Ugotovite Svoje Število Angela
Kako rezultat razpoloženja izboljša strategijo vaše blagovne znamke
Tradicionalne metode, kot so ocene z zvezdicami in rezultati neto promotorjev (NPS), so znani načini, s katerimi kvantificiramo zadovoljstvo strank. Toda to je le vrh ledene gore, ko gre za razpoloženje strank.
Napredne tehnologije, kot so analiza razpoloženja vam pomagajo preseči numerične meritve z analizo kvalitativnih podatkov, kot so komentarji v družbenih medijih, odgovori na ankete in ocene. Ta pristop k izračunu ocene razpoloženja vam omogoča bolj natančno razumevanje mnenja strank in severnico za izboljšanje vaše ponudbe in strategij blagovne znamke.
kaj pomeni 350
Preberite, če želite raziskati, kaj je ocena razpoloženja, napredek pri izračunu ocen razpoloženja in kako to počnemo pri Sproutu.
Kaj je ocena razpoloženja?
Ocena razpoloženja kvantificira razpoloženje ali čustva, izražena v kvalitativnih podatkih, kot so povratne informacije strank ali poslušanje družbenih medijev. Izračuna se s postopkom analize razpoloženja in meri v razponu od -1 do 1. Negativno je najvišje negativno razpoloženje, 0 označuje nevtralno razpoloženje, +1 pa najvišje pozitivno razpoloženje.
Ocene razpoloženja vam sporočajo, ali je tržno mnenje o vaši blagovni znamki pozitivno, negativno ali nevtralno. Nadaljnja analiza podatkov vam omogoča poglobljen vpogled v to, kako lahko izboljšate različne vidike svojega poslovanja, kot so storitve za stranke, tržna vsebina, izdelki in poprodajne storitve, da zagotovite, da negujete zvestobo blagovni znamki in rast poslovanja.
Tradicionalni pristopi k razumevanju občutkov strank
Tradicionalni pristopi k analizo razpoloženja strank so se večinoma zanašali na kvantitativne meritve. Tej vključujejo:
Viralnost
Viralnost se nanaša na skupno število vključitev v družbene medije, kot so všečki, delitve in komentarji, ki jih je prejela vaša vsebina ali kampanja. Viralnost se tradicionalno uporablja kot pokazatelj, kako dobro vaša blagovna znamka, kampanja ali marketinška vsebina odmevajo pri vaši ciljni publiki in širši javnosti. Omogoča splošen pregled želja strank, tako da lahko sprejemate premišljene marketinške odločitve in ustrezno spremenite svoje strategije.
Ocena z zvezdicami
Ocenjevanje z zvezdicami je priljubljena metoda za razumevanje razpoloženja strank in jo blagovne znamke pogosto uporabljajo za ocenjevanje izdelka ali storitve. Ocene z zvezdicami so običajno podane v razponu od 1 do 5 zvezdic, pri čemer 1 označuje najnižjo stopnjo zadovoljstva strank, 5 pa najvišjo. Včasih ocene z zvezdicami vključujejo tudi komentarje, ki oceni dodajo dodaten kontekst.
NPS
NPS je kvantitativna metrika, ki se uporablja za merjenje zadovoljstva strank in nagnjenosti strank, da blagovno znamko priporočijo družini in prijateljem. Višja kot je ocena, večja je zvestoba strank. Ocene NPS so pogosto na lestvici od 0 do 10, pri čemer 0 označuje najnižjo oceno, 10 pa najvišjo.
Za razliko od ocen z zvezdicami ali viralnosti meritve NPS stranke pogosto razvrstijo v tri kategorije glede na njihove ocene.
- Promotorji (8–10): To so zadovoljne stranke, ki bodo aktivno promovirale blagovno znamko z besedami, ocenami ali komentarji na družbenih medijih.
- Pasivni (7-8): Te stranke so zadovoljne, vendar verjetno ne bodo promovirale izdelka ali storitve.
- Obrekovalci (6-0): To so zelo nezadovoljne stranke, ki bodo najverjetneje objavile negativne ocene in bodo druge verjetno odvrnile od razmišljanja o blagovni znamki.
Ocena zadovoljstva strank (CSAT)
CSAT je metoda, ki se uporablja za merjenje, kako zadovoljni so kupci z izdelki ali storitvami blagovne znamke. Rezultati CSAT se izračunajo z merjenjem povprečne ocene strank. Lestvice CSAT se lahko razlikujejo, lahko so na primer med 1 in 10, pri čemer je 10 najvišja ali 1 in 5, pri čemer je 5 najvišja stopnja zadovoljstva strank.
Ankete CSAT je mogoče poslati po transakciji ali občasno, da bi razumeli zadovoljstvo strank s celotno blagovno znamko.
