SentiSquare AI umí přeměnit neuspořádanou zpětnou vazbu od zákazníka na praktické informace. V jakémkoliv jazyce. S přesností téměř jako člověk a jinými nadlidskými schopnostmi.
Objevit výhody Kontaktovat
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".
Získání jasného přehledu o zákaznické zpětné vazbě. Sledování trendů v čase.
Zaměříte vaše zdroje přesně tam, kde je to nejvíce potřeba.
Identifikujete silné podporovatele a kritiky.
Přizpůsobíte výstupy pro určené pracovníky.
Nasazení asistovaného strojového učení pro kategorizaci a analýzu sentimentu.
dotazníků se zpětnou vazbou kvartálně
Ruční třídění
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
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.
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.
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.”
zpětné vazby měsíčně
Manuální zpracování
Automatická klasifikace
12 000+ kusů otevřené zpětné vazby za měsíc
Monitoring různých touchpointů a služeb třetích stran
Jemné rozdíly mezi tématy - obtížná klasifikace
Zpětná vazba v podobě volných odpovědí na otevřené otázky je klíčová pro porozumění zákazníkům, ale její automatické třídění je obtížné. Rozdíly mezi kategoriemi zpětné vazby pro E.ON jsou mnohdy velmi jemné. Vyrobit podrobný klasifikační model na základě klíčových slov by proto trvalo roky.
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 rozpoznávat téma a sentiment ve zpětné vazbě s téměř lidskou přesností.
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.”
Detekce skrytých témat a nových trendů. Nalezení zpětné vazby ve strukturovaném výstupu.
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.
Využití strojového učení bez supervize pro shlukování a extrakci klíčových slov. Sémantické vyhledávání (agregace atd.).
SMS se zpětnou vazbou měsíčně
Přečteno a zapomenuto
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
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.
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.
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.”
