텍스트 분석을 사용하여 온라인 이탈 줄이기 2016년 10월 20일

이 글을 읽는 대부분의 사람들은 웹사이트와 앱을 정량적으로 모니터링하는 피드백 수집 도구와 함께 이미 온라인 고객 경험 프로그램을 갖추고 있을 것입니다. 다시 말해, 고객의 요구 사항을 충족하고 온라인 판매 유입경로를 적절하게 조정하는 데 필요한 모든 필수 구조화된 데이터를 가지고 있습니다. 맞습니까? 불행히도 항상 그런 것은 아닙니다.

디지털 마케터는 원하는 모든 양적 데이터를 수집할 수 있지만 디지털 고객 경험을 개선하는 데 필요한 풍부한 통찰력은 여전히 ​​부족합니다. 이러한 통찰력을 얻으려면 훨씬 더 심층적인 접근 방식이 필요합니다. 비정형 데이터(또는 텍스트 분석)가 피드백의 세계에서 더 널리 퍼짐에 따라 고객 이탈을 완화할 기회도 증가하고 있습니다.

개방형 텍스트 댓글과 같은 작업을 시작하기로 결정하는 순간 웹사이트의 다른 부분(예: 주문 프로세스, 서비스, 내 계정, 제품 콘텐츠 등)과 관련된 수많은 비정형 데이터가 필터링되기 시작합니다. 이 데이터를 분석하는 것은 어려울 수 있지만 매우 유익할 수도 있습니다.

이 블로그에서는 텍스트 분석을 사용하여 이탈을 줄이는 것과 관련하여 세 가지 질문에 대한 통찰력을 제공합니다.

1. 텍스트 분석이란 무엇입니까?
2. 사용할 수 있는 다양한 기술은 무엇입니까?
3. 온라인 이탈을 줄이기 위해 이러한 기술을 어떻게 적용할 수 있습니까?

1. 텍스트 분석이란 무엇입니까?

텍스트 분석은 보다 친밀한 방식으로 고객의 생각과 감정에 다가갈 수 있는 관문입니다. 이러한 유형의 정성적 분석을 사용하면 여기저기서 발생하는 작은 문제뿐만 아니라 전체 온라인 고객 여정을 전체적으로 평가할 수 있습니다.

어떻게, 당신은 물어? 글쎄요, 텍스트 분석은 과다한 정보를 드러낼 수 있습니다:

• 그것은 문제의 근원이나 만족의 근원을 식별합니다. 개방형 질문을 통해 고객은 만족할 만한 사항과 그렇지 않은 사항과 그 이유를 확인할 수 있습니다.
• 또한 많은 설문조사에서 종종 완전히 제한하거나 제한하는 새로운 경향을 표면화 할 수 있습니다.
• 문제의 우선 순위를 빠르고 효율적으로 지정할 수 있습니다. 예를 들어, 가장 자주 사용하는 단어를 식별하거나 단어 쌍을 사용합니다.
• 고객의 아이디어와 제안은 구체화되고 구체화되어 향상된 디지털 경험으로 이어질 수 있습니다.

텍스트 분석을 구현하면 모든 형태로 고객의 목소리를 들을 수 있습니다.

---

무료 평가판을 시작하세요!

지금 모피니언을 사용해 보세요

• 무제한 피드백 수집
• ■
• 14일 무료 평가판

---

2. 텍스트 분석 기법

단어 빈도(단어 수)

이것은 가장 단순한 형태의 텍스트 분석으로, 주제가 언급된 빈도에 따라 주제를 계산하고 맨 위로 가져옵니다.

단어 그룹화(또는 단어 쌍)

종종 단어 그룹은 한 단어만 사용하는 것보다 더 많은 통찰력을 제공할 수 있습니다. 예를 들어 "비용", "비싼" 및 "월별"이라는 단어는 함께 그룹화됩니다. 이 정보를 사용하면 제품 또는 서비스 중 하나에 대한 월별 비용이 너무 비싸다고 생각하는 고객이 많다는 결론을 내리는 것이 안전합니다. 그러나 자세히 살펴보기 위해 언제든지 개별 댓글을 열 수 있습니다.

감정 분석

이 시점에서 어떤 단어가 가장 자주 발생하고 어떤 다른 단어와 짝을 이루는지 알 수 있지만 피드백은 긍정적입니까, 부정적입니까, 중립입니까? 종종 고객은 자신이 강하게 느끼는 주제에 대한 피드백을 제공할 것입니다. 텍스트 분석은 긍정적, 부정적, 중립적 단어 사용과 일반적으로 사용되는 단어와 관련된 감정을 기반으로 피드백의 심각성을 측정할 수 있습니다.

피드백 댓글 분류

기계/자동 학습을 사용하여 댓글이 관련된 문제를 기반으로 그룹화할 수 있습니다. 이 프로세스를 개선하기 위해 사용자는 댓글이 올바른 방식으로 분류되었는지 여부에 따라 시스템에 조언할 수 있습니다. 시간이 지남에 따라 이 사용자 피드백을 기반으로 자동화된 분류가 향상됩니다.

