Machine Learning: es posible analizar el sentimiento del cliente

Publicado el 12/12/17 8:00

La experiencia de uso y el sentimiento del cliente hacia una marca son dos elementos de gran actualidad en nuestros días. La transformación digital de los negocios tiene en el uso de los datos, internos y externos, uno de sus grandes pilares, por su capacidad de analizar la verdadera opinión sobre una marca. Saber qué piensan los demás de nuestros productos o servicios, afinar las estrategias comerciales y personalizar el trato prestado al cliente son los principales resultados de iniciar una estrategia de Marketing y Ventas basada en Machine Learning que, como ya ha demostrado Logicalis en varios casos de uso, permite obtener resultados en apenas seis semanas.

El punto de partida de este tipo de proyectos es el análisis exhaustivo de la opinión del usuario, a partir de encuestas que muchas empresas realizan desde su propio call center. Las consultas suelen contar con campos cerrados y abiertos, los primeros con una simple puntuación y los segundos con comentarios de clientes que pueden realizarse por escrito o de forma oral, vía conversaciones. Ahí entra el valor de analytics: el aprendizaje automático permite extraer valor de datos no estructurados y que hasta ahora no utilizaban los departamentos de “customer experience”.

Webinar: Analice qué opinan y sienten sus clientes con IBM Watson 

Los sistemas de back-end también entran en juego, ya que atesoran información muy valiosa sobre los clientes. Además, son los encargados de visualizar y analizar las respuestas cerradas y, mediante el análisis manual del texto, establecer una clasificación por criterios.

Con técnicas de interpretación del lenguaje natural se clasifica, de forma automática, el sentimiento, por clase, y es posible procesar tanto las encuestas cerradas como las abiertas, ampliando el alcance del análisis de las respuestas.

Business team working together at a call centre wearing headsets.jpeg

La forma más sencilla y flexible de extraer valor del contenido no estructurado, interno o externo, pasa en este caso por utilizar determinadas APIs de IBM Watson que interpreten el lenguaje, la voz, la conversación, la visión y el conocimiento de los datos. Junto a ellas, las soluciones de reconocimiento visual y de detección y análisis de los datos completan un retrato robot de las opiniones de los clientes.

Se trata de tecnologías que permiten encontrar categorías, entidades y palabras clave, que identifica tipos de relación, que luego se convierten en modelos automáticos de definición del sentimiento. Estas categorías pueden ser refinadas manualmente, para ajustar aún mejor el modelo final, con la ayuda de datos y metadatos que más tarde pueden integrarse en soluciones de análisis. Por ejemplo: análisis de comportamientos y extracción de patrones de conducta con la tecnología IBM SPSS.

Todo ello, integrado en un proyecto que encaja todas las piezas, permite reportar análisis exhaustivos de cada cliente que, completado con datos internos de la empresa y su negocio, resultan fundamentales para la configuración de la solución y el posterior entrenamiento de los profesionales que deben manejarla, así como las acciones de revisión y refinamiento de sus resultados.

Soluciones que aplican la innovación al sentimiento del cliente, un ente bastante abstracto pero que, con la ayuda de estas tecnologías, se aterriza en datos concretos que pueden analizarse y ofrecen una información vital para cualquier negocio actual.

Predictive Analytics