Kurangi churn online Anda menggunakan analisis teks 20 Okt 2016

Kemungkinan besar dari Anda yang membaca ini sudah memiliki program pengalaman pelanggan online, dengan alat pengumpulan umpan balik yang memantau situs web dan aplikasi Anda secara kuantitatif. Dengan kata lain, Anda memiliki semua data terstruktur penting yang Anda butuhkan untuk memenuhi kebutuhan pelanggan Anda dan membuat penyesuaian yang sesuai untuk saluran penjualan online Anda… benar? Yah, sayangnya itu tidak selalu terjadi.

Pemasar digital dapat mengumpulkan semua data kuantitatif yang diinginkan hati mereka dan masih kekurangan wawasan kaya yang mereka butuhkan untuk meningkatkan pengalaman pelanggan digital. Membuka wawasan ini membutuhkan pendekatan yang jauh lebih mendalam. Karena data tidak terstruktur (atau analitik teks) menjadi lebih umum di dunia umpan balik, begitu juga peluang kami untuk mengurangi churn pelanggan.

Saat Anda memutuskan untuk mulai bekerja dengan hal-hal seperti komentar teks terbuka, banyak data tidak terstruktur mulai menyaring, terkait dengan berbagai bagian situs web Anda (misalnya proses pemesanan, layanan, akun saya, konten produk, dll.). Menganalisis data ini bisa jadi menantang tetapi juga sangat informatif.

Di blog ini kami akan memberi Anda wawasan tentang tiga pertanyaan terkait penggunaan analitik teks untuk mengurangi churn:

1. Apa itu analitik teks?
2. Apa saja teknik berbeda yang dapat Anda gunakan?
3. Bagaimana Anda dapat menerapkan teknik ini untuk mengurangi churn online?

1. Apa itu analitik teks?

Analisis teks adalah pintu gerbang untuk berhubungan dengan pikiran dan perasaan pelanggan Anda dengan cara yang lebih intim. Dengan jenis analisis kualitatif ini, Anda tidak hanya menilai masalah skala kecil di sana-sini, tetapi juga seluruh perjalanan pelanggan online secara keseluruhan.

Bagaimana, Anda bertanya? Nah, analitik teks dapat mengungkapkan banyak informasi:

• Ini mengidentifikasi akar masalah atau sumber kepuasan. Dengan pertanyaan terbuka, pelanggan diberi kesempatan untuk mengidentifikasi apa yang memuaskan atau tidak untuk kepuasan mereka dan mengapa.
• Ini juga memungkinkan tren yang muncul ke permukaan bahwa banyak survei sering membatasi atau membatasi seluruhnya.
• Masalah dapat diprioritaskan dengan cepat dan efisien. Misalnya dengan mengidentifikasi kata yang paling sering digunakan atau menggunakan kata berpasangan.
• Ide dan saran pelanggan terwujud dan dijabarkan , yang dapat mengarah pada pengalaman digital yang ditingkatkan.

Menerapkan analitik teks memberi Anda kekuatan untuk mendengar suara pelanggan Anda dalam segala bentuknya.

---

MULAI UJI COBA GRATIS ANDA!

Coba Mopinion Sekarang

• Kumpulkan umpan balik tanpa batas
• ■.
• Uji coba 14 hari gratis

---

2. Teknik analisis teks

Frekuensi kata (jumlah kata)

Ini adalah analisis teks dalam bentuk yang paling sederhana, di mana topik dihitung dan diangkat ke atas berdasarkan frekuensi yang disebutkan.

Pengelompokan kata (atau pasangan kata)

Sering kali sekelompok kata dapat memberi Anda lebih banyak wawasan daripada hanya satu kata saja. Misalnya, kata "biaya", "mahal" dan "bulanan" dikelompokkan bersama. Dengan informasi ini, cukup aman untuk menyimpulkan bahwa ada banyak pelanggan yang menganggap biaya bulanan untuk salah satu produk atau layanan Anda terlalu mahal. Tetapi untuk melihat lebih dekat, Anda selalu dapat membuka komentar individu.

Analisis sentimen

Pada titik ini, Anda tahu kata mana yang paling sering muncul dan dengan kata lain mana kata itu dipasangkan, tetapi apakah umpan baliknya positif, negatif, atau netral? Lebih sering daripada tidak, pelanggan Anda akan memberi Anda umpan balik tentang topik yang sangat mereka sukai. Analisis teks dapat mengukur tingkat keparahan umpan balik berdasarkan penggunaan kata positif, negatif, dan netral serta sentimen yang terkait dengan kata-kata yang umum digunakan.

Mengkategorikan komentar umpan balik

Menggunakan pembelajaran mesin/otomatis, komentar dapat dikelompokkan berdasarkan masalah yang terkait. Untuk menyempurnakan proses ini, pengguna dapat menyarankan sistem berdasarkan apakah komentar dikategorikan dengan cara yang benar atau tidak. Seiring waktu, kategorisasi otomatis meningkat berdasarkan umpan balik pengguna ini.

3. Bagaimana menerapkan teknik ini dan mengurangi churn

Sekarang setelah kita membahas semua dasar analitik teks, mari kita bicara tentang bagaimana Anda dapat menggunakan alat ini untuk mengurangi churn online. Saran kami? Tetap berpegang pada inti dan baut umpan balik pelanggan digital yang efektif, yang mencakup mengumpulkan umpan balik yang tepat secara online, menganalisis data, dan mengubah wawasan ini menjadi tindakan.

Bawa datanya

Dalam hal mengurangi churn, sangat penting untuk mengumpulkan data dari titik kontak digital tempat Anda ingin pelanggan berkonversi. Perhatikan baik-baik perjalanan online pelanggan Anda. Tunjukkan dengan tepat tempat-tempat yang mungkin mereka anggap penting dan area mana yang ingin Anda kuasai dalam persaingan. Ini biasanya diterjemahkan menjadi saluran pemesanan atau pendaftaran online – titik kontak di mana Anda akan dapat mengumpulkan umpan balik yang paling relevan.

Buat analisis menggunakan analisis teks

Ketika umpan balik mengalir – dan terutama ketika volume mulai meningkat – penting untuk menganalisis dan memahami data ini. Seperti disebutkan sebelumnya, analisis yang baik sangat penting untuk mengidentifikasi driver ketika harus melakukan churn. Mengapa orang meninggalkan corong saya? Mengapa mereka lari ke kompetisi? Beruntung bagi Anda, semua informasi penting ini disimpan dalam komentar terbuka yang Anda kumpulkan. Yang perlu Anda lakukan adalah menganalisis dan menindaklanjutinya.

Jadi…apa sajakah pendorong utama yang mungkin mengusir pelanggan Anda?

• Situs web yang tidak responsif
• Kualitas layanan pelanggan yang rendah
• Produk/jasa baru yang diperkenalkan oleh pesaing
• harga
• Navigasi situs yang buruk

Tetapi bagaimana Anda bisa tahu apakah ini sebenarnya masalah yang sama yang dialami pelanggan Anda? Anda dapat menjalankannya satu per satu tetapi ketika volume data tinggi, ini dapat menghabiskan waktu Anda yang berharga. Inilah saatnya teknik analisis teks tersebut menjadi teman terbaik Anda!

Sebagai permulaan, Anda mungkin ingin melihat topik mana yang paling sering muncul. Hitungan kata sederhana bisa membantu, tetapi sebagian besar waktu ini terlalu umum. Namun, mengambil satu langkah lebih jauh dengan menggunakan jumlah kata yang dikombinasikan dengan alat sentimen terbukti lebih bernilai.

Misalnya, Anda memperhatikan bahwa kata "login" banyak muncul dengan sentimen negatif. Sekilas, Anda bisa melihat ada yang tidak beres dengan proses login. Tapi mari kita menggali lebih dalam. Dengan menggunakan alat pengelompokan kata, kata-kata “e-mail”, “link” dan “password” semua dikelompokkan bersama yang mungkin merupakan indikasi bahwa pelanggan Anda menerima email untuk mereset password mereka tetapi link verifikasi mengarahkan ke halaman kesalahan. Setelah penyelidikan lebih lanjut dalam entri individu, Anda menemukan bahwa banyak dari sentimen ini berakar dari kesalahan teknis dalam sistem Anda dan bagaimana hal itu membangun email pendaftaran.

Ini, tentu saja, cara yang sangat bagus untuk memecahkan masalah individu. Namun Anda juga ingin melacak perubahan pada tingkat yang lebih tinggi. Sangat penting untuk mengetahui bagaimana masalah dan sentimen mereka berkembang dari waktu ke waktu. Jadi bagaimana sekarang? Bagaimana kita dapat memahami wawasan ini dan melakukan sesuatu tentangnya?

Ambil tindakan dan "merayu" pelanggan Anda

Di dunia yang semakin digital, kita melihat perubahan dramatis dalam cara pelanggan dan bisnis berinteraksi secara online. Pelanggan memperoleh harapan yang lebih tinggi dan diberikan lebih banyak alternatif online. Pada dasarnya mereka menginginkan segalanya sesuai dengan persyaratan mereka, yang berarti kita perlu "merayu" pelanggan kita sekarang lebih dari sebelumnya. Membuat pelanggan tetap bersama Anda berarti memenuhi kebutuhan mereka, dan melakukannya tepat waktu. Setiap pelanggan itu penting, jadi jangan kehilangan loyalitas mereka!

Ada sejumlah inisiatif yang harus Anda lakukan sebagai pemasar digital untuk "menutup lingkaran". Mengubah wawasan menjadi tindakan berarti memahami tindakan internal dan eksternal dan menindaklanjuti menggunakan rentang waktu tertentu. Pikirkan tentang bagaimana Anda dan tim Anda dapat memperbaiki masalah dan memberi tahu pelanggan Anda. Keseimbangan komunikasi internal dan eksternal dalam menanggapi wawasan pelanggan akan menempatkan Anda di jalur yang benar menuju pengalaman pelanggan yang lebih baik dan tingkat churn yang lebih rendah.