Narzędzia do analizy sentymentu czytają wiadomości, rozmowy telefoniczne lub recenzje klientów i oznaczają ich ton jako pozytywny, negatywny lub neutralny, często z wynikiem liczbowym. Dla zespołu obsługi klienta właściwe narzędzie zależy od tego, gdzie są Państwa rozmowy, jakich kanałów Państwo potrzebują i czy sentyment ma stać obok wyników kontroli jakości, czy obok danych z ankiet i recenzji.
W skrócie
- Proszę zacząć od tego, na co zwrócić uwagę: źródło danych, kanały, dowody, analiza przyczyn i miejsce, do którego trafiają wyniki.
- Poniższa krótka lista obejmuje osiem opcji: analitykę zbudowaną na kontroli jakości, analitykę rozmów dla contact center, platformy do analizy opinii klientów i chmurowe API.
- Każde narzędzie przechodzi te same trzy sprawdzenia: co robi, mocne strony i ograniczenia oraz model cenowy, wszystko na podstawie strony samego dostawcy.
- Arkusz oceny i przykład testu trafności pomagają wybrać narzędzie, a potem sprawdzić je po uruchomieniu.
- W UE śledzenie emocji pracowników na podstawie ich głosu jest praktyką zakazaną; sentyment z tekstu pisanego traktuje się inaczej.
Informacja: Kaizo to nasz produkt. Uwzględniamy go tam, gdzie pasuje, i piszemy, w czym inne narzędzia są lepsze. Fakty poniżej sprawdziliśmy na stronach każdego dostawcy 4 listopada 2026 i nie korzystaliśmy z ocen z serwisów z recenzjami. Funkcje się zmieniają, więc wszystko, co kluczowe, warto potwierdzić u dostawcy.
Jeśli najpierw potrzebują Państwo definicji, nasz przewodnik po analizie sentymentu klientów wyjaśnia, jak działa analiza sentymentu i gdzie zawodzi. Jak Kaizo ocenia sentyment w każdej wiadomości obsługi klienta, pokazuje strona produktu.
Na co zwrócić uwagę w narzędziach do analizy sentymentu
Warto sprawdzić pięć rzeczy: czy narzędzie czyta Państwa rzeczywiste źródło danych, obejmuje każdy kanał, który Państwo obsługują, pokazuje fragmenty stojące za każdą etykietą, oddziela przyczyny od objawów i przekazuje wyniki tam, gdzie ktoś na nie zareaguje.
| Co sprawdzić | Dlaczego to ważne w obsłudze klienta | Pytanie do dostawcy |
|---|---|---|
| Źródło danych | Narzędzia zbudowane dla recenzji i ankiet widzą innego klienta niż narzędzia zbudowane dla zgłoszeń i rozmów telefonicznych | Z którymi naszymi źródłami łączą się Państwo natywnie? |
| Kanały | Narzędzie mocne w kanale głosowym może być słabe na czacie i w e-mailu, i odwrotnie | Czy sentyment na czacie jest tak samo wiarygodny jak w rozmowie telefonicznej? |
| Jednostka analizy | Etykieta dla całej rozmowy ukrywa moment, w którym zmienił się ton | Oceniają Państwo każdą wiadomość, każde zdanie czy całą rozmowę? |
| Dowody | Negatywnej etykiecie, której nikt nie potrafi powiązać z konkretnym fragmentem, nikt nie zaufa | Proszę pokazać fragmenty stojące za tą etykietą |
| Przyczyna i kontekst | Sentyment mówi, jak klient się czuł, a nie dlaczego | Czy widać sentyment według przyczyny kontaktu, zespołu lub kryterium oceny jakości? |
| Strona konsultanta | Sentyment klienta i empatia konsultanta to różne miary | Czy mierzą Państwo stronę konsultanta i w jaki sposób? |
| Języki | Trafność często spada poza językiem angielskim | Które języki obsługują Państwo właśnie w analizie sentymentu? |
| Gdzie trafiają wyniki | Alert, za który nikt nie odpowiada, to szum | Czy można filtrować, wysyłać alerty lub eksportować dane do zespołu, który działa? |
Jeden test rozstrzyga większość prezentacji: proszę poprosić dostawcę, aby otworzył negatywną rozmowę i pokazał dokładnie, które fragmenty zdecydowały o etykiecie. Nasz poradnik o ocenie sentymentu w kontroli jakości opisuje, jak wygląda użyteczny sygnał sentymentu w programie jakości.