3. 이러한 기술을 적용하고 이탈을 줄이는 방법

이제 텍스트 분석의 모든 기반을 다루었으므로 이러한 도구를 사용하여 온라인 이탈을 줄이는 방법에 대해 이야기해 보겠습니다. 우리의 조언? 온라인에서 올바른 피드백을 수집하고, 데이터를 분석하고, 이러한 통찰력을 행동으로 옮기는 것을 포함하여 효과적인 디지털 고객 피드백의 핵심을 고수하십시오.

데이터를 가져와

이탈을 줄이기 위해서는 고객이 전환하기를 원하는 디지털 접점에서 데이터를 수집하는 것이 중요합니다. 고객의 온라인 여정을 자세히 살펴보세요. 그들이 중요하다고 생각할 수 있는 장소와 경쟁과 관련하여 당신이 탁월하게 하고 싶은 영역을 정확히 찾아내십시오. 이것은 일반적으로 가장 관련성 높은 피드백을 수집할 수 있는 접점인 온라인 주문 또는 등록 퍼널로 해석됩니다.

텍스트 분석을 사용하여 분석하기

피드백이 유입될 때, 특히 볼륨이 증가하기 시작할 때 이 데이터를 분석하고 이해하는 것이 중요합니다. 앞서 언급했듯이 이탈과 관련하여 동인을 식별하려면 올바른 분석이 필수적입니다. 사람들이 내 유입경로를 떠나는 이유는 무엇입니까? 그들이 경쟁에 뛰어드는 이유는 무엇입니까? 운 좋게도 이 모든 중요한 정보는 수집한 개방형 댓글에 저장됩니다. 분석하고 조치를 취하기만 하면 됩니다.

그렇다면...고객을 쫓는 주요 동인은 무엇입니까?

• 반응하지 않는 웹사이트
• 낮은 품질의 고객 서비스
• 경쟁자가 도입한 새로운 제품/서비스
• 가격
• 열악한 사이트 탐색

그러나 이것이 실제로 고객이 겪고 있는 문제와 동일한지 어떻게 알 수 있습니까? 하나씩 실행할 수 있지만 데이터 볼륨이 높으면 귀중한 시간이 낭비될 수 있습니다. 이러한 텍스트 분석 기술이 가장 친한 친구가 될 때입니다!

처음에는 어떤 주제가 가장 자주 발생하는지 확인하고 싶을 것입니다. 간단한 단어 수로 트릭을 수행할 수 있지만 대부분의 경우 이것은 너무 일반적입니다. 그러나 감정 도구와 함께 단어 수를 사용하여 한 단계 더 나아가면 더 많은 가치가 있음을 증명할 수 있습니다.

예를 들어, "로그인"이라는 단어가 부정적인 감정과 함께 많이 나오는 것을 알 수 있습니다. 얼핏 보면 로그인 프로세스에 문제가 있음을 알 수 있습니다. 하지만 조금 더 깊이 들어가 보겠습니다. 단어 그룹화 도구를 사용하면 "이메일", "링크" 및 "비밀번호"라는 단어가 모두 함께 그룹화되어 고객이 비밀번호를 재설정하라는 이메일을 받고 있음을 나타낼 수 있지만 확인 링크가 오류 페이지로 리디렉션합니다. 개별 항목에 대한 추가 조사를 통해 이러한 감정 중 많은 부분이 시스템의 기술적 오류와 시스템이 등록 전자 메일을 구성하는 방식에서 비롯된 것임을 발견했습니다.

물론 이것은 개별 문제를 해결하는 정말 좋은 방법입니다. 그러나 더 높은 수준에서 변경 사항도 추적하려고 합니다. 시간이 지남에 따라 문제와 감정이 어떻게 발전하는지 아는 것이 중요합니다. 자, 이제 어떻게 될까요? 우리는 이러한 통찰력을 이해하고 이에 대해 어떻게 할 수 있습니까?

행동을 취하고 고객에게 "우울"하십시오.

점점 더 디지털화되는 세상에서 우리는 고객과 기업이 온라인에서 상호 작용하는 방식의 극적인 변화를 목격하고 있습니다. 고객은 더 높은 기대치를 얻고 더 많은 온라인 대안을 제공합니다. 본질적으로 그들은 모든 것을 원하는 대로 하기를 원합니다. 즉, 우리는 지금 그 어느 때보다도 고객에게 "구혼"해야 합니다. 고객을 계속 유지한다는 것은 고객의 요구 사항을 충족하고 적시에 이를 수행하는 것을 의미합니다. 모든 고객은 중요하므로 충성도를 잃지 마십시오!

디지털 마케터로서 "루프를 종료"하기 위해 실행해야 하는 여러 이니셔티브가 있습니다. 통찰력을 행동으로 바꾸는 것은 내부 및 외부 행동을 이해하고 특정 시간 척도를 사용하여 후속 조치를 취하는 것을 의미합니다. 귀하와 귀하의 팀이 어떻게 문제를 해결하고 고객에게 알릴 수 있는지 생각해 보십시오. 고객 통찰력에 대한 이러한 내부 및 외부 커뮤니케이션의 균형을 통해 고객 경험을 개선하고 이탈률을 낮추는 올바른 길로 들어서게 될 것입니다.