7.6.2018 | Analytiikka

Tekstidatassa muhii uutta voimaa asiakaspalveluun

Markkinoinnin tiedolla johtaminen ja data tuovat helposti mieleen jättimäiset taulukot numeroita, kontaktimääriä, selainpolkuja, myyntilukuja ja budjetinkäyttökäyriä. Aina ei tule ajatelleeksi, että numeerisen tiedon lisäksi käytettävissä on usein valtava määrä tekstimuotoista dataa – puhuttua tai kirjoitettua. Tekstidatan analysointi avaa uusia mahdollisuuksia liiketoiminnan kehittämiseen.

 

Dagmar Driven analytiikkatiimi sai erittäin mielenkiintoisen toimeksiannon tutkia asiakaspalvelupyyntöjen dataa. Yhtä tarkkaa päämäärää ei asetettu, vaan palvelupyyntöjä haluttiin ymmärtää paremmin ja kartoittaa potentiaalisia käyttökohteita. Kävimme läpi yhteensä noin 7 000 palvelupyyntöä ja luokittelimme pyynnöt erilaisiin aihepiireihin.

Teimme analyysin ilman valmiita oletuksia aihepiireistä. Valmiita ontologioita ei käytetty, vaan teemat tunnistettiin suoraan datasta. Menetelmänä käytettiin paljon tutkittua Latent Dirichlet Allocationia.

Analyysin tuloksena saimme nopeasti ymmärryksen siitä, minkälaisiin teemoihin palvelupyynnöt jakautuvat sekä arvion erityyppisten palvelupyyntöjen volyymeista asiakaskannassa. Samalla hahmotimme tyypilliset valitustapausten kategoriat sekä niiden suhteellisen osuuden palvelupyynnöistä sekä koko asiakaskannasta.

Nyt löydettyjen insightien jatkoksi pohdimme ainakin seuraavia asioita: Asiakaspalvelupyyntöjen automaattinen luokittelu sekä priorisointi mallin avulla voi nopeuttaa ja helpottaa asiakaspalvelijoiden työtä. Erityisesti poistumariskin linkittäminen aiheanalyysiin olisi mielenkiintoinen lisäys poistumahallinnan työkalupakkiin. Myös asiakaspalvelupyyntöjen eri teemojen seuraaminen yli ajan voi tarjota vaihtoehdon perinteisille palautekyselyille, kun toimenpiteiden vaikutukset ja asiakkaiden tyytyväisyys voidaan poimia asiakaspalvelupyyntödatasta.

Analyytikolle case oli todella innostava, sillä saimme vapaat kädet menetelmän suhteen. Vapaus raportoida monenlaisia näkökulmia ja pohtia jatkokehityksen suuntia tekivät työstä inspiroivaa.

Asiakaspalvelupyynnöt sekä asiakaspalaute ovat vain yksi esimerkki tekstianalytiikan käyttökohteista. Uutisten ja somemainintojen yhteydessä käytävät keskustelut sekä sisällöt, yleiset julkiset internetkeskustelut, tuotearvostelut ja vaikkapa puhelinkeskustelut asiakashankinnassa ovat hyviä esimerkkejä datalähteistä, joissa on valtava hyödyntämispotentiaali.

Tekstianalytiikan sovelluksia on markkinoilla paljon. Alati kiihtyvät edistysaskeleet perustutkimuksessa sekä laskennallisten resurssien saatavuudessa vauhdittavat mahdollisuuksia päästä hyödyntämään yritysten tekstidataa. Ilmiö on nähtävissä myös Googlen ja Amazonin kaltaisten IT-jättien valtavista luonnollisen kielen analyysin panostuksista. Pelkästään Google on julkaissut tai jättänyt vertaisarvioitavaksi tämän vuoden aikana 21 tieteellistä julkaisua luonnollisen kielen analyysista.

Kehitys kannustaa kaikkia yrityksiä pohtimaan laajasti omia datalähteitään ja suuntautumaan kohti täysimittaista tekstimuotoisen datan hyödyntämistä. Me Dagmarilla olemme innoissamme uusista mahdollisuuksista ja jaamme mielellämme neuvoja ja asiantuntemusta datan hallintaan, analysointiin ja hyödyntämiseen. Ota yhteyttä, niin kaivetaan esiin teidänkin aarteenne. Data Scientist Ilkka Särkiö: ilkka.sarkio@dagmar.fi tai analytiikkayksikön vetäjä Mikko Koski: mikko.koski@dagmar.fi.

Ilkka Särkiö

Ilkka Särkiö

Ilkka Särkiö on Data Scientist, joka työskentelee asiakkaiden analyttiikkaprojektien parissa sekä kahlaa läpi datatieteen, koneoppimisen ja tekoälyn uutuuksia. Töiden ohessa Ilkka viimeistelee diplomi-insinöörin tutkintoaan Aalto-yliopistossa.

Lisää aiheesta