Krótka lista: przegląd
Ta tabela podaje, do czego najlepiej pasuje każde narzędzie, i jego model cenowy według jego własnej strony; na stronach, które przeczytaliśmy, żadne nie podaje ceny katalogowej tych produktów.
| Narzędzie | Typ | Najlepsze dla | Model cenowy |
|---|---|---|---|
| Kaizo | Analityka rozmów zbudowana na kontroli jakości | Zespołów obsługi klienta, które chcą mieć sentyment obok wyników QA dla rozmów telefonicznych, czatu i e-maili | Za stanowisko, wycena na zapytanie |
| CallMiner | Conversation intelligence dla contact center | Contact center z przewagą kanału głosowego, które chcą sygnałów akustycznych i podpowiedzi w czasie rzeczywistym | Na zapytanie |
| Qualtrics (contact center) | Pakiet do zarządzania doświadczeniem | Dużych firm, które już prowadzą ankiety w Qualtrics | Plany, na zapytanie |
| Medallia | Pakiet do zarządzania doświadczeniem | Dużych firm, które już korzystają z Medallii i chcą analityki tekstu we wszystkich kanałach | Na zapytanie |
| SentiSum | Analityka zgłoszeń obsługi klienta | Zespołów na Zendesk, Freshdesk, Gorgias lub Intercom, które chcą tagowania według przyczyny | Zależy od kanałów, użytkowników i wolumenu zgłoszeń |
| Chattermill | Analityka opinii klientów | Zespołów CX, które łączą zgłoszenia z ankietami i recenzjami | Demo; bez opłaty za użytkownika |
| Thematic | Analityka opinii klientów | Zespołów analitycznych, które chcą tematów możliwych do prześledzenia do wypowiedzi klientów | Demo |
| Chmurowe API NLP | Elementy dla programistów | Zespołów z inżynierami, którzy budują własny potok danych | Opłata za użycie, publiczne cenniki |
1. Kaizo: najlepsze do sentymentu obok wyników kontroli jakości
Kaizo najlepiej sprawdza się w zespołach obsługi klienta, które chcą mieć sentyment, empatię i wyniki QA dla tych samych rozmów, bo ocenia każdą rozmowę telefoniczną, czat i e-mail według Państwa własnych kryteriów.
Co robi
Według strony Kaizo o analizie sentymentu sentyment klienta i empatia konsultanta są oceniane w 100% wiadomości, więc frustracja widoczna jest jako trend.
Można filtrować według negatywnego sentymentu, wysokiej liczby ponownych otwarć lub niskiego CSAT, aby znaleźć rozmowy, które idą w złą stronę, a analiza przyczyn źródłowych pokazuje, czy spadek wynika z wadliwego procesu, problemu w produkcie czy luki w umiejętnościach. Kaizo ma natywne aplikacje dla Zendesk i Salesforce, a własne systemy CRM łączy przez konektor, API lub import CSV.
Mocne strony i ograniczenia
Mocną stroną jest kontekst: negatywna rozmowa ma przy sobie wynik QA i kryterium, które nie zostało spełnione, więc można odróżnić problem z produktem od potrzeby coachingu.
Ograniczeniem są moment i zakres. Kaizo analizuje rozmowę po jej zakończeniu, więc nie daje konsultantom podpowiedzi o sentymencie w trakcie rozmowy, i pracuje na rozmowach z helpdesku, a nie na recenzjach aplikacji czy wpisach w mediach społecznościowych. Jeśli to są Państwa główne źródła, lepiej pasuje jedna z platform do analizy opinii opisanych niżej.
Cennik
Cennik Kaizo podaje, że wszystkie plany są rozliczane za stanowisko, są trzy plany, a dokładna wycena jest na zapytanie. Nie ma samodzielnej wersji próbnej; produkt można zobaczyć w demo na żywo na przykładowych danych.
2. CallMiner: najlepszy dla contact center z przewagą rozmów głosowych
CallMiner najlepiej sprawdza się w dużych contact center, w których większość wolumenu to rozmowy głosowe, bo łączy sygnały akustyczne z głosu mówiącego z wypowiadanymi słowami i oferuje podpowiedzi dla konsultantów w czasie rzeczywistym.
