Ordliste · Kundetilfredshed
Sentimentanalyse
AI-drevet analyse af kundernes følelser i fritekst. Gør tusindvis af åbne svar handlingsbare på minutter.
Sentimentanalyse i CX-praksis
Fra sentiment til emnebunden sentiment
Den emnebundne tilgang er langt mere handlingsorienteret og er standarden i moderne VoC-programmer.
Vores erfaring er således, at den største gevinst ved sentimentanalyse ikke er automatisering. Det er hastighed. Du kan identificere et voksende problem i åbne svar uger før det viser sig i din NPS-score. Dermed giver det dig tid til at handle proaktivt.
Metoder for sentimentanalyse
Typiske anvendelsesområder
- Analyse af åbne NPS-svar: Hvad skriver Detractors vs. Promoters om?
- Monitoring af Trustpilot/Google-anmeldelser: Hvad er sentiment-trenden over tid?
- Support-ticket-triage: Prioriter kritiske henvendelser baseret på negativ sentiment
- Social media listening: Identificer negative omtaler, der kræver respons
Begrænsninger at kende
- Ironi og sarkasme misfortolkes hyppigt
- Korte svar (1-3 ord) er svære at klassificere præcist
- Branchespecifikke termer kan have anderledes sentiment-valens end i generelle tekster
Ofte stillede spørgsmål
Nej. Det er et supplement der filtrerer og prioriterer. Sentimentanalyse finder mønstre i tusindvis af svar. Manuel analyse giver nuanceret forståelse af de vigtigste temaer. Med andre ord bør du bruge AI til at finde nålen og mennesker til at forstå, hvad den betyder.
Moderne AI-baserede sentimentanalysemodeller fungerer generelt godt på dansk, men der er variation i kvalitet. GPT-4-baserede modeller og BERT-modeller finjusteret på dansk tekst præsterer bedst. Vær opmærksom på, at branchespecifikt fagsprog og dansk idiom kan give fejlklassificeringer. Validér altid en stikprøve manuelt.
Vil du måle Sentimentanalyse?