Textanalys i praktiken

Föreställ dig följande situation: Du har skickat ut en undersökning med fritextfrågor och det är nu dags att gå igenom svaren för att försöka samla in agerbara insikter. Att göra det manuellt är resurskrävande, ineffektivt och svårt att skala. Det är här textanalys för kund- och medarbetarfeedback kommer in i bilden.

Driven av maskininlärning och AI hjälper textanalys dig att extrahera insikter från tusentals fritextsvar inom loppet av sekunder. I den här artikeln kommer vi kika närmare på vad textanalys är i praktiken, hur det kan ta din kund- och medarbetarfeedback till nästa nivå och omvandla veckor av jobb till minuter.

Vad är textanalys?

TA använder teknik för bearbetning av naturligt språk för att sortera tusentals textsvar. Den kategoriserar dem och hittar mönster på ett konsekvent, opartiskt och skalbart sätt. Den gör i princip det hårda arbetet åt dig och ger dig en tydlig bild av vad dina kunder och medarbetare upplever – med deras egna ord. I slutändan får du allt du behöver för att förstå grundorsakerna bakom din kvantitativa feedbackdata.

Och det bästa? Allt detta sker utan det tidskrävande arbete och de höga kostnader som tidigare var förknippade med att hantera en stor mängd ostrukturerade textsvar.

Ordlista för textanalys

Är du förvirrad över de tekniska begreppen bakom textanalys? Här är en lista över några av de viktigaste termerna:

Artificiell intelligens (AI): AI är vetenskapen om att lära maskiner att utföra kognitiva uppgifter på samma sätt som människor gör. T.ex. inlärning, problemlösning och beslutsfattande.

Maskininlärning (ML): Detta är en gren av AI som handlar om att lära datorer att lära sig, och anpassa sig utan att människor behöver ge dem instruktioner varje gång. Maskininlärning ligger bland annat bakom teknik som självkörande bilar som snabbt kan identifiera skillnaden mellan till exempel fotgängare och vägskyltar.

Bearbetning av naturliga språk (på engelska förkortat NLP): En kombination av lingvistik, datavetenskap och AI. Det handlar om hur vi kan lära datorer att förstå och analysera text och talade ord på samma sätt som människor gör.

Djupinlärning: Detta är en teknik för maskininlärning som lär datorer att ”lära sig genom exempel” – precis som människor gör.

Ostrukturerad data: Detta avser data som inte följer ett standardformat och som är svårare att kategorisera och sortera. Textsvar och bilder är ett bra exempel på denna typ av data. Strukturerad data följer däremot en fördefinierad struktur, vilket gör dem lätta att sortera och hantera (t.ex. telefonnummer och NPS-poäng).

Vilka är de viktigaste delarna av textanalys?

Sentimentanalys

Sentimentanalys är en tillämpning av bearbetning av naturligt språk (NLP) som omedelbart avslöjar sentimentet bakom textsvar. Det är i huvudsak ett utmärkt verktyg för att hjälpa dig identifiera och förstå hur dina kunder och medarbetare känner kring dig och din organisation. Sentimentanalysen tittar på varje fritextsvar som du får och tilldelar en känslomässig etikett: ”Positiv”, ”Negativ”, ”Neutral” eller ”Blandad”.

Exempel: Om du snabbt kan identifiera negativa upplevelser kan du bättre fokusera din relation med dina kunder och medarbetare. Till exempel skulle sentimentanalys vara ett utmärkt sätt för ett customer success-team för att snabbt agera på inkommande kundfeedback som markerats som ”negativ”.

Extrahering av nyckelord

Extraheringen av nyckelord i Netigates textanalys gör det möjligt för dig att förstå nyckelbegreppen i textsvaren utan att behöva läsa dem helt och hållet själv. Den använder naturlig språkbehandling för att identifiera och extrahera ord och fraser från ostrukturerad data. Detta hjälper dig att snabbt upptäcka trender och mönster i tusentals fritextsvar.

Exempel: Låt oss titta på extrahering av nyckelord kopplat till Net Promoter Score. NPS är ett perfekt mått för att du ska få en snabb överblick av hur lojala (eller inte lojala!) dina kunder är gentemot ditt företag. För sig självt ger det dock bara ett numeriskt värde.

Med en mjukvara för textanalys kan du använda fritextsvar för att förstå varför dina kunder ger dig det betyg dem gör. Genom att ställa en fråga som ’Vänligen förklara anledningen till ditt betyg’, kan extrahering av nyckelord lyfta fram vad kunderna gillar och inte. Detta innebär att du kan göra riktade förbättringar som hjälper dig att omvandla dina ’NPS-kritiker’ till ’NPS-ambassadörer’. Samma logik kan också tillämpas på kundundersökningar och mätvärden såsom CSAT och CES.