Co robi
Strona CallMiner o analizie sentymentu (po angielsku) podaje, że ocenia sentyment, „combining the acoustic characteristics of a speaker’s voice with the context of the conversation” (łącząc cechy akustyczne głosu mówiącego z kontekstem rozmowy), z użyciem sygnałów takich jak tempo mówienia i napięcie. Strona główna podaje, że platforma rejestruje i analizuje wszystkie interakcje omnichannel, w tym rozmowy telefoniczne, e-maile, wiadomości tekstowe i ankiety, i wymienia podpowiedzi dla konsultantów w czasie rzeczywistym.
Mocne strony i ograniczenia
Analiza akustyczna wychwytuje ton, którego transkrypcja nie oddaje, o czym piszemy w artykule o tym, czym jest speech analytics, a podpowiedzi w czasie rzeczywistym to możliwość, której nie oferują narzędzia działające po rozmowie.
Wadą jest to, że platforma nastawiona na kanał głosowy to większe wdrożenie, a w UE wnioskowanie o emocjach własnych konsultantów na podstawie głosu podlega zakazowi z AI Act opisanemu niżej, więc należy ograniczyć je do klientów.
Cennik
CallMiner nie publikuje cen na stronie głównej i kieruje kupujących do kontaktu z działem sprzedaży lub prośby o demo.
3. Qualtrics: najlepszy dla zespołów, które już korzystają z Qualtrics
Qualtrics najlepiej sprawdza się w dużych firmach, które już prowadzą ankiety w Qualtrics i chcą analizować rozmowy z contact center w tym samym programie zarządzania doświadczeniem.
Co robi
Strona Qualtrics o contact center (po angielsku) podaje, że przetwarzanie języka naturalnego ocenia empatię, przestrzeganie skryptu i sentyment, wskazuje procesy wymagające dużego wysiłku i może monitorować oraz oceniać wszystkie interakcje za pomocą AI, z ponad 150 gotowymi modelami. Działa z systemami lokalnymi, CCaaS i budowanymi we własnym zakresie.
Mocne strony i ograniczenia
Mocną stroną jest połączenie danych z ankiet i danych z rozmów w jednym programie, co pasuje do organizacji, w których zespół CX już zarządza Qualtrics. Ograniczeniem jest skala: to duży pakiet, a zespół obsługi klienta, który potrzebuje tylko sentymentu w rozmowach z helpdesku, może korzystać z niewielkiej jego części.
Cennik
Strona odsyła do elastycznych planów cenowych, ale nie podaje kwot.
4. Medallia: najlepsza dla zespołów, które już korzystają z Medallii
Medallia najlepiej sprawdza się w dużych firmach, które już używają Medallii do zbierania opinii o doświadczeniu i chcą analityki tekstu, w tym sentymentu i wysiłku, w tych samych kanałach.
Co robi
Strona Medallii o analityce tekstu (po angielsku) podaje, że jej rozumienie języka naturalnego analizuje „themes, sentiment, empathy, and nuanced emotions across dozens of languages and dialects” (tematy, sentyment, empatię i subtelne emocje w dziesiątkach języków i dialektów), a sentyment, empatia i wysiłek są gotowymi miarami, które można dostosować. Wymienia alerty o zmianach wysiłku i ryzyka, automatyczną ocenę konsultantów i priorytetyzację zgłoszeń.
Mocne strony i ograniczenia
Mocnymi stronami są zasięg językowy i gotowe modele branżowe, a także modele tematów typu low-code dla zespołów bez specjalistów od danych. Ograniczenie jest podobne jak w Qualtrics: wartość jest największa, gdy Medallia już jest Państwa platformą do zarządzania doświadczeniem.
Cennik
Strona nie opisuje, jak wyceniana jest analityka tekstu.
5. SentiSum: najlepszy do tagowania zgłoszeń według przyczyny
SentiSum najlepiej sprawdza się w zespołach obsługi klienta na helpdeskach takich jak Zendesk, Freshdesk, Gorgias czy Intercom, które chcą tagować zgłoszenia według tematu, przyczyny i sentymentu bez ręcznego budowania taksonomii.
Co robi
Strona SentiSum o analizie sentymentu (po angielsku) opisuje automatyczne tagi pozytywne, negatywne i neutralne dla zgłoszeń. Strona główna podaje, że narzędzie łączy zgłoszenia, czaty, rozmowy telefoniczne, recenzje i ankiety, klasyfikuje problemy według przyczyny, porządkuje je według wpływu i kieruje do zespołów, a moduł Quality Agent ocenia wszystkie rozmowy.
