Share it with your network.
El primer paso para controlar el pulso de su negocio es hacer las preguntas correctas a los clientes actuales.
La mayoría de las empresas lo entienden bien.
Lo que han hecho con todos estos datos es lo que ha marcado la diferencia.
Las respuestas cualitativas son tan ricas en información como difíciles de extraer manualmente. Afortunadamente, los últimos avances en inteligencia artificial han hecho posible que casi cualquier persona pueda analizar rápidamente respuestas amplias y abiertas. Una de esas herramientas es la Complemento Google Sheets de Komprehend. Te permite realizar análisis de encuestas en tu propia hoja de cálculo y es muy sencillo de aplicar.
Estas herramientas se pueden utilizar para una exploración de varios niveles de información que, de otro modo, podría haberse pasado por alto fácilmente.
Nivel 1: Explorando el sentimiento
Es necesario distinguir entre comentarios positivos y negativos al realizar el análisis de la encuesta. Los comentarios negativos son una fuente inagotable de posibles mejoras en los productos, y los comentarios positivos te indican dónde estás añadiendo más valor a tus clientes. El uso del complemento hace que sea muy fácil usar la IA y descubrir el sentimiento subyacente detrás de miles de fragmentos de texto de una sola vez. Consulta la demostración de Sentiment Analysis aquí.
Nivel 2: Comprensión de las emociones
Las emociones van un paso más allá de los sentimientos. El análisis de las emociones revela si la respuesta de un cliente es: feliz, triste, sarcástica, enojada, aburrida, temerosa o emocionada. Imagina la furia de un cliente cuya valoración es enojada y obtiene una puntuación de 0,95. Dar prioridad a las quejas de los usuarios mediante la puntuación de Emotion Analysis puede ayudarte a tomar medidas rápidamente. Consulta la demostración del análisis de emociones aquí.
Nivel 3: Búsqueda de palabras clave
El generador de palabras clave se puede usar cuando necesite generar etiquetas y metadatos a partir de cualquier corpus de texto para recuperar información importante rápidamente. Las frases clave son similares a las palabras clave y se deben usar cuando se desea analizar un corpus de texto para encontrar los temas principales de los que la gente estaba hablando en el corpus.
Por ejemplo: consideremos un texto como «Este restaurante siempre está congestionado».
La API de palabras clave indicará «restaurante» como palabra clave que se puede usar para etiquetar este comentario, mientras que la API de frases clave mostrará «siempre congestionado» como frase. Un proveedor de contenido educativo ya es consciente del hecho de que el curso aparecerá con frecuencia en los comentarios de los usuarios, pero una frase como «demasiado largo» es importante para saber cuáles son los comentarios reales.
Nivel 4: Clasificación de los datos en los temas que mejor se adapten
En un escenario de clasificación, ejecutamos un algoritmo de descubrimiento de patrones sobre un pequeño conjunto de datos de entrenamiento etiquetados para calcular patrones de texto que están altamente correlacionados con la aparición de una etiqueta específica (es decir, si el patrón ocurre, entonces, con alta probabilidad, también lo hace la etiqueta). El clasificador identifica las relaciones entre las palabras y las almacena para analizar documentos futuros que no se vean.
Considere la tarea de clasificar los correos electrónicos de comentarios de los usuarios enviados a una gran empresa en correos electrónicos que expresen sentimientos positivos y negativos. En este contexto, un patrón de texto frecuente que tiene una alta correlación con la etiqueta negativa podría ser «Me cambiaré a XyzCorp», donde XyzCorp es el nombre de un competidor. Una vez que el clasificador haya aprendido esto, podrá clasificar otros documentos nuevos en etiquetas, tal como lo haría un humano.
Más específicamente para las encuestas de clientes, consideremos el siguiente ejemplo.
Una marca internacional de ropa deportiva recibió 10 000 reseñas sobre su línea de camisetas recién lanzada. He aquí un resumen de cómo Komprehend usó su clasificador personalizado para profundizar en estos datos.
Paso 1: entrenamos nuestro algoritmo en estas revisiones. El modelo aprende la estructura de las oraciones y el contexto de las reseñas.
Paso 2: Identificamos 7 temas generales de preocupación que surgen de las opiniones de los clientes: ajuste, precio, calidad, comodidad, tamaño, durabilidad y defectos. Cada tema estaba anotado con subtemas.
Paso 3: El clasificador personalizado analizó automáticamente cada reseña y la clasificó en temas relevantes.
Al analizar las conversaciones en función del sentimiento y los temas que lo impulsan, un banco minorista podría descubrir que las críticas de los clientes, la duración de las colas y los tiempos de espera son los principales factores.
Una cadena de comida rápida podría estar interesada en saber que, en comparación con su competidor más cercano, muchos consideran que el tamaño de sus porciones es demasiado pequeño, aunque su amable servicio de atención al cliente es una ventaja.
En Komprehend, facilitamos a nuestros usuarios el uso de soluciones de clasificación de textos basadas en aprendizaje automático sin experiencia en ciencia de datos.
Puede utilizar una de nuestras soluciones de clasificación de texto disponibles en el mercado, como Sentiment Analysis y Análisis de emociones o construye tu propio clasificador usando API de clasificación personalizada. Todas las API están disponibles en Plugins de Google Sheets y Complemento Google Sheets para hacer minería de texto desde la comodidad de tus hojas de cálculo.
En el caso de las empresas, los modelos de clasificación de texto se pueden licenciar para su implementación local o en la nube privada a fin de garantizar una baja latencia y el cumplimiento de las leyes de privacidad.
También puede explorar más de nuestras soluciones de clasificación de textos aquí.
Puedes leer aquí acerca de las aplicaciones y los casos de uso de la clasificación de textos.
Esperamos que os haya gustado el artículo. Por favor Inscríbase para obtener una cuenta Komprehend gratuita para comenzar su viaje con la IA. También puedes consultar las demostraciones de las API de IA de Komprehend aquí.
