Il business deve puntare i riflettori sulle tecniche di Text Analytics e di Social Listening per ottenere un reale vantaggio competitivo
Lo scambio continuo di email, la creazione di documentazione e la presenza sempre più massiccia di post sui social media rende necessario alle aziende adottare tecniche di Text Analytics. Le analisi testuali infatti, hanno visto un sensibile aumento negli ultimi anni. Grazie a questo tipo di analisi è possibile segmentare i clienti (Clustering) a seconda dei contenuti testuali che generano, migliorando l’insight.
Gartner Research prevede che, nei prossimi 5 anni, le aziende genereranno l’800% in più dei dati e che la maggior parte di questi sarà di natura testuale e non strutturata, ossia immagini, video e tutto ciò che non è un tipo di dati organizzati secondo schemi e tabelle rigide. Inoltre stima che ad oggi l’ammontare dei dati destrutturati nelle aziende sia circa l’80%. Questi dati giustificano l’aumento di interesse ai temi legati al Text Mining e all’analisi derivante di testi, immagini, video e altri contenuti destrutturati che rappresentano una miniera di informazioni d’oro per le aziende.
La Text Analysis utilizza il Natural Language Processing (NLP) per determinare relazioni tra una qualsiasi entità, astratta o fisica che sia (eventi, persone, società, ecc…) ed estrarre informazioni chiave relative al business. Il Natural Language Processing è una tecnica di Machine Learning che, attraverso diverse fasi, elabora regole capaci di interpretare il linguaggio umano. Il NLP decifra anche il significato di parole ambigue perché è in grado di contestualizzarle e definire a quale parte del discorso (nome, verbo, aggettivo) si riferisce ogni parola. Il risultato è un’analisi accurata del contenuto presente all’interno del testo.
Customer Satisfaction? E’ questione di sentimenti
L’analisi dei dati destrutturati aiuta un’azienda a comprendere meglio il posizionamento del brand, servizio o prodotto. Dal testo si possono intercettare anche le emozioni che i customer lasciano trasparire e di conseguenza individuare eventuali criticità, per esempio attraverso il riconoscimento dell’uso di termini positivi e/o negativi. [quote style=”boxed” float=”right”]“Influence is only influential within a context.” — Clay Shirky[/quote] Anche gli emoticon (le icone che esprimono lo stato d’animo delle persone nei vari messaggi di testo) vengono sottoposti alla Text Analysis, e si riesce così a identificare pattern ricorrenti associati agli attori in gioco (azienda, brand, prodotti, servizi) e ad avere una visione chiara, e in tempo reale, di quali sia il Sentiment dei customer. Inoltre integrando al dizionario universalmente riconosciuto dai software per la Text Analysis i cosiddetti dizionari custom, ossia i termini specifici del settore e/o dell’azienda, la qualità dell’analisi aumenta esponenzialmente. Diventa quindi una priorità la capacità di analizzare e interpretare i dati destrutturati generati dai flussi documentali in ambito business.
Da non sottovalutare inoltre l’uso di tecniche di Text Analytics nei confronti della concorrenza: analizzando i dati destrutturati si può capire il posizionamento e la percezione dei clienti rispetto a quel determinato brand/prodotto. Essere in grado di analizzare dati testuali diventa quindi un vantaggio competitivo in grado di innescare o correggere strategie di Customer Satisfaction e Customer Retention che pongono i clienti davvero al centro dei processi aziendali.