Mocne strony i ograniczenia
Szeroki wybór integracji z helpdeskami to zaleta dla zespołów spoza pary Zendesk i Salesforce, a zapisywanie tagów z powrotem w helpdesku ułatwia kierowanie zgłoszeń. Ocena jakości to dla tej firmy nowszy obszar niż tagowanie, więc warto sprawdzić, na ile kartę oceny da się dopasować do własnych kryteriów.
Cennik
Strona główna podaje, że cena „scales based on channels, users, and ticket volume” (zależy od kanałów, użytkowników i wolumenu zgłoszeń), z planami dla średnich i dużych firm.
6. Chattermill: najlepszy do zgłoszeń razem z ankietami i recenzjami
Chattermill najlepiej sprawdza się w zespołach CX i voice of the customer, które potrzebują analizy zgłoszeń razem z ankietami, recenzjami i opiniami z mediów społecznościowych, uporządkowanej według wpływu na ich wskaźniki.
Co robi
Strona główna Chattermill (po angielsku) podaje, że narzędzie „analyzes all your surveys, reviews, tickets and calls, ranks issues by impact on your metrics” (analizuje wszystkie ankiety, recenzje, zgłoszenia i rozmowy telefoniczne i porządkuje problemy według wpływu na wskaźniki), taguje opinie w tematy z sentymentem i deklaruje ponad 65 natywnych integracji, w tym z Zendesk, Intercom, Salesforce, Qualtrics i Trustpilot.
Mocne strony i ograniczenia
Widzi klientów, którzy nigdy nie kontaktują się z obsługą, czego narzędzie oparte na helpdesku nie potrafi. Sam Chattermill podaje, że nie pasuje do zespołów, które nie zbierają regularnie ponad 5000 opinii miesięcznie, i nie jest narzędziem do kontroli jakości, więc ocena na poziomie konsultanta odbywa się gdzie indziej.
Cennik
Oparty na demo, bez opłaty za użytkownika według strony głównej.
7. Thematic: najlepszy do tematów, które można prześledzić do wypowiedzi klientów
Thematic najlepiej sprawdza się w zespołach badawczych i analitycznych, które chcą tematów budowanych ze słów samych klientów, a nie ze stałej listy, przy czym każdy temat można prześledzić do komentarzy, które za nim stoją.
Co robi
Strona główna Thematic (po angielsku) podaje, że narzędzie buduje tematy z języka klientów, „not a predefined taxonomy” (a nie z gotowej taksonomii), pokazuje sentyment dla każdego tematu i przyjmuje ankiety, zgłoszenia, transkrypcje z contact center, recenzje aplikacji i notatki z CRM, z wbudowanym usuwaniem danych osobowych i tłumaczeniem.
Mocne strony i ograniczenia
Mocną stroną jest możliwość prześledzenia tematu aż do wypowiedzi, co sprawia, że analiza jest wiarygodna dla zespołów produktowych. To warstwa analityczna dla zespołów badawczych, a nie narzędzie, którego liderzy zespołów obsługi klienta używają codziennie przy pojedynczych rozmowach. Metodę wykrywania tematów omawia nasz artykuł o analityce tekstu w obsłudze klienta.
Cennik
Oparty na demo; strona główna nie podaje cen.
8. Chmurowe API NLP: najlepsze do budowy własnego rozwiązania
Chmurowe API od Google, Amazon i Microsoft najlepiej sprawdzają się w zespołach z inżynierami, którzy chcą używać sentymentu jako elementu własnego potoku danych i sami zbudują dashboardy, połączenia danych i alerty.
Co robi
Google Cloud Natural Language (po angielsku) zwraca wynik od -1,0 do 1,0 oraz wielkość (magnitude) określającą siłę emocji i potrafi oceniać sentyment dla każdego podmiotu. Amazon Comprehend (po angielsku) zwraca etykietę pozytywną, negatywną, mieszaną lub neutralną z wynikiem pewności dla każdej z nich. Analiza sentymentu w Azure Language (po angielsku) zwraca etykiety z wynikami pewności na poziomie zdania i dokumentu, a także eksplorację opinii według aspektów.
Mocne strony i ograniczenia
Mają Państwo kontrolę nad danymi i kosztem za wiadomość, a wynik można podłączyć do wszystkiego, co Państwo zbudują. Wszystko inne też trzeba jednak zbudować samodzielnie: konektory, powiązanie z przyczynami kontaktu i kontrolą jakości, interfejs i dalsze działania. Warto też zaplanować zmiany: Microsoft podaje, że analiza sentymentu i eksploracja opinii zostaną wycofane z Azure Language 31 marca 2029, a nowe projekty kieruje do Microsoft Foundry.
