Erstatter sentimentanalyse manuel analyse af åbne svar?

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.

Fungerer sentimentanalyse godt på dansk?

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.

Sentiment Analysis: Definition

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

Simpel sentimentanalyse: "Dette svar er negativt."

Emnebunden sentimentanalyse: "Dette svar er negativt om emnet: Levering."

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

Regelbaseret / Leksikalsk: Baseret på ord-lister (positive ord, negative ord). Hurtig og gennemsigtig, men dårlig til ironi og kontekst. Passer til simple, korte svar.

Machine learning-baseret: Trænet på annoterede teksteksempler. God til kontekstafhængig analyse, men kræver stor mængde træningsdata og løbende vedligeholdelse.

LLM-baseret (GPT, Claude m.fl.): Anvender store sprogmodeller via prompt engineering. Fremragende til dansk og til nuanceret, kontekstafhængig analyse. Skalerer godt og kræver ikke træningsdata.

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

Sentiment Analysis