Przejdź do treści

Poradnik

Czym jest analityka tekstu? Jak działa, z przykładami

Czym jest analityka tekstu? Jak zamienia zgłoszenia, czaty i e-maile w tematy, sentyment i intencje, z przykładami z obsługi klienta i kontroli jakości.

· Zaktualizowano · 5 min czytania

Zweryfikowane przez Dominik Blattner, założyciel Kaizo

Czym jest analityka tekstu (text analytics)? To automatyczna analiza tekstu pisanego, takiego jak zgłoszenia, czaty i e-maile, która na dużą skalę wyodrębnia tematy, sentyment i intencje. Pozwala zespołowi obsługi klienta zrozumieć każdą rozmowę pisemną zamiast małej próbki i stanowi pisemną część analityki rozmów.

W skrócie

  • Analityka tekstu zamienia nieustrukturyzowany język w dane, które można mierzyć i przeszukiwać.
  • Działa w czterech krokach: zbieranie, oczyszczanie, klasyfikacja i raportowanie.
  • W kontroli jakości obsługi klienta wskazuje momenty istotne dla jakości i coachingu.
  • W CX pokazuje, o co pytają klienci i jak się czują.
  • Najlepsze narzędzia łączą każdy wynik z dokładnym sformułowaniem, które za nim stoi.

Jak działa analityka tekstu

Analityka tekstu zbiera rozmowy pisemne, oczyszcza tekst, klasyfikuje go za pomocą przetwarzania języka naturalnego i przedstawia wyniki jako pola, które zespół może filtrować i śledzić w czasie.

Krok 1: zebranie tekstu

Tekst pochodzi z miejsc, w których rozmowy już się znajdują: z helpdesku, narzędzia do czatu, skrzynki e-mail, komentarzy w ankietach lub serwisów z recenzjami. Ponieważ analityka tekstu działa w tych systemach automatycznie, może na bieżąco przetwarzać cały wolumen zgłoszeń i czatów, a nie tylko niewielki odsetek, który zespół mógłby przeczytać ręcznie.

Krok 2: oczyszczenie i uporządkowanie

Surowe rozmowy zawierają podpisy, cytowane odpowiedzi, automatyczne odpowiedzi i literówki. Tekst dzieli się na wiadomości, przy każdej oznacza się autora (klient lub konsultant) i usuwa szum, tak aby analiza czytała to, co faktycznie zostało powiedziane.

Krok 3: klasyfikacja za pomocą przetwarzania języka naturalnego

Modele językowe klasyfikują następnie każdą wiadomość lub rozmowę: przypisują ją do tematów, oceniają sentyment jako pozytywny, neutralny lub negatywny i rozpoznają intencję klienta, na przykład prośbę o zwrot pieniędzy, zgłoszenie błędu lub rezygnację. Starsze systemy opierały się na regułach słów kluczowych; obecne modele czytają kontekst, więc uprzejma wiadomość od niezadowolonego klienta rzadziej umyka uwadze.

Krok 4: raportowanie i działanie

Wynikiem są dane ustrukturyzowane: liczby dla poszczególnych tematów, trendy sentymentu i udziały intencji, które zespół może filtrować i analizować w szczegółach. Najważniejszy jest ostatni krok, w którym każdy wzorzec prowadzi do rozmów, które za nim stoją, i trafia do osoby, która może go naprawić.

Co wyodrębnia analityka tekstu

Analityka tekstu zamienia swobodnie pisany tekst w pięć rodzajów sygnałów: tematy, sentyment, intencje, jakość i trendy, a zespół może każdy z nich filtrować i wykorzystywać do działania.

SygnałCo obejmujePrzykład z obsługi klienta
TematySprawy, w których klienci piszą, grupowane automatycznie„Płatności”, „logowanie”, „opóźniona dostawa”
SentymentCzy ton klienta jest pozytywny, neutralny czy negatywnyRosnąca frustracja w zgłoszeniach dotyczących dostaw
IntencjaCzego chce klient: zwrotu pieniędzy, naprawy, rezygnacji i nie tylkoWięcej próśb o rezygnację po zmianie cen
JakośćNa ile pisemna odpowiedź konsultanta spełnia Państwa kryteriaBrak kroku weryfikacji przy zmianach na koncie
TrendyJak tematy i sentyment zmieniają się w czasieNowy temat pojawiający się po wydaniu nowej wersji

Analityka tekstu w obsłudze klienta

W obsłudze klienta analityka tekstu czyta każde zgłoszenie, czat i e-mail, aby pokazać, dlaczego klienci piszą, jak się czują i jak dobrze odpowiedzieli konsultanci, dzięki czemu zespoły QA i CX pracują na pełnym wolumenie.

W kontroli jakości obsługi klienta analityka tekstu umożliwia ocenę rozmów pisemnych na dużą skalę: ocenę zgłoszeń i czatów według karty oceny i wskazywanie momentów, które warto wykorzystać w coachingu. W obszarze doświadczenia klienta pokazuje głos klienta (po angielsku) w ujęciu zbiorczym: powtarzające się powody kontaktu, miejsca, w których sentyment się pogarsza, i problemy, które narastają.