Cennik
Opłata za użycie, z publicznymi cennikami na stronie każdego dostawcy.
Jak wybrać: arkusz oceny
Proszę ocenić każde narzędzie z krótkiej listy w skali od 1 do 5 według poniższych kryteriów, pomnożyć przez wagę i zsumować; wagi warto dopasować do swojej sytuacji przed rozpoczęciem, a nie po prezentacjach.
| Kryterium | Waga (przykład dla zespołu obsługi klienta) | Narzędzie A | Narzędzie B | Narzędzie C |
|---|---|---|---|---|
| Natywnie łączy się z naszym głównym źródłem danych | 25% | |||
| Obejmuje wszystkie nasze kanały z tą samą dokładnością | 20% | |||
| Pokazuje fragmenty stojące za każdą etykietą | 15% | |||
| Wiąże sentyment z przyczyną kontaktu, zespołem i oceną jakości | 15% | |||
| Miara po stronie konsultanta (empatia) | 10% | |||
| Języki, w których obsługujemy klientów | 10% | |||
| Wyniki trafiają do osób, które działają | 5% |
Za wagami stoi prosta reguła decyzyjna.
Jeśli Państwa pytania o sentyment dotyczą rozmów z obsługą klienta i coachingu, najwyższą wagę warto nadać źródłu danych i powiązaniu z kontrolą jakości.
Jeśli dotyczą całej bazy klientów, w tym osób, które nigdy się z Państwem nie kontaktują, najwyższą wagę warto nadać ankietom i recenzjom i spodziewać się, że wygra platforma do analizy opinii. Pełniejszy plan oceny, z pytaniami o bezpieczeństwo, wdrożenie i koszty, zawiera nasz poradnik zakupowy conversation intelligence.
Jak sprawdzić trafność analizy sentymentu po uruchomieniu narzędzia
Trafność sprawdza się tak: dwie osoby oznaczają losowy zestaw rozmów, a potem porównuje się etykiety narzędzia z ich etykietami, zwracając największą uwagę na to, ile naprawdę negatywnych rozmów narzędzie wychwyciło.
Poniższe liczby to przykład poglądowy, który sami wyliczyliśmy, a nie wyniki dostawcy.
Próbka. Dwie osoby oceniające oznaczają 200 niedawnych rozmów jako pozytywne, neutralne lub negatywne i wspólnie rozstrzygają rozbieżności. Zgadzają się, że 40 z nich jest negatywnych.
Porównanie. Narzędzie zgadza się z oceniającymi w 158 z 200 rozmów: 79% zgodności ogółem. Oznacza 45 rozmów jako negatywne, a 30 z nich należy do 40 wskazanych przez oceniających.
Co to oznacza. Narzędzie wychwytuje 30 z 40 negatywnych rozmów (75%), a 30 z jego 45 negatywnych oznaczeń jest trafnych (67%). Ogólne 79% wygląda dobrze, ale co czwarty niezadowolony klient zostaje pominięty, a co trzeci alert jest fałszywy.
Zanim cokolwiek Państwo zmienią, proszę przeczytać pominięte rozmowy. Zwykle przyczyną są sarkazm, wiadomości o mieszanym wydźwięku („dziękuję, ale to już trzeci raz”) i rozmowy w językach innych niż angielski. Test warto powtarzać co kwartał i po każdej zmianie modelu lub kanałów. Nasz artykuł o tym, jak dokładna jest ocena jakości przez AI, stosuje tę samą logikę zgodności do wyników kontroli jakości.
Sentyment, emocje i unijny AI Act
Na mocy unijnego aktu w sprawie sztucznej inteligencji (AI Act) wnioskowanie o emocjach pracowników na podstawie danych biometrycznych, takich jak głos, jest zakazane od 2 lutego 2025; sentyment z tekstu pisanego nie jest objęty tym zakazem.
Zakaz zawiera art. 5 ust. 1 lit. f) AI Act, a przegląd AI Act przygotowany przez Komisję Europejską (po angielsku) wymienia „emotion recognition in workplaces and education institutions” (rozpoznawanie emocji w miejscach pracy i instytucjach edukacyjnych) wśród praktyk zakazanych od lutego 2025.
