analyse van klantfeedback | CX-teams die tickets combineren met enquêtes en reviews | Demo; geen prijs per gebruiker |
| Thematic | Analyse van klantfeedback | Insightteams die thema’s willen die herleidbaar zijn tot letterlijke citaten | Demo |
| Cloud NLP-API’s | Bouwstenen voor ontwikkelaars | Teams met engineers die hun eigen pipeline bouwen | Betalen per gebruik, openbare prijslijsten |
1. Kaizo: het beste voor sentiment naast QA-scores
Kaizo is het beste voor supportteams die sentiment, empathie en QA-scores op dezelfde gesprekken willen, omdat het elk telefoongesprek, elke chat en elke e-mail tegen je eigen criteria scoort.
Wat het doet
Volgens de sentimentpagina van Kaizo worden klantsentiment en empathie van medewerkers in 100% van de berichten gescoord, zodat frustratie als trend zichtbaar wordt.
Je kunt filteren op negatief sentiment, veel heropende tickets of lage CSAT om gesprekken te vinden die de verkeerde kant op gaan, en grondoorzaakanalyse laat zien of een dip komt door een kapot proces, frictie in het product of een vaardigheidstekort. Kaizo heeft native apps voor Zendesk en Salesforce, en koppelt eigen CRM-systemen via een connector, de API of een CSV-import.
Sterke punten en grenzen
De sterkte is context: een negatief gesprek komt met zijn QA-score en het criterium dat niet gehaald werd, zodat je een productprobleem kunt onderscheiden van een coachingsbehoefte.
De grens zit in timing en reikwijdte. Kaizo analyseert een gesprek zodra het is afgelopen, dus het geeft medewerkers geen live sentimentaanwijzingen tijdens een gesprek, en het werkt op helpdeskgesprekken, niet op app-reviews of berichten op sociale media. Zijn dat je belangrijkste bronnen, dan past een van de platforms voor feedbackanalyse hieronder beter.
Prijs
Volgens de prijspagina van Kaizo worden alle abonnementen per seat gefactureerd, met drie abonnementen en een exacte offerte op aanvraag. Er is geen proefversie om zelf te starten; je ziet het product in een live demo met voorbeelddata.
2. CallMiner: het beste voor contactcenters met veel telefoonverkeer
CallMiner is het beste voor grote contactcenters waar het meeste volume telefonisch binnenkomt, omdat het akoestische signalen uit de stem van de spreker combineert met de gesproken woorden en realtime begeleiding voor medewerkers biedt.
Wat het doet
De pagina over sentimentanalyse van CallMiner (in het Engels) zegt dat het sentiment scoort door “de akoestische kenmerken van de stem van een spreker te combineren met de context van het gesprek”, met signalen zoals spreektempo en stress. Volgens de homepage legt het platform alle omnichannel-interacties vast en analyseert het ze, waaronder telefoongesprekken, e-mails, tekstberichten en enquêtes, en noemt het realtime begeleiding voor medewerkers.
Sterke punten en grenzen
Akoestische analyse vangt toon op die een transcript mist, een punt dat we behandelen in wat speech analytics is, en realtime aanwijzingen zijn iets wat tools die na het gesprek werken niet bieden.
De keerzijde is dat een platform dat op telefonie is gericht een grotere implementatie vraagt, en dat in de EU het afleiden van emoties uit de stem van je eigen medewerkers onder het verbod van de AI-verordening valt dat we hieronder behandelen. Beperk het dus tot klanten.
Prijs
CallMiner publiceert geen prijzen op zijn homepage en verwijst kopers naar sales of een demoaanvraag.
3. Qualtrics: het beste voor teams die al Qualtrics gebruiken
Qualtrics is het beste voor grote organisaties die hun enquêtes al in Qualtrics draaien en contactcentergesprekken willen laten analyseren in hetzelfde programma voor experience management.
Wat het doet
De contactcenterpagina van Qualtrics (in het Engels) zegt dat de natuurlijke taalverwerking empathie, naleving van het script en sentiment beoordeelt, processen met veel klantinspanning signaleert en alle interacties met AI kan monitoren en scoren, met meer dan 150 vooraf gebouwde modellen. Het werkt met on-premise-, CCaaS- en zelfgebouwde systemen.
Sterke punten en grenzen
De sterkte is dat enquêtedata en gespreksdata in één programma samenkomen, wat past bij organisaties waar het CX-team al eigenaar is van Qualtrics. De grens is het gewicht: het is een groot pakket, en een supportteam dat alleen sentiment op zijn helpdeskgesprekken nodig heeft, gebruikt er misschien maar een klein deel van.