Ladda ner den kompletta guiden till NPS, CSAT och CES.

Ämnen

Ämnen är en komponent inom djupinlärning som automatiskt sorterar fritextsvar i ämnen som du definierar. Den fungerar genom att titta på alla svar som du samlat in och tillämpa det mest passande ämnet. Den väljer det mest relevanta ämnet för varje svar genom att titta på de extraherade nyckelorden.

Exempel: Tänk dig att du hanterar kundfeedback på ett hotell och vill förstå din feedback i förhållande till specifika delar av verksamheten. Vad behöver förbättras på rummen? Vad säger kunderna om spaet?

Ämnen tar den ostrukturerade datan, sorterar den och belyser exempelvis vilka affärsområden som kräver resurser. Detta kan vara användbart om du till exempel bara har budget för att fokusera på ett område åt gången och vill säkerställa att du allokerar dina resurser där dem gör mest nytta.

Hur kan man tillämpa textanalys på olika mått inom Employee experience och Customer experience? En av de mest värdefulla aspekterna av textanalys är förmågan att ge dig en helhetsbild av dina kunders och medarbetares feedback. Den ger dig de kvalitativa, detaljerade insikterna som du behöver för att sätta din kvantitativa data i ett sammanhang.

Mått som CSAT och NPS är effektiva eftersom de resulterar i numeriska och kvantitativa insikter som är lätta att samla in, följa och jämföra. De saknar dock möjligheten att ge dig orsakerna bakom varför dina kunder och anställda känner och agerar som de gör.

Varför har din NPS sjunkit det här kvartalet? Vad behöver förändras för att öka din eNPS-poäng? Varför anser kunderna att er webbplats är svår att använda? Fritextsvar är nyckeln till att besvara dessa affärskritiska frågor, och textanalys kan hjälpa dig att göra det på ett skalbart tillvägagångssätt.

Customer Satisfaction Score (CSAT)

• Identifiera vilka delar av din produkt eller tjänst som kunderna tycker om och vilka de inte tycker om.
• Gör riktade, datadrivna förbättringar genom att lyssna till dina kunders individuella röster.
• Agera snabbt på negativ feedback om produkten/tjänsten för att undvika att den eskalerar.
• Omedelbar inblick i vad tusentals kunder tycker med hjälp av ämnen och extrahering av nyckelord.

Employee Net Promoter Score (eNPS)

• Upptäck trender i samma ögonblick som de uppstår.
• Förstå vad som gör en ’kritiker’ till en ’kritiker’.
• Förstå vad det är som gör dina ’ambassadörer’ nöjda och engagerade.
• Få en inblick i vad som kan göra dina passiva medarbetare till varumärkesambassadörer.

Customer Effort Score (CES)

• Få en inblick i kundresan med kundernas egna ord. Vad skulle du kunna förbättra?
• Identifiera anledningar till frustration för dina kunder.
• Var finns flaskhalsarna i dina processer?
• Hitta och åtgärda hinder snabbt.
• Minska intensiva och negativa upplevelser för dina kunder.

Varför är det viktigt att analysera fritextsvar?

För att fullt ut förstå värdet av textanalys måste vi påminna oss själva om värdet av fritextsvar.

Du ber dina kunder och medarbetare att svara på en fråga genom fritext och resultatet är fritextsvar. Det innebär att de inte är begränsade till att ge sin feedback genom att kryssa i en ruta eller ge ett numeriskt betyg. Istället kan de dela med sig av kvalitativ och detaljerad feedback såsom åsikter, tankar och specifika förslag till förbättringar – med sina egna ord. Fördelarna med den här typen av feedback är bland annat följande:

Upptäck det dolda

Med textsvar kan du undvika att behöva gissa dig fram. Textsvar ger dig värdefulla insikter om exakt vad dina kunder och medarbetare behöver för att förbli lojala mot ditt företag.

Kvalitativ data möter kvantitativ data

Feedback i fritext tar dina data bortom kvantitativa mått som (e)NPS och CSAT. Svaren i fritext, som innehåller subjektiva åsikter, idéer, känslor och upplevelser, är viktiga för att sätta kundernas och medarbetarnas numeriska data och beteendemönster i ett sammanhang. Med andra ord ger din kvalitativa data en djupare, och affärskritisk, förståelse för din kvantitativa data.

Slut cirkeln av feedback

När du vet exakt vad dina kunder och medarbetare uppskattar – eller inte uppskattar – kan du snabbt vidta målinriktade åtgärder för att bemöta deras feedback.

