Информации, в том числе текстовой, с каждым годом становится все больше, и ее глубокий анализ имеет практическое значение для самых разных компаний. Это отражается на повышении качества обслуживания, развитии внутренних коммуникаций, оперативном реагировании на обратную связь и других аспектах деятельности компании.

В рамках интеграции Luxms BI и PolyAnalyst было реализовано совместное решение, которое совмещает алгоритмы текстовой аналитики PolyAnalyst и функционал аналитической платформы Luxms BI в части визуализации результатов текстового анализа.

Система PolyAnalyst подготавливает и обрабатывает данные для дальнейшего анализа и исследования – решение позволяется работать с текстовыми данными на 16 языках – 11 европейских и 5 азиатских.

Один из этапов подготовки и обработки информации – извлечение сущностей и фактов, то есть фактически слов, которые подходят под определенные группы.

Например, обслуживание – это не только упоминание самого слова «обслуживание», но и других сущностей – «скорость», «очередь», «работа сотрудников» и т.д.

Что важно, система может извлекать не только стандартные, заранее запрограммированные, сущности, но и пользовательские – для конкретных компаний и направлений деятельности.

Например, для фармацевтики – «лекарственные препараты», для страховой компании – «инциденты» и «страховые случаи».

После выявления сущностей и фактов, можно переходить к одному из самых интересных этапов – анализу тональности текста.

Анализ тональности помогает понять эмоциональную составляющую, передаваемую фрагментом текста, например, чтобы определить, довольны ли клиенты обслуживанием в компании, своими покупками или оказанными услугами. Анализ тональности помогает заметить новые тенденции, отследить изменения настроений и решить проблемы продвижения продукции. Также благодаря анализу тональности можно отследить изменения в мнении клиентов и выявить первопричину различных проблем.

Самый простой способ представить полученные данные – создать классический график, в котором наглядно видно количество негативных и позитивных упоминаний конкретных слов – сущностей. Даже при беглом взгляде можно понять основные проблемные места и волнующие людей запросы – красный цвет сигнализирует о негативном окрасе сущности, а зеленый – о позитивном.

Также есть возможность проследить динамику изменения тональностей по годам, месяцам и любым другим периодам. Это позволяет посмотреть на изменение тональностей, проследить тенденции и тренды.

Например, если негативная тональность уменьшается, значит компания работает над улучшением обслуживания и реагирует на обратную связь клиентов.

Еще один наглядный вариант визуализации – облако тегов и treemap.

Treemap показывает, про какие сущности клиенты или пользователи отзывались чаще всего, и отображает количество позитивных и негативных оценок. Облако тегов также показывает количество упоминаний слов-сущностей, а также цветом отражает, какая тональность у этого слова преобладает. Красная – больше негативных отзывов, зелёная – больше положительных. А размер подсказывает, что этот аспект упоминается чаще остальных.

Вариантов визуализации информации, полученной из анализа текстов, большое количество: можно отфильтровать по городам или регионам, расположить иерархически, увидеть взаимосвязи. Вариантов применения результатов текстовой аналитики также много.

Одно из направлений использования текстового анализа – массовый анализ и детальный разбор отзывов любых клиентов как из открытых, так из закрытых источников.

Если компания крупная, то отзывов может быть десятки тысяч, и автоматизированное решение для подробного анализа и последующей визуализации облегчает эту работу. Это приводит к повышению качества работы и обслуживания клиентов, и как следствие – к росту и развитию компании.

Еще одно направление, где востребована текстовая аналитика – использование решения для оценки различных технических аспектов: оценки логов, горячих линий, служб технической поддержки и служб поддержки клиентов. Не эмоциональные отзывы о качестве обслуживания или отношении к клиентам, а разбор технических замечаний. Это важно для того, чтобы понять основные тренды и направления развития – что клиенты хотят и чего ждут.

Еще один формат использования текстовой аналитики – работа с сотрудниками.  Пожелания и обратная связь, предложения и различные инициативы – возможность эту информацию автоматизированно обрабатывать и анализировать помогает понимать основные тренды и направления развития. Это особенно востребовано среди крупных клиентов с десятками тысяч сотрудников.

Форматов использования текстовой аналитики большое количество – она применима в компаниях любых направлений и масштабов, позволяет извлекать полезные сведения и принимать решение на их основе.