"Текстовая аналитика"
Information intelligence

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]

Что такое «текстовая аналитика»?

ТА неотъемлемая часть решения ADVANCED BI

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

Машинное обучение

• 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»

Применение ТА для «Голоса Клиента»

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