Prijs
De pagina verwijst naar flexibele prijsabonnementen, maar toont geen bedragen.
4. Medallia: het beste voor teams die al Medallia gebruiken
Medallia is het beste voor grote organisaties die Medallia al gebruiken voor feedback over de klantervaring en text analytics willen, inclusief sentiment en inspanning, over dezelfde kanalen.
Wat het doet
De pagina over text analytics van Medallia (in het Engels) zegt dat het natuurlijke taalbegrip “thema’s, sentiment, empathie en genuanceerde emoties in tientallen talen en dialecten” analyseert, met sentiment, empathie en inspanning als standaardmetingen die je kunt aanpassen. Ze noemt meldingen bij verschuivingen in inspanning en risico, geautomatiseerde scoring van medewerkers en prioritering van tickets.
Sterke punten en grenzen
Taaldekking en vooraf gebouwde branchemodellen zijn de sterke punten, plus low-code-onderwerpmodellen voor teams zonder datawetenschappers. De grens lijkt op die van Qualtrics: de waarde is het grootst als Medallia al je platform voor klantervaring is.
Prijs
De pagina beschrijft niet hoe text analytics wordt geprijsd.
5. SentiSum: het beste voor tickettags per oorzaak
SentiSum is het beste voor supportteams op helpdesks zoals Zendesk, Freshdesk, Gorgias of Intercom die tickets willen laten taggen op onderwerp, oorzaak en sentiment zonder met de hand een taxonomie te bouwen.
Wat het doet
De pagina over sentimentanalyse van SentiSum (in het Engels) beschrijft automatische positieve, negatieve en neutrale tags op supporttickets. Volgens de homepage brengt het tickets, chats, telefoongesprekken, reviews en enquêtes samen, classificeert het problemen op oorzaak, rangschikt het ze op impact en stuurt het ze door naar teams, en scoort een Quality Agent alle gesprekken.
Sterke punten en grenzen
Het brede aanbod aan helpdeskintegraties is een sterkte voor teams buiten het duo Zendesk en Salesforce, en het terugschrijven van tags naar de helpdesk helpt bij routering. QA-scoring is voor het bedrijf nieuwer terrein dan taggen, dus ga na hoe ver je de scorecard naar je eigen criteria kunt vormen.
Prijs
Volgens de homepage “schaalt de prijs met kanalen, gebruikers en ticketvolume”, met abonnementen voor de middenmarkt en voor grote organisaties.
6. Chattermill: het beste voor tickets plus enquêtes en reviews
Chattermill is het beste voor CX- en voice-of-the-customer-teams die supporttickets samen met enquêtes, reviews en feedback van sociale media willen analyseren, gerangschikt op impact op hun metrics.
Wat het doet
De homepage van Chattermill (in het Engels) zegt dat het “al je enquêtes, reviews, tickets en telefoongesprekken analyseert en problemen rangschikt op impact op je metrics”, feedback in thema’s met sentiment tagt, en meer dan 65 native integraties biedt, waaronder Zendesk, Intercom, Salesforce, Qualtrics en Trustpilot.
Sterke punten en grenzen
Het ziet de klanten die nooit contact opnemen met support, wat een helpdesktool niet kan. Chattermill zegt zelf slecht te passen bij teams die niet consequent meer dan 5.000 feedbackitems per maand verzamelen, en het is geen QA-tool, dus scoring per medewerker zit elders.
Prijs
Via een demo, en volgens de homepage zonder prijs per gebruiker.
7. Thematic: het beste voor thema’s die je tot citaten kunt herleiden
Thematic is het beste voor onderzoeks- en insightteams die thema’s willen die uit de eigen woorden van klanten zijn opgebouwd in plaats van uit een vaste lijst, met elk thema herleidbaar tot de opmerkingen erachter.
Wat het doet
De homepage van Thematic (in het Engels) zegt dat het thema’s opbouwt uit de taal van klanten, “geen vooraf bepaalde taxonomie”, sentiment per thema toont, en enquêtes, supporttickets, transcripten uit het callcenter, app-reviews en CRM-notities verwerkt, met ingebouwde verwijdering van persoonsgegevens (PII) en vertaling.
Sterke punten en grenzen
De sterkte is de herleidbaarheid van thema naar letterlijk citaat, en dat maakt de analyse geloofwaardig voor productteams. Het is een analyselaag voor insightteams, geen tool die teamleiders in support dagelijks op afzonderlijke gesprekken gebruiken. Onze uitleg over text analytics in de klantenservice behandelt de methode achter het herkennen van thema’s.