Wytyczne Komisji w sprawie zakazanych praktyk z lutego 2025, które są wskazówkami, a nie prawem, podają jako przykład praktyki zakazanej call center, które za pomocą rozpoznawania głosu śledzi emocje swoich pracowników. Według podsumowania tych wytycznych przygotowanego przez CMS (po angielsku) śledzenie emocji klientów na podstawie głosu oraz wnioskowanie o emocjach z tekstu pisanego nie są objęte zakazem.
Dla zespołu obsługi klienta w UE wynikają z tego dwie praktyczne konsekwencje. Nie należy włączać wykrywania emocji na podstawie głosu dla własnych konsultantów; funkcje akustyczne trzeba ograniczyć do strony klienta. Ponadto od 2 sierpnia 2026 podmioty stosujące systemy rozpoznawania emocji muszą informować osoby, wobec których są one stosowane, zgodnie z art. 50 ust. 3. To jest podsumowanie, a nie porada prawna, więc swoją konfigurację warto sprawdzić z prawnikiem.
Jak zacząć wybór narzędzia do analizy sentymentu
Proszę zacząć od zapisania jednej decyzji, którą sentyment ma usprawnić, na przykład które rozmowy lider zespołu przegląda najpierw, a potem wybrać do krótkiej listy tylko narzędzia, które łączą się z danymi stojącymi za tą decyzją.
Jeśli decyzja dotyczy rozmów z obsługą klienta, coachingu i jakości, warto zacząć od narzędzi, które stawiają sentyment obok wyników kontroli jakości. Jak Kaizo ocenia sentyment i empatię w każdej wiadomości, mogą Państwo zobaczyć w demo na żywo na przykładowych danych. Porozmawiajmy.
Najczęściej zadawane pytania
Czy ChatGPT potrafi analizować sentyment?
Tak. Duży model językowy, odpowiednio poproszony, potrafi oznaczyć sentyment wiadomości i często lepiej niż starsze modele radzi sobie z sarkazmem i mieszanym wydźwiękiem. Sam w sobie nie jest jednak narzędziem: nadal trzeba podłączyć rozmowy, utrzymać spójność etykiet w czasie, przechowywać wyniki i sprawdzać trafność na tle etykiet nadanych przez ludzi.
Jakie są trzy główne rodzaje analizy sentymentu?
Trzy najczęstsze rodzaje to analiza polaryzacji (pozytywny, negatywny lub neutralny), analiza szczegółowa (skala, na przykład od bardzo negatywnego do bardzo pozytywnego) i analiza aspektowa (sentyment wobec konkretnego tematu, na przykład dostawy lub cen). Wykrywanie emocji, które nazywa uczucia takie jak frustracja, często wymienia się jako czwarty rodzaj.
Czy analiza sentymentu to to samo co CSAT?
Nie. CSAT to to, co klienci mówią Państwu, odpowiadając na ankietę; analiza sentymentu czyta ton samej rozmowy, także u klientów, którzy nigdy nie odpowiadają. Obie miary różnią się na tyle często, że warto korzystać z nich razem, co wyjaśnia nasz poradnik o mierzeniu satysfakcji bez pytania klientów (po angielsku).
Czy narzędzia do analizy sentymentu działają w językach innych niż angielski?
Większość tak, ale zasięg i trafność różnią się w zależności od języka i funkcji, więc warto sprawdzić listę języków dostawcy właśnie dla analizy sentymentu, a nie dla produktu ogółem. Następnie proszę przeprowadzić opisany wyżej test trafności na próbce w każdym z głównych języków, w których Państwo obsługują klientów.
Czy mierzyć sentyment konsultanta, a nie tylko klienta?
Zachowanie konsultanta, takie jak empatia i ton, warto mierzyć jako kryterium oceny jakości na podstawie transkrypcji, zamiast wnioskować o jego emocjach. W UE wnioskowanie o emocjach pracowników na podstawie danych biometrycznych, takich jak głos, jest zakazane, natomiast ocena tego, co konsultant napisał lub powiedział, według kryteriów to zwykła kontrola jakości.
Czytaj także
- What is sentiment analysis in customer service? (po angielsku), krótka definicja
- Empatia w obsłudze klienta, ze zwrotami, których mogą używać konsultanci
- What is voice of the customer? (po angielsku), o łączeniu źródeł opinii klientów
- Analityka rozmów w obsłudze klienta, sentyment, kontrola jakości i przyczyny źródłowe w jednym widoku
