SentiSquare | Customer Feedback Analytics

Observing mode

Discovery mode

Chcete sledovat trendy v tématech zpětné vazby v průběhu času? Doporučujeme náš "Observing mode".

Snažíte se najít skryté informace o zpětné vazbě od zákazníků? Nejste si jisti, co hledat? Nechte naše roboty najít to za vás! Podívejte se na "Discovery mode".

Jste připraveni objevit ještě více informací? Pojďte s námi ještě dál za rozeznávání témat a pusťte na vaše data neasistované učení! Naše AI si posvítí na velmi hodnotné informace o odchodu zákazníka, podvodech a vznikajících nebo skrytých trendů.

Customer Feedback Analytics:
Observing mode‍_

Cíle

Získání jasného přehledu o zákaznické zpětné vazbě. Sledování trendů v čase.

Benefity

  • Zaměříte vaše zdroje přesně tam, kde je to nejvíce potřeba.

  • Identifikujete silné podporovatele a kritiky.

  • Přizpůsobíte výstupy pro určené pracovníky.

Naše řešení

Nasazení asistovaného strojového učení pro kategorizaci a analýzu sentimentu.

Feedback observing

Úspěch v praxi:
Customer Feedback Analysis pro Albert‍_

Úkol

40 000

dotazníků se zpětnou vazbou kvartálně

Bez AI

Ruční třídění

S AI

Automatická klasifikace

  • 40 000 kusů zpětné vazby s otevřenými otázkami za kvartál

  • 120 expertních man-days stráveno tříděním zpětné vazby

  • Potřeba 3 týdnů na zpracování výstupů od dodání zpětné vazby

Problém Albertu

Pokaždé, co analytici Albertu obdrželi zpětnou vazbu od zákazníků, dokázali roztřídit jen její menší část – okolo 30% – do kategorií. Tento zdlouhavý proces zabíral 120 man-days ročně, přičemž výsledky analýzy byly kolísavé. Albert hledal řešení, které by ulevilo zaměstnancům a zpětnou vazbu třídilo rychle a automaticky.

Řešení od SentiSquare

Na základě historických dat se umělá inteligence SentiSquare naučila rozpoznávat témata a sentiment ve formulářích zpětné vazby s téměř lidskou přesností. Díky tomu dokázala zpracovat 100 % příchozí zpětné vazby, což umožnilo zavést podrobnější kategorizaci témat zmiňovaných zákazníky.

Výsledky Albertu se SentiSquare

Albert ušetří 120 MD ročně díky automatickému třídění zpětné vazby. Pravidelný report je hotový za 3 dny místo za 3 týdny. Díky 100% pokrytí zpětné vazby se Albert s přesností laseru zaměřuje na konkrétní problémy zákazníků v každém obchodě, oddělení a regionu. Díky tomu směřuje úsilí a zdroje tam, kde jsou nejvíce potřeba.

“Systém automaticky zpracuje odpovědi od více než stovky tisíc zákazníků ročně a jejich podněty dokáže roztřídit do kategorií tak, aby doputovaly ve firmě na správné místo k určenému pracovníkovi. Díky tomu dokážeme reagovat a náměty zákazníků efektivně řešit. Pokud bychom měli řešit takovou databázi podnětů bez umělé inteligence, potřebovali bychom pracovní sílu, která by rutinně katalogizovala tisíce odpovědí.”

Jiří Mareček, Spokeperson, Albert

Úspěch v praxi:
Customer Feedback Analytics pro E.ON‍_

Úkol

12 000+

zpětné vazby měsíčně

Bez AI

Manuální zpracování

S AI

Automatická klasifikace

  • 12 000+ kusů otevřené zpětné vazby za měsíc

  • Monitoring různých touchpointů a služeb třetích stran

  • Jemné rozdíly mezi tématy - obtížná klasifikace

Problém E.ONu

Zpětná vazba v podobě volných odpovědí na otevřené otázky je klíčová pro porozumění zákazníkům, ale její automatické třídění je obtížné. Rozdíly mezi

Řešení od SentiSquare

E.ON dostává NPS skóre a zpětnou vazbu z různých zdrojů na různých místech zákaznické cesty. Úkolem bylo zavést její jednotnou klasifikaci a zajistit tak 360° přehled. Na základě historických dat se umělá inteligence SentiSquare naučila

Výsledky E.ONu se SentiSquare

Díky tomu, že umělá inteligence SentiSquare rozpoznává téma a sentiment příchozí zpětné vazby, E.ON dokáže změřit důvody změn NPS skóre v každém bodě kontaktu se zákazníkem či regionu a pro všechny externí poskytovatele. E.ON tak přesně ví, jak zlepšovat zákaznickou zkušenost!

“Díky řešení od společnosti SentiSquare jsme schopni lépe porozumět problémům našich zákazníků a zaměřit se na zlepšení tam, kde je to z pohledu zákazníka nejvíce potřeba.”

Jana Hrabětová, Company Development @ E.ON

Customer Feedback Analytics:
Discovery mode‍_

Cíle

Detekce skrytých témat a nových trendů. Nalezení zpětné vazby ve strukturovaném výstupu.

Benefity

  • Zvyšujte retenci díky identifikaci důvodů odchodu zákazníků.

  • Zvyšujte spokojenost zákazníků rychlým rozpoznáváním a řešením nových výzev.

  • Získejte přehled o příchozí zpětné vazbě s pomocí našeho analytického nástroje - rychle a jasně.

Naše řešení

Využití strojového učení bez supervize pro shlukování a extrakci klíčových slov. Sémantické vyhledávání (agregace atd.).

Úspěch v praxi:
Customer Feedback Analytics pro T‍-‍Mobile‍_

Úkol

15 000+

SMS se zpětnou vazbou měsíčně

Bez AI

Přečteno a zapomenuto

S AI

Automaticky roztříděno

  • 15 000 SMS se zpětnou vazbou od zákazníků za měsíc

  • Těžko se měří, co vede ke spokojenosti zákazníka

  • Neobjektivní a chybějící customer intelligence

Problém T-Mobilu

I přes velký objem zpětné vazby se T-Mobilu nedařilo měřit příčiny změn zákaznické spokojenosti — chyběl celkový přehled, informace byly zkreslené a rozdrobené po týmech. T‍-‍Mobile zkoušel nejpokročilejší řešení založená na klasifikaci přes pravidla a klíčová slova, ale bez uspokojivých výsledků.

Řešení od SentiSquare

Aby bylo třídění SMS do témat úspěšné, vývojáři SentiSquare nasadili strojové učení na historická data T-Mobilu. Umělá inteligence tak dokázala identifikovat témata a sentiment zpráv s vysokou přesností. Analytika SentiSquare dále umožnila výstupy jednoduše vizualizovat, filtrovat a vyhledávat v nich.

Výsledky T‍-‍Mobile se SentiSquare

T‍-‍Mobile nyní dokáže nejen měřit trendy v tématech a sentimentu v reálném čase, ale také vyhledat konkrétní příklady zpětné vazby. T‍-‍Mobile tak má dokonalý přehled o tom, co je z pohledu zákazníka potřeba zlepšit, a okamžitý vhled do jakéhokoli důležitého tématu.

“SentiSquare AI přečte všechnu zpětnou vazbu a poskytuje neocenitelný vhled. V tomto ohledu je to nejlepší nástroj, se kterým jsme se dosud setkali.”


Vojtěch Vycudilík, Customer Insight Expert @ T‍-‍Mobile Czech Republic