文字分析不僅僅是一個 VOC 功能，它是絕對必備的

depise8345

以下是  Sean McDade 博士所著《Listen Or Die: 40 Lessons that Turn Customer Feedback Into Gold》（Lioncrest Publishing，2018 年）的編輯摘錄。 客戶的真正「聲音」是每次您在調查中詢問他們「為什麼」或「請告訴我更多相關資訊」時他們與您分享的獨特字詞。 客戶與您分享的每則評論都蘊藏著 寶貴的財富。問題是：如何最好地開採黃金？輸入文字分析。但首先，快速概述一下結構化回饋與非結構化回饋： 結構化回饋與非結構化回饋無論您如何傾聽客戶的意見，您最終收集的資料都將是以下兩種類型之一：結構化或非結構化。 結構化回饋： 結構化客戶回饋是最常見的，也是最容易處理的。例如，您的調查中的一個典型問題可能是“您對最近在 Hotel ABC 的體驗有多滿意，評分範圍為 1 到 5，其中 5 分錶示非常滿意，1 分錶示非常不滿意？” 當客戶提供這個問題的答案時，答案會以數字的形式出現。在這種情況下，5 表示  對最近一次入住飯店 非常滿意，1 表示非常不滿意，依此類推。


幾乎任何 VoC 軟體平台都可以輕鬆分析這些數據並創建圖 华人华侨号码数据 表來匯總和比較回應：也許 30% 的受訪者非常滿意，35% 非常不滿意，等等。 非結構化回饋： 調查中的下一個問題可能是 “請告訴我們為什麼您有這種感覺。” 這會促使客戶輸入開放式或非結構化評論來解釋他們對體驗的滿意度。顧客可能會輸入諸如「前台辦理入住時間太長」、「房間很髒」或「住在我旁邊房間的人很吵，我根本無法入睡」之類的內容。 與易於以圖形或表格形式顯示的結構化資料不同，每個非結構化資料都是不同的，對於每個花時間提供資料的客戶來說都是獨一無二的。 這種非結構化的客戶回饋是理解滿意度水準為何如此的關鍵，但在規模上更難理解。 理解非結構化回饋我們如何理解客戶的非結構化評論？有兩種選擇：人類或機器。人類（開放式編碼）： 人類是理解非結構化評論的最昂貴的方法 - 通常是令人望而卻步的，因為他們不僅是昂貴的知識工作者，而且工作量也無法擴展。 市場研究人員流行的一種非結構化資料分析方法稱為開放式編碼。它的工作原理如下： 一個人的任務是審查一小部分（常見的是一百個）開放式客戶評論，目標是從這些評論中識別主要「主題」。他們創建了所謂的“密碼本”，其中包含一些主要主題（通常是五到十個）。然後，通常會有另一個人逐一審查剩餘的開放式結局，並為每條評論分配一個主要主題。我們正在談論數千條評論，在某些情況下這意味著數天或數週的工作。最終結果是非結構化評論變得結構化！ 然後，市場研究人員創建了一份報告來量化這些評論，例如 43% 的人提到 Wi-Fi 是一個問題，16% 的人提到水療中心是一個問題，等等。 人類的方法幾​​乎不可能規模化。對於 PeopleMetrics 的大客戶，我們每週發送超過 20,000 份調查，產生數千份開放式答案。




在某一天，即使是最好的人類編碼員也可能只能處理幾百條評論。 機器（文字分析）： 另一方面，機器可以無限擴展。所有複雜的 VOC 軟體平台都將 提供文字分析模組 。文字分析使用透過掃描和分組客戶評論來識別常見主題或主題的電腦演算法，提供了前所未有的能力來理解大量非結構化客戶回饋並採取行動。它的工作原理如下： 「Wi-Fi」可能是一個主題，但有些客戶可能會稱之為「無線網路」。其他人可能只會說「網路」或「網路速度」或「網路存取」。經過人類的一些訓練後，機器很快就能學會將所有這些術語識別為「Wi-Fi」。 接下來，機器接受訓練以了解顧客對每則評論的情緒。一位顧客可能會說：“我喜歡這家酒店，因為無線網路速度很快。” 另一位顧客的評論可能是，“wifi，速度一點也不快，太令人沮喪了。” 然後，機器為與給定主題相關的每條評論分配一個情緒分數，通常範圍從 –1 到 +1。