Kundens röst. Från text till agerbar information. December, Gunilla Rudander Sales Engineer / Presale, SPSS an IBM company IBM Corporation

Transkript

1 Kundens röst Från text till agerbar information December, 2009 Gunilla Rudander Sales Engineer / Presale, SPSS an IBM company

2 Cable Com s story

3 Cable Com Tappade 19% av kunderna - minskades till 2% 2 enkla frågor Hur nöjd (1-10) Varför? Lägg på mer info Sätt poäng AGERA! Nästa plan...

4 Analysera bloggar/social media Med hjälp av text mining

5 Text Ungefär 80% av företagsdata är ostrukturerade text eller register: , call center anteckningar, Rapporter Web sidor, bloggar, 5

6 Vad är Text mining... Text Mining, 1.letar fram kunskap från ostrukturerad text 2.identifierar centrala begrepp och trender 3.används sedan till att ta bättre affärsbeslut inom företaget

7 Hur börjar man: Vad är ditt mål To the person who does not know where he wants to go there is no favorable wind. Seneca (4 B.C. 65 A.D.) Använd Web data som en extra informations-källa (men som kan ge avgörande resultat ) 7

8 Ex Hur upplevde du hotellvistelsen? Öppna svar: Sängarna var sköna Sängen var för hård Sängen var hård och skön Det var god frukost Skandal att de tog extra betalt för frukosten Simpel textanalys: Var: 4 svar Sängarna, sängen: 3 svar Frukost: 2 svar Hård: 2 svar Skön, sköna: 2 svar

9 Ex Hur upplevde du hotellvistelsen? Öppna svar: Sängarna var sköna Sängen var för hård Sängen var hård och skön Det var god frukost Skandal att de tog extra betalt för frukosten Modern textanalys: Positiva svar Sängarna sköna Säng hård och skön God frukost Negativa svar Säng för hård Skandal frukost

10 Sentiment Analysis: Om ett visst märke av nappflaska ( Baby bottles) 214 customers reviews, Rating: 1 to 5 stars

11 Sentiment Analysis Hundreds of customers reviews at a glance 11

12 Informationen och bruset ökar Produkt spridning TNS Media Intelligence has 2 milj varumärken i sin databas och växer med 700 per dag, över 10% per år På 90-talet, låg antalet varumärken på varuhyllorna på och har nu 3-dubblats till Data tillgång spridning 17,300 tidningar (8,400 år 1960) 13,000 radio stationer (4,400 år 1960) 82.4 TV kanaler per hem (5.7 år 1960) 3.3B mobiltelefonanv. via GPS & SNA Media spridning Online Matchmaking Alumni Networks Online Communities Networks Spridning Business Networks

13 Vad lyssnar konsumenten på? Source: Global Nielsen consumer report - Trust in Advertising - October 2007 (Base: 26,486 internet users in 47 markets from Europe, Asia Pacific, the Americas and the Middle East

14 Web discussion forum 14

15 Analyze Structured Data: Unravel Social Networks Who s in touch with who? How often? Which topics? Which boards? 15

16 Kundtrender: It is crucial for us to get an understanding of how our most loyal customers think and what they value most in their travel experience any data that helps us meet our loyal customers and attend to needs of future customers is worth its weight in gold. (Robin Korman, VP Starwood s Loyalty Marketing Program) The increasing importance of social media (consumer blogging and community boards) is changing how firms should measure marketing and PR effectiveness Consumer blogging and community boards are a rich data source allowing firms to gain unbiased/top of mind thoughts from consumers. Rebecca Gillan, Senior VP, Research & Guest Satisfaction, Starwood Hotels & Resorts Worldwide, Inc. 16

17 Företagsexempel Kundens röst vid resor Konsult Anderson Analytics

18

19

20

21 Upptäckter

22

23 Vad folk var mest missnöjda med (under 1) Satisfaction Index Verbatim Concepts Satisfaction Index Payment Process 0.74 Bathroom 0.82 Furniture 0.84 Lobby 0.87 Check out 0.89 Check in 0.90 Bed 0.93 Service 0.93 Food 0.95 Hotel/Property 1.00 Transportation 1.00

24 och nöjda med (över 1) Rate 1.00 Room 1.03 Pool 1.03 Restaurant/Bars 1.04 Balcony 1.04 Bedroom 1.05 Beverage 1.05 View 1.05 Renovations 1.07 Health club 1.08 Shopping 1.08 Resorts/Casino 1.09 Living Room 1.10 Promotion 1.10 Point 1.14 Breakfast 1.15 Spa 1.24

25 Konkurrensjämförelse

26

27 Fördelar med analys av web Upptäck problem och rykten tidigare Lär från forum: hitta nya marknadstrender Förfina dina marknadskampanjer, som du har online Komplementera med enkät och kunddata, för att få bättre insikt över kunden 27

28 Tack! Gunilla Rudander Sales Engineer rudander@se.ibm.com

29 Steg 1 Datainsamling och förberedelse Hög kvalitet på data viktigt innan analys Web scraping ID knyter fera datakällor

30 Steg 2 text kodning och kategorisering

31 Steg 3 Text mining och visualisering Positiv/negativ Konkurrent jämförelse Longitudinella mönster

32 Use Text mining results to Improve Predictive Models 32