Tak wygląda to w praktyce przy trzech pytaniach, które często zadaje lider zespołu obsługi klienta:

PytanieCo pokazuje analityka tekstuKolejny krok
Dlaczego w zeszłym tygodniu wzrosła liczba zgłoszeń?Jeden temat, „reset hasła”, podwoił się po wydaniu nowej wersjiPrzesłać przykłady do zespołu produktu, opublikować artykuł pomocy
Którzy klienci są bliscy odejścia?Intencja rezygnacji i negatywny sentyment na tych samych kontachPrzekierować te rozmowy do doświadczonego konsultanta
Gdzie konsultanci potrzebują coachingu?Niskie wyniki jakości w jednym kryterium w czatach o płatnościachCoaching z tego kryterium na prawdziwych przykładach

Kaizo stosuje to do rozmów z obsługi klienta: ocenia każdą rozmowę telefoniczną, czat i e-mail według Państwa własnych kryteriów, śledzi sentyment i empatię w 100% wiadomości i pokazuje, czy spadek wynika z wadliwego procesu, problemu z produktem czy luki w umiejętnościach. O tym, jak przejść od ustaleń do poprawek, piszemy w przewodniku po wnioskach z obsługi klienta.

Analityka tekstu a text mining, analiza sentymentu i speech analytics

Analityka tekstu to pojęcie nadrzędne dla analizy języka pisanego; analiza sentymentu jest jednym z jej wyników, text mining to niemal synonim, a speech analytics wykonuje tę samą pracę dla rozmów telefonicznych.

PojęcieCo robiZwiązek z analityką tekstu
Text mining (eksploracja tekstu)Znajduje wzorce w dużych zbiorach tekstuCzęsto używane jako synonim; niektórzy rezerwują je dla etapu wyszukiwania wzorców
Analiza sentymentu (po angielsku)Ocenia ton wiadomościJeden z wyników analityki tekstu
Speech analyticsAnalizuje nagrane rozmowy, zwykle po transkrypcjiGłosowy odpowiednik
Conversation intelligence (po angielsku)Analizuje głos i tekst obok siebie i dodaje procesy pracyOpiera się na analityce tekstu i speech analytics

Powiązane pojęcia

Na początek: jedno pytanie, na które powinny odpowiadać zgłoszenia

Proszę wybrać jedno pytanie z tabeli powyżej, na przykład dlaczego w zeszłym tygodniu wzrosła liczba zgłoszeń, i sprawdzić, czy obecne raporty potrafią na nie odpowiedzieć na podstawie samego tekstu. Jeśli nie, w demo na żywo na przykładowych danych pokażemy, jak Kaizo czyta każdą rozmowę pisemną i łączy każdą liczbę z wiadomościami, które za nią stoją.

Porozmawiajmy Poznaj analitykę Kaizo

Najczęściej zadawane pytania

Czy analityka tekstu to to samo co analiza sentymentu?

Nie. Analiza sentymentu to jedna z części analityki tekstu, która ocenia ton wiadomości jako pozytywny, neutralny lub negatywny. Analityka tekstu jest szersza: wyodrębnia z rozmów pisemnych także tematy, intencje i sygnały jakości oraz pokazuje, jak zmieniają się w czasie. Większość narzędzi do analityki tekstu traktuje sentyment jako jeden z kilku wyników.

Czym analityka tekstu różni się od speech analytics?

Analityka tekstu analizuje tekst pisany, taki jak zgłoszenia, czaty i e-maile. Speech analytics działa na głosie i przed analizą przepisuje rozmowy telefoniczne. Po transkrypcji do obu stosuje się te same techniki. Conversation intelligence łączy jedno i drugie, dzięki czemu zespół widzi jeden problem klienta we wszystkich kanałach, w których się pojawił.

Jakie sygnały wyodrębnia analityka tekstu?

Tematy, o których piszą klienci, sentyment (pozytywny, neutralny lub negatywny), intencję klienta, na przykład zwrot pieniędzy lub rezygnację, jakość pisemnej odpowiedzi konsultanta według Państwa kryteriów oraz trendy, czyli zmiany tematów i sentymentu w czasie.

Co analityka tekstu daje zespołom obsługi klienta?

Pozwala zespołowi mierzyć każdą rozmowę pisemną zamiast ręcznej próbki. Dostarcza wyniki jakości dla kontroli jakości, pokazuje tematy i intencje zgłaszane przez klientów oraz to, jak zmienia się sentyment w całej kolejce. Dzięki temu przeczucie w rodzaju „zgłoszenia o płatnościach wydają się bardziej nerwowe” staje się liczbą, którą można śledzić i na którą można zareagować.

Czy analityka tekstu radzi sobie z wieloma językami?

Nowoczesna analityka tekstu oparta na dużych modelach językowych potrafi klasyfikować tematy, sentyment i intencje w wielu językach, dzięki czemu globalny zespół obsługi klienta może w ten sam sposób analizować cały wolumen pisemny w każdym z nich. Na początku warto sprawdzić wyniki w każdym języku z native speakerem, bo dokładność zależy od języka i ilości danych.

Na tej stronie

Powiązane artykuły

Zobacz to podczas demo na żywo

Zaprezentujemy Państwu Kaizo na realistycznych przykładowych rozmowach, aby zobaczyli Państwo, jak taki przykład jest oceniany, wyjaśniany i przekładany na coaching.

Zaufały nam zespoły obsługi klienta na całym świecie

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