Nov napredek pri izračunu ocene razpoloženja
Tradicionalni izračuni so osredotočeni na kvantitativne meritve iz ključnih kazalnikov uspešnosti (KPI). Če pa želite dobiti resnično natančno sliko občutkov blagovne znamke, morate mešanici dodati kvalitativne podatke, ki jih najdete v komentarjih in povratnih informacijah. Raziskovanje kaže, da čeprav je večina podjetij prejela pozitivne ocene z zvezdicami med 80 % in 100 %, te ocene niso vplivale na uspeh podjetja. To je zato, ker ljudje na splošno dajejo višje pozitivne ocene od svojih dejanskih izkušenj. To vodi do morja pozitivnih ocen, kar število nagiba k višji pozitivni oceni.
Strojno učenje (ML) in naloge AI, kot so prepoznavanje imenovane entitete in obdelava naravnega jezika (NLP) pomaga premagati ta izziv. Pomagajo vam razumeti občutke strank bolj kontekstualno, kar vam omogoča, da poiščete vzorce v mnenjih strank znotraj oseke in oseke dojemanja blagovne znamke v časovnih osih in kampanjah.
Intenzivnost rudarjenja občutkov se razlikuje glede na uporabljene metode. Trije glavni so:
- Analiza razpoloženja na podlagi dokumentov
Ta pristop vam omogoča splošno razumevanje negativnega, pozitivnega ali nevtralnega občutka v dokumentu. Uporablja se za majhne, nezapletene nize podatkov.
- Analiza razpoloženja na podlagi teme
Ta metoda je bolj niansirana in ocenjuje razpoloženje glede na temo. Model ML prepozna teme in teme, ki se pogosto pojavljajo v podatkih, in nato analizira razpoloženje v njih.
Ta pristop tržnikom pomaga razumeti, kaj je strankam ali širši javnosti všeč in kaj ne mara pri njihovi blagovni znamki. Tako zagotavlja ustrezne in uporabne vpoglede iz ocen, poslušanja družbenih medijev ali e-poštnih sporočil in komentarjev za pomoč strankam.
- Analiza razpoloženja na podlagi vidika
To je najnaprednejša metoda, ki se uporablja za rudarjenje občutkov. Analiza razpoloženja na podlagi vidika nadalje razčleni teme, da prepozna in poišče vidike znotraj njih, nato pa uporabi semantiko, da zagotovi popolnejšo sliko občutkov strank. Na primer, lahko identificira vidike, kot so »sobna postrežba«, »strežaj v baru«, »recepcija« ali »parkiranje vozila« iz razvrstitve tem o »storitvi za stranke« v podatkih povratnih informacij.
Ta zrnata oblika analize razpoloženja blagovnim znamkam natančno pokaže, kaj je treba izboljšati, in podaja informacije o strategijah, potrebnih za povečanje zadovoljstva strank.
Tehnike obdelave podatkov, ki se uporabljajo za izračun rezultatov razpoloženja
Izračun ocene občutka za uporabo v AI trženje odvisno od številnih nalog obdelave podatkov, ki jih samodejno izvede model ML, kot so veliki jezikovni modeli (LLM). Te naloge vključujejo:
Tokenizacija
Tokenizacija je postopek ločevanja besedila na posamezne besede. Vsa ločila so odstranjena in niz besedila je razdeljen na bloke besed. Na primer:
[ Bivanje je bilo lepo, vendar je bila moja soba hladna in morali smo čakati ure in ure, da je hotelsko osebje nastavilo termostat, čeprav se je hotel zdel prazen. Ko smo poskušali poklicati na recepcijo, da bi povprašali, so bili videti nepotrpežljivi in nesramni ]
Normalizacija besedila
Na tej stopnji so vsi podvojeni vnosi odstranjeni iz podatkov, tako da ni podatkovne anomalije. V tem primeru besedilni niz ostane nespremenjen, saj ni redundance.
[Bivanje je bilo lepo, vendar je bila moja soba hladna in morali smo čakati ure in ure, da je hotelsko osebje nastavilo termostat, čeprav se je hotel zdel prazen. Ko smo poskušali poklicati na recepcijo, so bili videti nestrpni in nesramni]
Besedni izvor
Besedni izvor se nanaša na postopek redukcije besede na njen koren. V tem primeru sta besedi »ure« in »seemed« pretvorjeni v »hour« in »seem«.
[ Bivanje je bilo lepo, vendar je bila moja soba hladna in morali smo počakati uro za hotelsko osebje, da prilagodi termostat, čeprav hotel zdi se prazno Ko smo poskušali poklicati na recepcijo, da bi povprašali, so bili videti nepotrpežljivi in nesramni ]
Odstranitev stop-besede
Vse odvečne besede so odstranjene, tako da se ohranijo le poimenovane entitete in besede, ki označujejo čustva.
