Pohled skrze texty
V data science existují v zásadě 2 typy dat – strukturovaná a nestrukturovaná. Většina modelů a analýz používá data strukturovaná, nejčastěji jsou jimi data transakční (data o nákupech, data o pohybech zboží apod.) nebo také data z návštěvnosti webových stránek apod. Analýza takovýchto strukturovaných dat, ať už těch zákaznických, finančních nebo jiných, je dnes již běžnou praxí.
Nestrukturovaná data jsou ve firmách často ignorována, mnohdy však přináší nové a zásadní informace, které často zůstávají pod povrchem.
Využití textové analytiky je výhodné zejména v následujících případech:
- Nemáte přístup ke strukturovaným datům nebo je nemáte vůbec.
- Potřebujete znát odpovědi na konkrétní otázky, které ze strukturovaných dat nezískáte, např. zjištění sentimentu zákazníků, pověst Vaší firmy, produktů či konkurence na sociálních sítích a fórech.
- Potřebujete získat doplňující informace k datum strukturovaným, např. k upřesnění modelu předpovědi odchodu zákazníků, který je postaven na strukturovaných datech dat (např. záznamy z Vašeho call centra).
Mezi zdroje nestrukturovaných dat, tedy dat pro textovou analytiku patří například:
- E-mailová komunikace se zákazníky.
- Příspěvky zákazníků na různých sociálních sítích a diskuzních fórech.
- Obecně jakákoli textová data, jak z interních, tak z externích zdrojů.
Analýza nestrukturovaných dat je o něco náročnější proces než analýza dat strukturovaných. Její přínos je však často zásadní.
Příklad z praxe:
Propojení textové analytiky komunikace zákazníků s CRM systémem.
Identifikace priority vyřízení komunikace dle důležitosti zákazníka i závažnosti dotazu.
Zákazníci se často na firmy obracejí s různými typy dotazů či stížností. Prostřednictvím textové analytiky jsme schopni idenfitikovat obsah a sentiment této komunikace a určit tak její váhu. Analýzou dat zákaznických (strukturovaných), jsme zase schopni určit důležitost zákazníka.
Po propojení obou těchto vstupů je možné identifikovat prioritu vyřízení u jednotlivých dotazů s ohledem na daného zákazníka a zabránit tak například odchodu významného zákazníka od společnosti.
