Verbeteren van de klantbeleving

Tekstanalyse kan ook gebruikt worden om de klantbeleving te verbeteren. Door klantenfeedback te analyseren krijg je een beter inzicht in de klant en wat je moet doen om de klantbeleving te verbeteren.

12 juni 2019

Tekstanalyse de motor achter veelgebruikte functies en app’s

Eenvoudig gesteld is tekstanalyse het proces dat machines menselijke taal leert. Hierbij wordt er gebruik gemaakt van vakgebieden als Natural Language Processing en Machine Learning. De toepassingsmogelijkheden zijn enorm. Het is niet voor niks dat grote tech-bedrijven en universiteiten over de hele wereld hier onderzoek naar doen. Tekstanalyse is bijvoorbeeld de motor achter; zoekmachines, personal assistants, chatbots, etc.

In een serie van blogs licht ik een aantal specifieke tekstanalyse taken toe en hoe je die kunt gebruiken om de klantervaring te verbeteren.  In deze eerste blog richt ik mij op ‘topics identificatie’ en ‘sentimentanalyse’.

Wat de waarde hiervan is laat zicht het beste zien in een voorbeeld. Hiervoor hebben we van 5 hotels de klantbeoordelingen op Booking.com verzameld en in een tabel gezet. Tekstuele toelichtingen van gasten op Booking.com zijn verdeeld in: titel, positieve en negatieve feedback. Wij hebben deze teksten samengevoegd en in 1 kolom gezet. In totaal hebben we ruim 8.100 beoordelingen verzameld.

Topic identificatie

Grafiek 1: Meest genoemde topics hotels

Onder topic identificatie verstaan we het herkennen en selecteren van de belangrijke topics in teksten. In bovenstaand voorbeeld zijn de topics: ‘kamer, bed, badkamer, ontbijt, receptiemedewerkers en ontbijtmedewerkers’. Wanneer we van alle 8.100 antwoorden de topics in een tabel zetten kunnen we een frequentietabel maken waarin de meest genoemde topics bovenaan staan. Dit is nuttige informatie, immers de meest genoemde topics spelen een belangrijke rol in de klantbeleving.

Topic expressie

Bij het identificeren van de topics wordt tevens bepaald wat de bijbehorende expressie is. De expressie laat zien wat er over de topic gezegd wordt. In bovenstaande beoordeling uit Booking.com is ‘fijne’ de expressie behorende bij ‘kamer’ en bijvoorbeeld ‘prima’ de expressie van ‘ontbijt’.

Door expressies in een wordcloud weer te geven krijg je al een goed beeld wat er over een topic wordt gezegd.

Grafiek 2: meest genoemde expressies voor ‘kamer’.

Sentimentanalyse

Sentimentanalyse laat het sentiment van teksten zien. Vaak wordt het sentiment uitgedrukt als positief, neutraal of negatief. Exocortex drukt het sentiment uit in een sentimentwaarde, variërend van -3 t/m +3. Waarbij -3 zeer negatief is en + 3 zeer positief. Het sentiment kan voor een tekstbestand worden bepaald (de gemiddelde sentimentwaarde van alle 8.100 beoordelingen is + 0,79), maar ook voor de afzonderlijke beoordelingen.

Helemaal interessant wordt het wanneer we het sentiment van de topics berekenen. Zo kun je namelijk precies zien over welke aspecten (topics) van de dienstverlening klanten positief zijn en over welke negatief.

Interactief dashboard

Ik heb de resultaten van de tekstanalyse in een interactief dashboard gezet. Het dashboard laat zien over welke topics klanten tevreden zijn en welke verbeterd moeten worden om de klantbeleving te verbeteren. Door de filters te gebruiken kun je inzoomen op een specifiek onderdeel van de dienstverlening. Door bijvoorbeeld in de ‘locatie filter’ Arnhem te selecteren zie je dat ‘airco’ de meest genoemde topic is met een negatief sentiment. Door vervolgens in de ‘Meest genoemde topics filter’ airco te selecteren wordt in de wordcloud de bijbehorende expressies getoond. Onderaan kun je in de tabel de tekst teruglezen over wat er nu precies gezegd wordt over airco.

Toegevoegde waarde tekstanalyse

Tegenwoordig meten veel bedrijven al de klanttevredenheid. Veel gebruikte metrics zijn; Net Promoter Score (NPS), Customer Satisfaction Score (CSAT) of de Customer Effort Score (CES). Door deze metrics te vergelijken met andere diensten/producten of met voorgaande periodes, geeft al een goed beeld hoe het met de klanttevredenheid is gesteld. Aanvullend daarop laat tekstanalyse het WHY achter de klanttevredenheid zien. Waarom zijn klanten ontevreden, welke aspecten van de dienstverlening zijn hier verantwoordelijk voor en wat kun je doen om de klanttevredenheid te verbeteren.

Meer lezen over topic identificatie en sentimentanalyse, kijk eens op: