Growth · Inclus dans CSAT
Analyse de sentiment des commentaires
L'analyse de sentiment des verbatims lit les réponses en texte libre de vos sondages CSAT (Satisfaction client : une note recueillie après l'interaction qui mesure la satisfaction du client.) et étiquette chacune comme positive, neutre ou négative, avec les mots-clés les plus fréquents employés par les clients. Une barrière de permission sensible garde cette couche de texte libre séparée de la simple lecture des scores, de sorte que seuls les rôles autorisés voient ce que les clients ont réellement écrit. L'analyseur par défaut est une liste de mots heuristique en anglais et en français, et tout locataire peut opter pour un modèle de production (AWS Comprehend) afin d'obtenir un score plus précis.
Pour l'opérateur
Vous l'activez par locataire, et une fois en service chaque réponse en texte libre porte une étiquette de sentiment et une courte liste de mots-clés. Un responsable QA (Assurance qualité : le programme qui évalue et révise les interactions des agents.) disposant de la permission sensible sur les verbatims ouvre une réponse de sondage et voit l'étiquette positive, neutre ou négative ainsi que les mots qui la motivent, tandis qu'un superviseur ayant seulement l'accès aux scores reste limité à la lecture numérique du CSAT. Vous commencez avec l'analyseur intégré à liste de mots en anglais et en français, puis vous passez à AWS Comprehend depuis les paramètres du locataire lorsque vous voulez un score de qualité production. La mise en évidence des mots-clés vous pointe directement vers les expressions que les clients répètent, si bien que vous parcourez une semaine de verbatims en quelques minutes plutôt que de les lire un par un. L'étiquette de sentiment et les mots-clés se trouvent à côté du commentaire brut, donc rien n'est caché derrière une exportation distincte.
Impact métier
Comme le sentiment et les mots-clés sont rattachés à chaque sondage, vous pouvez rapporter les tendances de commentaires négatifs par client et par LOB (Ligne d'affaires : un programme client ou une file distincte au sein d'une opération.) au lieu d'un seul chiffre agrégé, soit la vue que les clients demandent en QBR. Lorsqu'un client conteste une baisse de CSAT, vous montrez les verbatims réels et la répartition de sentiment qui les sous-tend plutôt que de défendre une moyenne. Les coachs utilisent les tendances de mots-clés pour cibler les comportements exacts dont les clients se plaignent, de sorte que le temps de coaching porte là où il fait bouger le score. La barrière de permission sensible tient le texte libre des clients à l'écart des rôles qui n'ont besoin que du chiffre, ce qui protège la confiance que les clients vous accordent avec les données de leurs propres clients finaux. Et cela fonctionne à l'intérieur de FrontLine, donc vous obtenez l'analyse de sentiment sans acheter ni intégrer un outil d'analyse de texte distinct.