Close
Задать вопрос
Telegram
WhatsApp
Viber
Messenger
Skype
Mail
Phone
Как тайком спросить у клиентов о проблемах компании?
Согласитесь интересно узнавать о том, что думают клиенты о компании. Для этого можно делать опросы, собирать фокус-группы и тому подобное. Но эти методы имеют свои недостатки. А ведь можно узнать все существующие мнения клиентов о компании, ее продуктах, сервисе и тому подобное. Заманчиво?

Недавно столкнулся с очень интересным кейсом, хочу с вами поделиться им. Знакомые ребята из компании Kramareva&Kramarev работают над улучшением клиентского сервиса в одном из самых крупных сетевых магазинов обуви в Украине, назовем его компания "И". Для того что бы узнать существующие мнения клиентов, было решено собрать все посты с упоминанием компании "И" в социальных сетях и на форумах. Когда массив был собран и к нему применены инструменты определения тональности (Позитив/Негатив/Нейтрал), стало понятно, что определения тональности мало. Необходимо понимать суть отзывов.

Когда отзывов 10, 20, 100, такой объем еще можно обработать руками. Но что делать, когда отзывов тысячи или десятки тысяч. Вот тут как раз имело смысл подключать дата аналитику. Что мы сделали? Для начала, при помощи инструментов Text Mining все имеющиеся тысячи сообщений были вычищены, разобраны по словам. Затем сообщения были кластеризированы. Выделился ряд кластеров со схожими словами в сообщениях. Для удобства восприятия по каждому кластеру были построены облака тегов. В итоге удалось выявить ряд проблем в компании. Таких как сложности с менеджментом в одном из городов, проблемы с качеством линейки товаров, а так же один из резонансных случаев в обслуживании клиентов.

Такое решение экономит массу времени и делает возможным в считанные минуты анализировать десятки тысяч сообщений. Выводить итоги в виде облаков тегов. Все что останется сотруднику компании, который будет следить за ситуацией, это просто периодически просматривать, получающиеся результаты. Кроме того при таком подходе исключается субъективизм, который всегда присутствует при ручной обработке данных.

Кейс еще нуждается в доработке, но уже сейчас он получился очень интересным. Причем, направление его применения может быть не только в анализе отзывов в сети, но и, например, анализ обращений в службу поддержки компании и тому подобное.
Made on
Tilda