[ Bivanje je bilo lepo moj soba hladna in morali smo čakati za uro za hotelsko osebje prilagoditi termostat, čeprav hotel videti prazno, ko smo poskušali priklicati sprejem poizvedovati se jim je zdelo nestrpen in nesramen ]
0808 angelska številka
Dobljeno obdelano besedilo se zdaj glasi, [ prijetna soba hladno čakalna ura hotelsko osebje recepcija nepotrpežljiv nesramen ] .
Ker ima vsaka beseda številčni ekvivalent v modelu ML, ki temelji na lestvici njene negativnosti ali pozitivnosti, vam obdelani podatki dajo rezultat na podlagi skupnega povprečja razpoloženja. Pri izračunu z metodo leksikona, če je besedi »lepo« dodeljena ocena 1 za pozitivno, medtem ko je »nestrpen« dodeljen -,05 in nevljudno -0,7, bi bila končna ocena razpoloženja za oceno -1, kar je enako na negativno.
Konvencionalni pristopi k izračunu rezultatov razpoloženja
Obstaja več načinov za izračun ocene razpoloženja, najpogostejša pa je metoda leksikona, ki za merjenje razpoloženja uporablja razmerje 1:1. Ko pa gre za kompleksne podatke, zbrane iz več virov, kot so poslušanje družbenih medijev ali forumi za ocene strank, so potrebne naprednejše tehnike. Spodaj je razčlenitev teh metodologij.
Metoda štetja besed
Najenostavnejši način za izračun ocene razpoloženja temelji na metodi leksikona ali štetja besed, kot v zgornjem primeru. Pri tej metodi je število pojavov negativnega čustva zmanjšano od pozitivnih pojavov.
Formula: # negativne besede – pozitivne besede = ocena razpoloženja
Primer: 1 – 2 = -1.
Ugotavljanje ocene občutka glede na dolžino stavka
Pri tej metodi od negativnih besed odštejemo število pozitivnih besed in rezultat delimo s skupnim številom besed v preglednem stavku.
Formula: # negativnih besed – # pozitivnih besed, deljeno s številom besed = ocena razpoloženja
Primer: 1 – 2 / 42 = -0,0238095
Ta sistem se pogosto uporablja za razumevanje daljših pregledov in komentarjev.
Ker se ta metoda uporablja za analizo velikih količin podatkov, lahko dobljeni rezultati segajo v dolge frakcije. Če se izvaja v velikem obsegu, lahko to povzroči težave pri primerjavi in razumevanju vrednosti razpoloženja. Da bi premagali ta izziv, se dobljeni rezultati pomnožijo z ednino, tako da so vrednosti večje, kar olajša primerjavo.
Razmerje med pozitivnim in negativnim številom besed
Ta metodologija velja za najbolj uravnoteženo za merjenje ocene razpoloženja v velikih podatkih. Skupno število pozitivnih besed se deli s skupnim številom negativnih besed in sešteje z ena.
Formula: # pozitivne besede / # negativne besede + 1 = ocena razpoloženja
Primer: 1/2 + 1 = 0,33333
Daljši kot je pregled, večje je število pozitivnih in negativnih točk. Ta pristop normalizira celotno dolžino besedila, zaradi česar je še posebej uporaben pri analizi recenzij različnih dolžin. Pri tej metodi je ocena razpoloženja 1 nastavljena kot nevtralna.
Kako izračunavamo rezultate razpoloženja pri Sproutu
Sproutov model čustev uporablja globoke nevronske mreže (NN) in zlasti velike jezikovne modele. LLM deluje tako, da upošteva kontekst celotnega bloka besedila, besede bere od leve proti desni in od desne proti levi z uporabo Predstavitve dvosmernega kodirnika iz transformatorjev (BERT) modeli iz Googla.
Glede na nabor podatkov že označenih dokumentov LLM samodejno identificira besede, besedne zveze in vrstni red besed/besednih zvez, ki prispevajo k temu, da je blok besedila označen kot pozitiven ali negativen. Nato vsakemu žetonu v bloku besedila dodeli težo (številčno vrednost). S temi izračunanimi utežmi določimo občutek za novo, nevideno besedilo in verjetnost, da je pozitivno, negativno ali nevtralno.
Pomen ocene razpoloženja za blagovne znamke
Ocene razpoloženja vam pomagajo kvantificirati in ovrednotiti različne vidike vaše blagovne znamke, izdelka in storitev, s čimer dajejo skupinam za trženje, izdelke in skrb za stranke uporabne vpoglede v to, kako natančno lahko usmerijo svoje strategije k uspešni poti.
Zahvaljujoč umetni inteligenci in strojnemu učenju obstaja več orodij, ki odpravijo ugibanja in vam v nekaj minutah dajo natančno sliko občutkov vaše blagovne znamke. Oglejte si te orodja za analizo razpoloženja pripravili smo, da raziščemo, kako lahko znova zaženete svojo strategijo blagovne znamke.
Delite S Prijatelji:
