Analiza opiniones, percepciones, emociones e intenciones para potenciar tus customer insights.
Webinar MeaningCloud, 28 de abril de 2020.
Más información y contenidos del webinar https://www.meaningcloud.com/es/blog/analitica-texto-feedback-clientes-accion
MeaningCloud https://www.meaningcloud.com
3. MEANINGCLOUD - 2020
3
Ponente
Cómo vamos a funcionar
• Enviar preguntas de texto a través del chat
• “Levanta la mano” para hablar y abriremos tu micro
• Publicaremos enlace a webinar grabado y contenidos como tutoriales en blog
Antes de empezar
Antonio Matarranz
CMO
4. 4
MEANINGCLOUD – 2020
¿Por qué este webinar?
Analizar feedback no
estructurado de clientes es
imprescindible
¿Cómo hacerlo más actuable y
valioso?
5. MEANINGCLOUD - 2020
5
Agenda
• Aprovechando el feedback no estructurado de clientes:
beneficios y retos
• La analítica de texto al rescate… pero con limitaciones
• Cómo utilizar la analítica de texto profunda para extraer
insights más actuables
– Insights preelaborados
– Adaptación y personalización
– Desarrollo de nuevos insights
• Conclusiones y preguntas
6. 6
MEANINGCLOUD - 2020
¿Cómo conseguir “enfocarse en el cliente”?
Cambiar en Encabezado / Pie de Pg 6
Definir el “segmento de 1”
Iniciativas
• Voz del Cliente (VoC)
• Customer Insights
• Customer Experience Management
7. MEANINGCLOUD - 2020
7
Feedback NO estructurado (y NO solicitado) de clientes
Entrevistas
• Grabaciones de
audio
• Transcripciones
Encuestas
• Preguntas
abiertas
Contact center
• Voz
• Email
• Chat
• Bot
• Social
Medios
sociales
• Redes sociales
• Blogs
• Foros
• Sitios de reseñas
• Comunidades
8. MEANINGCLOUD - 2020
8
¿Por qué hay que analizarlo?
VALOREspontáneo
Sincero, en
palabras del
cliente
Contextual
Permite
explorar y
descubrir
Capacidad
viral
9. MEANINGCLOUD - 2020
9
¿Qué retos plantea?
Volumen
Millones de
interacciones al mes
Velocidad
Necesaria
respuesta rápida
Variedad
Texto, audio,
imagen…
11. MEANINGCLOUD - 2020
11
La analítica de texto, al rescate
Texto no estructurado Analítica de texto Datos estructurados
Insights
Escalar el análisis de feedback no estructurado
12. 12
MEANINGCLOUD - 2020
Cómo usar analítica de texto en escenarios multicanal
Conversión
Voz a
Texto
Analítica
de Texto
Análisis &
Visualización
Voz
Email, chat,
social, bots
Datos
estructurados
Datos
Insights
Conversión: Voz → Texto
Analítica de Texto: Texto → Datos estructurados
Texto
Contact center
13. MEANINGCLOUD - 2020
13
Cómo usar analítica de texto en escenarios multicanal
Recopilación de
contenido de redes
sociales, blogs, foros,
sitios de reseñas…
Analítica de Texto
Comprensión del lenguaje
Insights
actuables
Monitorización de medios
14. MEANINGCLOUD - 2020
14
Un ejemplo “típico”
Tipo Valor
Entidad TeleCom (empresa)
Tema general Servicios de telecomunicaciones
Polaridad general Negativa
“Estoy cansado de esta gente de TeleCom. Mi móvil se
avería continuamente y quiero cancelar el servicio. Pero
su centro de soporte no contesta nunca. ¡Son lo peor!”
Servicios de
telecomuni-
caciones
Entidades, temas generales, sentimiento son valiosos, pero...
15. 15
MEANINGCLOUD - 2020
El gran reto es salvar la brecha entre análisis y valor
15
Convertir los análisis en algo “actuable” y valioso
Datos
Valor
Datos Analítica Decisión Acción Valor
16. MEANINGCLOUD - 2020
16
¿Cómo salvar la brecha?
Topics relevantes
• Nuestras marcas,
productos…
Categorías actuables
• Nuestras funciones,
departamentos…
Sentimiento enfocado
• Nuestros atributos,
componentes…
Causas raíz
• Específicas de nuestro
negocio
Drivers
• Satisfacción, calidad,
compra
Descubrimiento
• Temas emergentes, fuera
del radar
Emociones
• Alegría, tristeza, sorpresa…
Viaje del cliente
• Información, consideración,
evaluación, compra…
17. MEANINGCLOUD - 2020
17
Analítica de texto: necesitamos mucho más
• Desarrollo
flexible
• Fácil
incorporación
y consumo
• Adaptación al
contexto del
cliente
• Time-to-benefit
corto
Soluciones
preelabo-
radas
Persona-
lización
Agilidad
Integra-
bilidad
21. 21
MEANINGCLOUD – 2020
Análisis de sentimiento orientado a atributos/aspectos
Ayer tuve la oportunidad de probar los últimos
modelos de Samsung y Apple. El Samsung es más
potente aunque su pantalla es mejorable. El diseño
del iPhone es insuperable pero resulta demasiado
caro.
• ¿Sentimiento agregado “neutro”?
• Los objetos de sentimiento son
diferentes
PepePerez @Jperez – 1h
Me encanta el nuevo iPhone.
Las limitaciones del análisis de sentimiento a nivel de documento
Necesitamos un análisis de sentimiento orientado a aspectos
Tipo Valor
Entidad iPhone
Sentimiento general
22. MEANINGCLOUD - 2020
22
Análisis de sentimiento orientado a topics
• Identificar sentimiento (polaridad positiva/negativa/neutra o ausencia de ella)
– A nivel de documento
– A nivel de frase
– Asociado a topics (entidades/conceptos) mencionados
– Topics específicos del dominio definibles en diccionarios
El Samsung es más potente y el iPhone es demasiado caro
Las habitaciones del hotel son cómodas, pero el paisaje es horrible
Standard API
Tutorial, Webinar grabado
23. MEANINGCLOUD - 2020
23
Emociones: la clave oculta de la rentabilidad
➢Las emociones (negativas) son más
duraderas
➢Las emociones (negativas) son más
compartidas
➢Las emociones (negativas) conforman
la experiencia
➢Los motivadores emocionales influyen
en el comportamiento
➢La conexión emocional de los clientes
con la marca es (un 25-100%) más
rentable que la satisfacción
Alegría, Confianza, Temor, Sorpresa, Tristeza…
24. MEANINGCLOUD - 2020
24
Reconocimiento de emociones
• Identificar emociones expresadas: Alegría,
Confianza, Temor, Sorpresa, Tristeza,
Repugnancia, Rabia, Anticipación
• Basado en la Rueda de las Emociones de
Plutchik
• Complementa a
análisis de Sentimiento
Vertical Pack
25. MEANINGCLOUD - 2020
25
Analizar la intención expresada para predecir el futuro
➢Predecir el comportamiento
➢Detectar el viaje del cliente y
personalizar la respuesta a él
➢Descubrir oportunidades de negocio
➢Dar mejor servicio
➢Retener a los clientes
➢Potenciar la recomendación
Informarse, Comprar, Recomendar, Abandonar…
26. MEANINGCLOUD - 2020
26
Intención en el viaje del cliente
• Identificar una serie de intenciones básicas a través del Viaje del Cliente:
Información, Asesoramiento, Compra, Soporte, Recomendación, Queja, Cancelación
• Detectar señales de Compra, Abandono…
Viaje del Cliente
Informa-
ción
Asesora-
miento
Compra Soporte
Recomen-
dación
Queja
Cancela-
ción
Vertical Pack
27. MEANINGCLOUD - 2020
27
➢La calidad reside en las
percepciones de los clientes
➢La calidad es multidimensional
➢La percepción de calidad
produce satisfacción
La calidad es una percepción multidimensional
Conformidad
Funciones
Estética
Servicio
Características
28. MEANINGCLOUD - 2020
28
Satisfacción multidimensional (Voice of the Customer)
Sector / General
Empresa
Empresa1
+
-
Empresa 2
+
-
Canal
Web
+
-
Teléfono
+
-
Servicio al
cliente
Información
+
-
Mantenimiento
+
-
Calidad
Funcionalidad
+
-
Eficiencia
+
-
Producto
Producto1
+
-
Producto2
+
-
Operación
Activación
+
-
Cancelación
+
-
Satisfacción
+
-
• General y por sector: Banca, Retail, Telco…
• Jerarquía de dimensiones y atributos
• Polaridad por atributos y dimensión de satisfacción global
Vertical Pack
Tutorial, Webinar grabado
29. MEANINGCLOUD - 2020
29
Qué es lo que hemos conseguido
“Estoy cansado de esta gente de TeleCom. Mi móvil se
avería continuamente y quiero cancelar el servicio. Pero
su centro de soporte no contesta nunca. ¡Son lo peor!”