Investera tid och resurser på rätt ställe

Fritextsvar från kunder och medarbetare pekar din organisation i rätt riktning från början. Textanalys gör det därför möjligt för dig att förse ledningsgrupper och beslutsfattare med omfattande och samlade insikter som hjälper till att informera om strategisk planering och beslutsfattande.

Läs expertens guide till öppna frågor.

Affärsnyttan av textanalys

För företag spelar textanalys en viktig roll när det gäller att effektivisera, förbättra och skala upp feedbackprocesser. Det kan också förändra deras förmåga att förbättra kundernas och medarbetarnas upplevelser. Specifika fördelar är bland annat följande:

• Besparingar i administrativ tid och kostnader: Arbete som tidigare krävde mycket tid och resurser kan nu göras mycket snabbare. Detta frigör tid och pengar för att fokusera på att göra faktiska förbättringar baserat på data från den feedback du samlat in.
  
• Skalbarhet: Textanalys gör det möjligt att sortera och förstå tusentals textsvar på nolltid. Detta är en skalbar lösning, till skillnad från processen att sortera igenom svaren manuellt i Excel.
  
• Ökad datatäckning: Fritextsvar är en guldgruva för värdefull och detaljerad information. Tidigare undvek företagen dem eftersom de var för svåra att sortera och använda. Med textanalys är detta inte längre fallet.
  
• Snabbare insikter och åtgärder: Med textanalys finns det ingen fördröjning mellan att få feedback i fritext och att vidta nödvändiga åtgärder. Exempelvis kan kundklagomål nu fångas upp och åtgärdas direkt.
  
• Förstå ”varför”: Fritextsvar hjälper dig att sätta dina numeriska uppgifter i ett sammanhang. Det betyder att du inte bara förstår vad som händer, utan också varför det händer.
  
• Prioritera investeringar i upplevelser: Fritextsvar ger dig detaljerade insikter om exakt vad dina kunder och medarbetare efterfrågar. Det betyder att företag kan lämna gissningarna bakom sig och prioritera det som är viktigt.

Begränsningar med textanalys och hur du kommer runt dem

Som med alla andra mjukvaror så har verktyg för textanalys sina begränsningar. Många av dessa är dock lätta att komma runt om man förbereder sig i samband med att undersökningen skapas.

Det fungerar bäst med högkvalitativa svar

Textanalys fungerar bäst när det finns bra skriftliga svar att analysera. I den här artikeln hjälper vi dig att förstå fördelarna med textfrågor och hur du skriver effektiva frågor. Man kan säga att en välformulerad fråga kommer att leda till svar av högre kvalitet. Några tips för att få högkvalitativa svar från dina undersökningar är bland annat följande:

• Undvik att ställa frågor som respondenterna kan besvara med ”ja” eller ”nej”. Då finns det inget för textanalysen att arbeta med.
• Ställ ”vad”-frågor som gör det möjligt för respondenterna att förklara sina tankar och åsikter i detalj.
• Netigate-plattformen gör det möjligt för dig att välja storleken på ditt svarsområde för fritext. Våra experter har funnit att ett större svarsområde kan leda till mer detaljerade svar.

”Kunder och medarbetare behöver ägna mer tid åt att skriva sina svar”

Vi har alla varit där: Vi har fyllt i en undersökning och tvekat när det gäller att svara på en öppen fråga. Det kan ta tid att besvara dem och kräver mer eftertanke än att bara kryssa i en kryssruta. Tips för att uppmuntra medarbetare och kunder att svara är bland annat följande:

• Skriv en inledande text till din undersökning där du förklarar hur feedbacken kommer att användas. Om kunder och medarbetare känner att deras feedback kommer att bidra till positiva förändringar kommer de att vara mer villiga att ge den.
• Använd inte för många öppna textfrågor i en undersökning. Det kan bli överväldigande för respondenterna och svaren kommer att minska i takt med att undersökningen fortskrider. Istället för att ställa flera olika frågor om samma sak kan du använda dig av sentimentanalys för att hjälpa dig sortera ”negativa” och ”positiva” svar. Till exempel kan du fråga ”Berätta vad du tyckte om produkten” istället för att ställa två olika frågor som frågar vad de tyckte om och vad de inte tyckte om.

Textanalys med Netigate

Vi har team av interna experter som kan visa dig hur textanalys fungerar, hur den kan användas för dina specifika behov och hur den fungerar tillsammans med de andra delarna av Netigates rapportfunktion. Om du är intresserad kan du klicka här för att boka en demo med en någon av våra experter.