"Текстовая аналитика"
Information intelligence
Информация становится одним из основных активов компаний в 21 веке, умение извлекать полезные знания и затем их монетизировать становится ключевым фактором успеха на рынке. Компании получили доступ к терабайтам, петабайтам, эксабайтам информации. Источники информации разделены на 3 типа: структурированные, неструктурированные и частично структурированные.
Что можно делать с данными доступными в Интернет, в соц. сетях, или внутри предприятий?
- Отправлять, пересылать, публиковать, редактировать, архивировать.
- Искать и индексировать
- Категорировать и классифицировать в соответствии с задачами предприятия
- Извлекать информацию и анализировать
- Проверять гипотезы и моделировать[1]
Основные возможности ТА
Добывание данных
- Извлечение данных из множества различных источников. Смещение акцента от поиска к обработке извлеченных данных
- Поиск и извлечение информации в режиме реального времени
- Адаптация коннектора к источнику данных при изменении структуры данных. Автоматический разбор неструктурированных документов, выделение заголовка, основной части документа, анализ структуры документа и ссылок
- Определение типов данных. Выбор обработчика в зависимости от типа данных. Обработка аудио, и видео информации
- Широкие возможности по извлечению данных из соц. сетей, публичных источников данных, наиболее посещаемых сайтов и специализированных источников
Категоризация
- Кластеризация документов, создание и наполнение категорий в документах. Выделение параграфов и разделов документов с использованием алгоритмов кластеризации
- Поддержка Pull (авторубрикация) и Push (предопределенные рубрики) сценариев для категорий
- Группировка и категоризация документов и частей документов в соответствии с заданными сценариями
- Использование комплексных алгоритмов для категоризации. Использование самообучаемых (статистических) алгоритмов и алгоритмов обучения с учителем
- Ведение [разных] категорий для разных ролей пользователей
- Использование категорий для последующего извлечения информации из неструктурированного текста
Извлечение информации
- Извлечение значимой информации из текста
- Выделение собственных имен, людей, организаций, географических мест, наименований, ссылок на сайты, e-mail, сообщения на форумах, сообщения в соц. сетях и пр.
- Выделение продуктов/услуг и их характеристик, в т.ч. характеристик связанных с обслуживанием клиентов
- Наполнение данными CRM-систем. Поиск и наполнение данными о профилях клиентов, отношениях между клиентами, выявление родственных связей, выявление степени влияния между клиентами
- Извлечение прочей информации релевантной для маркетинга (брендтрекинг, позиционирование по сравнению с конкурентами и пр.)
Анализ мнений
- Анализ мнений используется для дополнительного извлечения скрытой информации, которую сложно извлечь используя классические методы
- Анализ мнений включает выявление тональности сообщений, определение эмоциональной составляющей высказывания, выделение суждений, мечтаний и намерений клиента
- Использование тональности для сценариев активного снятия негатива со стороны клиента
- Разделение фактов и суждений
- Анализ желаний и мечтаний клиентов для разработки новых продуктов и новых маркетинговых стратегий
- Использование математических алгоритмов для обучения компьютера анализу текстовой информации
- Использование комплексных методов обучения: статистических методов, нейронных сетей, метода энтропии, дерева решений и пр.
- Использование машинного обучения вместе с ручным разбором для повышения качества работы ТА
- Разработка новых алгоритмов машинного обучения направленных на «подражание» человеку для автоматизации «диалога с клиентом»
Область применения
Ускоренное удовлетворение потребностей, повышение лояльности клиентов
- Срез клиентских впечатлений, позволяющий определить потребности клиентов и возможности повышения удовлетворенности клиентов
- Определение ключевых позитивных и негативных драйверов
- Активный контроль отношений с клиентом при взаимодействии с компанией
Повышение эффективности управления брендом и репутацией
- Оперативное выявление случаев негативных для компании ситуаций и реакция на них, прежде чем клиенты поделятся опытом со своими друзьями или информация попадет в масс-медиа
- Реакция на негатив со стороны клиента в тот момент когда все еще можно исправить
Современный подход к управлению жизненным циклом продуктов
- Сбор информации о предпочтениях клиентов в отношении продуктов и их преимуществ
- Использование сильных и слабых особенностей конкурирующих продуктов
- Сбор и углубленный анализ зарождающихся тенденций, их выявление и использование
- Увеличение жизненного цикла продуктов за счет выявления возможностей использования продуктов «no name», сегментов клиентов и линеек продуктов
- Выявление реакции клиентов на выход продукта в реальном времени
Повышение эффективности продаж и маркетинга
- Выявление возможностей up sale и cross sale
- Персонализированное предложение для клиентов, использующих Интернет канал
- Измерение влияния от акций и кампаний
- Измерение эффекта от изменения цены
Выявление наиболее резонансных трендов
Существенное улучшение клиентского сервиса
- Сокращение «посредников» слушающих клиента, сокращение искажений, снижение оттока
- Сокращение объема внутренних коммуникаций, автоматизация и повышение эффективности обработки клиентских запросов
- Раннее выявление повторяющихся запросов и выработки приемлемого решения
- Повышение качества базы знаний для самостоятельного решения проблем клиентом
Повышение эффективности планирования и проектирования
- Автоматизация задач сбора, категоризации и отчетности по обратной связи
- Сокращение неизбежных ошибок от ручной категоризации и обработки обратной связи
- Снижение стоимости обработки обратной связи
- Больше времени и усилий тратиться на развитие бизнеса и увеличение выручки, а не на обработку обратной связи
Смотрите также
- Yandex Data Factory
- Brand Analytics (Бренд Аналитикс): Система мониторинга и анализа сообщений о бренде - Brand Analytics (Бренд Аналитикс)
- Vesolv (Висолв) - VoC - Voice of Customer. Решение для анализа мнений клиентов
- Big Data
- Предикативная (предиктивная) аналитика
Примечания
- ↑ Презентация "Текстовая аналитика для анализа большого объема неструктурированных данных" Илья Вигер Генеральный директор Vesolv (Висолв)