Customer Feedback Analytics

Máte nashromážděno spoustu zpětné vazby od zákazníků, ale nevíte přesně, co s ní dělat?
Analyzovat vše ručně prakticky není možné. Porozumějte svému zákazníkovi díky textové analýze.

Proměníme neuspořádanou zpětnou vazbu od zákazníka na praktické informace.
V jakémkoliv jazyce. S přesností téměř jako člověk a jinými nadlidskými schopnostmi.

Jak to funguje

cfa_observing

Observing mode

Sledování zpětné vazby od zákazníků v průběhu času.

Cíle
Získání jasného přehledu o zákaznické zpětné vazbě. Sledování trendů v čase.

Benefity
Zaměříte vaše zdroje přesně tam, kde je to nejvíce potřeba.
Identifikujete silné podporovatele a kritiky.
Přizpůsobíte výstupy pro určené pracovníky.

cfa_discovery

Discovery mode

Marně hledáte informace o zpětné vazbě od zákazníků a nevíte přesně co hledat?

Cíle
Detekce skrytých témat a nových trendů. Nalezení zpětné vazby ve strukturovaném výstupu.

Benefity
Zvyšujte retenci díky identifikaci důvodů odchodu zákazníků.
Zvyšujte spokojenost zákazníků rychlým rozpoznáváním a řešením nových výzev.
Získejte přehled o příchozí zpětné vazbě s pomocí našeho analytického nástroje – rychle a jasně.

Příklad z praxe - Observing mode

Albert reference

Výsledky analýzy zpětné vazby pro Albert

Výzva Albertu

0 %
zpětné vazby roztříděno

Pokaždé, co analytici Albertu obdrželi zpětnou vazbu od zákazníků, dokázali roztřídit jen její menší část – okolo 30 % – do kategorií. Tento zdlouhavý proces zabíral 120 man-days ročně, přičemž výsledky analýzy byly kolísavé. Albert hledal řešení, které by ulevilo zaměstnancům a zpětnou vazbu třídilo rychle a automaticky.

Řešení SentiSquare

0 %
zpětné vazby roztříděno

Na základě historických dat se umělá inteligence SentiSquare naučila rozpoznávat témata a sentiment ve formulářích zpětné vazby s téměř lidskou přesností. Díky tomu dokázala zpracovat 100 % příchozí zpětné vazby, což umožnilo zavést podrobnější kategorizaci témat zmiňovaných zákazníky.

Albert

Výsledky Albertu se SentiSquare

Albert ušetří 120 MD ročně díky automatickému třídění zpětné vazby. Pravidelný report je hotový za 3 dny místo za 3 týdny. Díky 100% pokrytí zpětné vazby se Albert s přesností laseru zaměřuje na konkrétní problémy zákazníků v každém obchodě, oddělení a regionu. Díky tomu směřuje úsilí a zdroje tam, kde jsou nejvíce potřeba.

Příklad z praxe - Discovery mode

T-Mobile reference

Výsledky analýzy zpětné vazby pro T-Mobile - 15 000 SMS za měsíc

Problém T-Mobilu

I přes velký objem zpětné vazby se T-Mobilu nedařilo měřit příčiny změn zákaznické spokojenosti — chyběl celkový přehled, informace byly zkreslené a rozdrobené po týmech. T‍-‍Mobile zkoušel nejpokročilejší řešení založená na klasifikaci přes pravidla a klíčová slova, ale bez uspokojivých výsledků.

Řešení SentiSquare

Aby bylo třídění SMS do témat úspěšné, vývojáři SentiSquare nasadili strojové učení na historická data T-Mobilu. Umělá inteligence tak dokázala identifikovat témata a sentiment zpráv s vysokou přesností. Analytika SentiSquare dále umožnila výstupy jednoduše vizualizovat, filtrovat a vyhledávat v nich.

Výsledky T-Mobilu se SentiSquare

T‍-‍Mobile nyní dokáže nejen měřit trendy v tématech a sentimentu v reálném čase, ale také vyhledat konkrétní příklady zpětné vazby. T‍-‍Mobile tak má dokonalý přehled o tom, co je z pohledu zákazníka potřeba zlepšit, a okamžitý vhled do jakéhokoli důležitého tématu.

Řešení ZDARMA a pilotní projekt

Využijte naplno potenciál zákaznické péče a inovujte váš business. Návrh řešení pro vás připravíme zdarma a pilotní projekt může běžet už za dva týdny.

Kontakt

Tomáš Roubíček

Tomáš Roubíček

team leader
+420 266 063 408
tomas.roubicek@ixperta.com

Miroslav Franc

Miroslav Franc

key account manager
+420 266 061 048
miroslav.franc@ixperta.com

Reference