Tekstianalytiikka tuo asiakkaan kehittämisen keskiöön

08.03.2019

Asiakas on tärkein.

Näin kuulee usein sanottavan, mutta kuinka usein asiakkaan antama palaute on organisaation kehittämistoiminnan keskiössä? Jos palautetta tulee paljon, onko tämän sisällöstä kenelläkään tarkkaa kokonaiskuvaa, ja onko siitä manuaalisin toimenpitein edes mahdollista olla?

Tekstianalytiikan avulla voidaan suuriakin määriä asiakaspalautetta analysoida ja muodostaa sen perusteella kokonaisymmärrys, mitkä asiat ovat asiakkaan kannalta ongelmallisia tai toimimattomia. Toki myös kiitosta saaneet asiat nousevat analyysissa esiin; Suomessa tosin hyvää palautetta annetaan huonoa palautetta harvemmin, vaikka tyytyväisiä oltaisiinkin.

Asiakaspalaute on arvokasta dataa, voihan se sisältää ehdotuksia, toiveita, ongelmien esiintuomista ja paljon muuta informaatiota, johon ei ole ehkä kiinnitetty huomiota riittävästi tai ollenkaan. Tätä tietoa ei kannata jättää käyttämättä, sillä sen hyödyntämisen avulla voi parantaa asiakaskokemusta.

Me Soforilla olemme kehittäneet tekstianalytiikkaa, jota voidaan käyttää esimerkiksi palautteiden analysointiin. Tekstianalytiikka muun muassa automatisoi palautteen käsittelyä ja tuo esiin palautteesta löytyviä ilmiöitä. Olemme kehittäneet julkisen demon, jota kaikki voivat vapaasti testata osoitteessa http://bit.ly/testaatekstianalytiikkaa.

Demossa analysoidaan Helsingin kaupungin avoimessa rajapinnassa asukkaiden julkaisemia palautteita ja se päivittyy kerran päivässä (mikäli uusia palautteita on julkaistu). Aloitimme viime vuonna demosta perusversiolla, jossa voi tarkastella esimerkiksi minkälaiset aiheet palautteissa ovat yleisiä tai missä esiintyy esimerkiksi roskisongelmia. Voit lukea lisää aiheesta Tekniikka & Talouden artikkelista ”Helsinki kerää saamansa palautteet karttaan tekoälyllä” tai katsoa webinaaritallenteen, jossa demon ensimmäistä versiota esitellään.

Kehitämme demoamme jatkuvasti ja uusia toiminnallisuuksia on julkaistu tämän vuoden aikana jo useita. Palautteiden sisältöön voi pureutua nyt tarkemmin: esimerkiksi roskiksiin liittyvien palautteiden sisältöjä voi tutkia edelleen ja havaita, liittyykö palautteeet täynnä oleviin roskiksiin tai kenties siihen, että roskista ei jossakin edes ole (Kuva 1). Tällä tavalla palautteissa päästään syvemmälle tasolle kuin perinteisellä kategorisoinnilla: kategorioita ei yleensä kannata tehdä kuin muutamia, jotta ne pysyvät hallittavina.

Kuva 1: Sivulla on etsitty roskiksiin liittyviä palautteita ja edelleen näistä valittu ne palautteet, joissa mainitaan roskisten olevan täynnä. Pylväsdiagrammi kertoo, kuinka paljon palautteita on missäkin kuussa tullut ja palautteiden sijainnin kartalla.

Uusin demomme ominaisuus on eri ilmiöiden tutkiminen synonyymien tai vaikkapa samankaltaisten sanojen kanssa. Jos haluaa tietää, missä on roskisongelmia, ei enää tarvitse osata etsiä näitä myös sanoilla roskakori tai jäteastia, vaan tämä hoituu synonyymihakumme avulla (Kuva 2). Olemme siis lisänneet mahdollisuuden sisällyttää vaikkapa synonyymit hakuun, jolloin näitä ei tarvitese miettiä erikseen. Samalla on mahdollista tutkia myös englanninkielisiä palautteita, mikäli näitä on mukana, sillä olemme lisänneet demoon myös englanninkielisen vastineen sanalle, jolloin mikäli aiheesta on englanniksi palautteita, myös nämä voi löytää helposti.

Kuva 2: Sivulla on etsitty roskiksiin liittyvät palautteet ja valittu lisäksi roskiksen synonyymeillä tulleet palautteet, esimerkiksi palautteet, joissa mainitaan jäteastia tai roskalaatikko.
Kirsti Laurila
Head of Analytics
+358 50 384 3370
Tekstianalytiikkaa voi soveltaa laajasti myös muihin teksteihin, kuten vaikkapa tiketteihin, tilauksiin tai turvallisuushavaintoihin. Ota yhteyttä minuun, jos haluat kuulla, miten tätä voisi hyödyntää teidän yrityksessänne.

KIRSTI LAURILA, Head of Analytics | puh. +358 50 384 3370 | kirsti.laurila@sofor.fi