Prijs
Via een demo; de homepage toont geen prijzen.
8. Cloud NLP-API’s: het beste om zelf te bouwen
Cloud-API’s van Google, Amazon en Microsoft zijn het beste voor teams met engineers die sentiment als bouwsteen in hun eigen datapipeline willen en de dashboards, koppelingen en meldingen zelf bouwen.
Wat het doet
Google Cloud Natural Language (in het Engels) geeft een score van -1,0 tot 1,0 plus een magnitude voor de sterkte van de emotie, en kan sentiment per entiteit scoren. Amazon Comprehend (in het Engels) geeft positief, negatief, gemengd of neutraal, met een betrouwbaarheidsscore voor elk. Sentimentanalyse in Azure Language (in het Engels) geeft labels met betrouwbaarheidsscores op zins- en documentniveau, plus opinion mining per aspect.
Sterke punten en grenzen
Je bepaalt zelf over de data en de kosten per bericht, en de uitvoer voedt alles wat je bouwt. Je bouwt ook al het andere: connectors, de koppeling met contactredenen en QA, de interface en de opvolging. Houd ook rekening met verandering: Microsoft zegt dat sentimentanalyse en opinion mining op 31 maart 2029 uit Azure Language verdwijnen, en dat nieuwe projecten naar Microsoft Foundry worden verwezen.
Prijs
Betalen per gebruik, met openbare prijslijsten op de site van elke aanbieder.
Zo kies je: een scoreformulier
Geef elke tool op je shortlist een score van 1 tot 5 per criterium, vermenigvuldig met het gewicht en tel op; stem de gewichten af op je situatie vóór de demo’s, niet erna.
| Criterium | Gewicht (voorbeeld voor een supportteam) | Tool A | Tool B | Tool C |
|---|---|---|---|---|
| Native koppeling met onze belangrijkste databron | 25% | |||
| Dekt al onze kanalen even diep | 20% | |||
| Toont de regels achter elk label | 15% | |||
| Koppelt sentiment aan contactreden, team en QA | 15% | |||
| Meting aan de kant van de medewerker (empathie) | 10% | |||
| Talen die wij ondersteunen | 10% | |||
| Resultaten komen bij de mensen die handelen | 5% |
Achter de gewichten zit een eenvoudige beslisregel.
Gaan je vragen over sentiment over supportgesprekken en coaching, geef dan databron en koppeling met QA het hoogste gewicht.
Gaan ze over je hele klantenbestand, inclusief mensen die nooit contact opnemen, geef dan enquêtes en reviews het hoogste gewicht en verwacht dat een platform voor feedbackanalyse wint. Voor een vollediger evaluatieplan voegt onze koopgids voor conversation intelligence de vragen over beveiliging, implementatie en kosten toe.
Zo controleer je de nauwkeurigheid van sentiment zodra een tool live is
Laat twee mensen een willekeurige set gesprekken labelen en vergelijk de labels van de tool met de hunne, met de meeste aandacht voor hoeveel echt negatieve gesprekken de tool ving.
De getallen hieronder zijn een illustratief voorbeeld dat we zelf hebben berekend, geen resultaten van een leverancier.
De steekproef. Twee beoordelaars labelen 200 recente gesprekken als positief, neutraal of negatief en lossen meningsverschillen samen op. Ze zijn het erover eens dat 40 gesprekken negatief zijn.
De vergelijking. De tool komt op 158 van de 200 gesprekken overeen met de beoordelaars: 79% overeenstemming in totaal. Hij markeert 45 gesprekken als negatief, en 30 daarvan horen bij de 40 van de beoordelaars.
Wat het betekent. De tool vangt 30 van de 40 negatieve gesprekken (75%), en 30 van zijn 45 negatieve markeringen zijn juist (67%). De 79% in totaal ziet er goed uit, maar één op de vier ontevreden klanten wordt gemist en één op de drie meldingen is vals alarm.
Lees de missers voordat je iets verandert. Sarcasme, gemengde berichten (“bedankt, maar dit is al de derde keer”) en gesprekken in een andere taal dan het Engels zijn de gebruikelijke oorzaken. Herhaal de controle elk kwartaal en na elke wijziging in het model of je kanalen. Onze uitleg over hoe nauwkeurig AI-kwaliteitsbeoordeling is gebruikt dezelfde logica van overeenstemming voor QA-scores.