Servicios de
telecomuni-
caciones
Tipo Valor
Entidad TeleCom (empresa)
Tema general Servicios de telecomunicaciones
Polaridad general Negativa
Emoción Enfado
Producto Teléfono móvil
Atributo – Fiabilidad Negativo
Intención Cancelación
Servicio – Soporte Negativo
Satisfacción general Negativa
30. MEANINGCLOUD - 2020
30
Descubriendo la estructura de topics de los comentarios
• Agrupar comentarios similares
– Agregar según temas
significativos
– Relaciones entre grupos
– Detectar duplicados
• Descubrir topics que emergen
de la colección
– “Nueva voz” del cliente
OJO: ING y
español
31. 31
MEANINGCLOUD - 2020
Clustering de texto
Agregar textos similares y descubrir temas significativos
31
Oportunidad nuevo producto
Causa de insatisfacción
• No requiere taxonomía predefinida
(aprendizaje no supervisado)
• Procesamiento orientado a texto
• Agrupación de textos basada en
• Adherencia a un topic
• Similaridad de contenido
Standard API
32. MEANINGCLOUD - 2020
32
Midiendo la reputación multidimensional de la empresa
• Valoración del mercado sobre
un conjunto de dimensiones y
variables corporativas
relevantes
• Fuentes:
– Encuestas (típicamente)
– Noticias
– Social
33. MEANINGCLOUD - 2020
33
Reputación corporativa
Standard API
• Inspirada en estándares de la
industria: RepTrak (Reputation
Institute), Merco
• Entidad – Dimensión – Variable –
Análisis de polaridad
• Análisis sofisticado que involucra
extracción de topics, clasificación
temática multinivel y sentimiento
35. 35
MEANINGCLOUD - 2020
Opiniones
La frase “¡Tiene el tipo de interés más
alto del mercado!” es…
▪ Positiva, si habla de depósitos
▪ Negativa, si habla de hipotecas
Recursos lingüísticos específicos mejoran la exactitud
Menciones
▪ Nombres de bancos y
entidades financieras, p. ej.:
Santander, BBVA
▪ Nombres de productos, p. ej.:
Cuenta Naranja, Libreta
Estrella…
Temas
Ejemplo: análisis de las opiniones de clientes de un banco
Productos
Pasivo
Cuenta
Depósito
Activo
Crédito
Hipoteca
Canal
Oficina
Teléfono
Internet
36. MEANINGCLOUD - 2020
36
Para todas las tareas de análisis | Sin programar
Herramientas gráficas de personalización
• Entidades
• Conceptos
Diccionarios
• Polaridad de expresiones
Modelos de sentimiento
• Aprendizaje automático
• Reglas
Modelos de clasificación
• Reglas semánticas
Modelos de categorización
Extracción de topics
Análisis de sentimiento
Clasificación de documentos
Categorización profunda
36
Standard Tools
37. MEANINGCLOUD - 2020
37
Proceso ágil de desarrollo de modelos
Categorización
mediante Aprendizaje
Automático (ML)
Categorización basada
en Reglas Semánticas
Modelo de
Reglas
Modelo ML
Texto de
entrada
Categorías
intermedias
Categorías
Entrenamiento de
modelo
Editor de
Modelos
Textos de
entrenamiento
Editor de reglas
Motor de categorización
automática
Motor de entrenamiento de
clasificador
Motor de clasificación
Desarrollo rápido de modelos y alta
precisión desde el principio
Transparencia, refinamiento y adaptación
39. MEANINGCLOUD - 2020
39
Asociaciones de marca
• Qué entidades/conceptos
menciona habitualmente la
gente cuando habla de nuestra
marca
• “Huella semántica” de la
marca
• Análisis perceptual individual de
alta granularidad
40. MEANINGCLOUD - 2020
40
Análisis de percepciones
• Cómo nuestros clientes
perciben nuestra marca, con
respecto a ciertos atributos
relevantes predefinidos, y
comparada con los
competidores
• Mapa perceptual
competitivo agregado
• Base para el análisis de
posicionamiento
41. MEANINGCLOUD - 2020
41
Personalidad de marca
• Identificación de las
características humanas que se
atribuyen a una marca:
Sinceridad, Entusiasmo,
Competencia, Sofisticación,
Fortaleza…
• Ejemplo: modelo de
personalidad de marca de Aaker
43. 43
MEANINGCLOUD – 2020
Conclusiones
El feedback no estructurado de los
clientes es más valioso de lo que
podríamos suponer
Las herramientas adecuadas para
extraer todo ese valor empiezan a
estar disponibles
45. MEANINGCLOUD - 2020
45
Permaneced atentos a nuestros emails y blog
Pronto publicaremos la grabación del webinar y los
contenidos en forma de tutorial
46. 46
MEANINGCLOUD - 2020 www.meaningcloud.com
Automating the extraction of Meaning from any information source.
+1 (646) 403-31043537 36th Street
New York, NY 11106
amatarranz@meaningcloud.com
¡Gracias por vuestra atención!