Sentiment, emotie en de EU AI-verordening
Volgens de EU AI-verordening is het afleiden van emoties van werknemers uit biometrische gegevens, zoals hun stem, sinds 2 februari 2025 verboden; sentiment uit geschreven tekst valt buiten dat verbod.
Het verbod staat in artikel 5, lid 1, onder f), van de AI-verordening (AI Act), en het overzicht van de AI Act van de Europese Commissie (in het Engels) noemt “emotieherkenning op de werkplek en in onderwijsinstellingen” bij de praktijken die sinds februari 2025 verboden zijn.
De richtsnoeren van de Commissie over verboden praktijken van februari 2025, die richtinggevend zijn en geen wet, geven een callcenter dat stemherkenning gebruikt om de emoties van zijn werknemers te volgen als voorbeeld van een verboden praktijk. Volgens de samenvatting van die richtsnoeren door CMS (in het Engels) vallen het volgen van de emoties van klanten via hun stem en het afleiden van emoties uit geschreven tekst buiten het verbod.
Dat heeft twee praktische gevolgen voor een supportteam in de EU. Zet geen emotieherkenning op basis van de stem aan voor je medewerkers; beperk akoestische functies tot de kant van de klant. En vanaf 2 augustus 2026 moeten gebruiksverantwoordelijken van systemen voor emotieherkenning de mensen die eraan worden blootgesteld daarover informeren, op grond van artikel 50, lid 3. Dit is een samenvatting, geen juridisch advies, dus laat je opzet controleren door een jurist.
Zo begin je met het kiezen van een sentimentanalyse-tool
Schrijf eerst de ene beslissing op die sentiment moet verbeteren, zoals welke gesprekken een teamleider als eerste bekijkt, en zet daarna alleen de tools op je shortlist die koppelen met de data achter die beslissing.
Gaat de beslissing over supportgesprekken, coaching en kwaliteit, begin dan met tools die sentiment naast je QA-scores zetten. Bekijk in een live demo met voorbeelddata hoe Kaizo sentiment en empathie in elk bericht scoort. Plan een gesprek.
Veelgestelde vragen
Kan ChatGPT sentimentanalyse doen?
Ja. Een groot taalmodel kan het sentiment van een bericht labelen als je het daarom vraagt, en gaat vaak beter om met sarcasme en gemengde berichten dan oudere modellen. Op zichzelf is het geen tool: je moet nog steeds je gesprekken koppelen, de labels in de tijd consistent houden, de resultaten opslaan en de nauwkeurigheid toetsen aan labels van mensen.
Wat zijn de drie belangrijkste soorten sentimentanalyse?
De drie meest gebruikte soorten zijn polariteit (positief, negatief of neutraal), fijnmazig (een schaal van bijvoorbeeld zeer negatief tot zeer positief) en aspectgebaseerd (sentiment over een specifiek onderwerp, zoals levering of prijs). Emotiedetectie, die gevoelens zoals frustratie benoemt, wordt vaak als vierde genoemd.
Is sentimentanalyse hetzelfde als CSAT?
Nee. CSAT is wat klanten je vertellen als ze een enquête invullen; sentimentanalyse leest de toon van het gesprek zelf, ook bij klanten die nooit antwoorden. De twee verschillen vaak genoeg van elkaar om samen nuttig te zijn, zoals onze gids over tevredenheid meten zonder het te vragen (in het Engels) uitlegt.
Werken sentimentanalyse-tools in andere talen dan het Engels?
De meeste wel, maar dekking en nauwkeurigheid verschillen per taal en per functie, dus bekijk de talenlijst van de leverancier specifiek voor sentiment en niet voor het product als geheel. Voer daarna de nauwkeurigheidscontrole hierboven uit op een steekproef in elk van je belangrijkste talen.
Moet je naast klantsentiment ook het sentiment van medewerkers meten?
Meet het gedrag van medewerkers, zoals empathie en toon, als QA-criterium uit het transcript, in plaats van hun emoties af te leiden. In de EU is het afleiden van emoties van werknemers uit biometrische gegevens zoals de stem verboden, terwijl het scoren van wat de medewerker schreef of zei tegen een rubric een kwaliteitsbeoordeling is.
Verder lezen
- What is sentiment analysis in customer service? (in het Engels), de korte definitie
- Empathie in de klantenservice, met zinnen die medewerkers kunnen gebruiken
- What is voice of the customer? (in het Engels), over het combineren van feedbackbronnen
- Gespreksanalyse voor support, sentiment, QA en grondoorzaak in één overzicht
