Principais pormenores

Maior satisfação do cliente com a monitorização inteligente da inteligência emocional.

Cliente

O cliente é uma grande Comércio eletrónico nos EUA com um negócio em linha em rápido crescimento. A empresa está constantemente a trabalhar para melhorar a experiência do cliente, melhorando os produtos e serviços oferecidos. A empresa precisava de criar um sistema automatizado que identificasse o sentimento dos clientes em relação aos seus produtos e serviços. Queriam obter informações sobre a satisfação do cliente para implementar tácticas de marketing e de assistência ao cliente rápidas, tendo em vista a baixa satisfação do cliente e a oferta de upselling aos que estão receptivos a isso. Assim, pediram à equipa da ESSID Solutions que desenvolvesse um análise das avaliações dos clientes solução.

Desafio: detetar sentimento e tom emocional nas avaliações de produtos dos clientes com ML

A análise de sentimentos é importante para descobrir a satisfação do cliente e reconhecer as suas preferências através de e-mails, comentários, tweets, etc. Para permitir a extração de informações, a equipa da ESSID Solutions desenvolveu um modelo de ML baseado nas opiniões dos clientes sobre os produtos detetar as opiniões dos clientes.

Para criar um modelo de inteligência emocional para a análise de avaliações de produtos, passámos pelo seguinte processo

• Recolha de dados de avaliações de clientes do sítio Web da empresa
• Pré-processamento
• Extração de caraterísticas
• Formação e avaliação de Modelo de aprendizagem automática

Solução: Software de análise de sentimentos com base em IA

Para ativar classificação de sentimentosNa nossa empresa, criámos modelos ML e redes neurais profundas. Trabalhámos com:

• Modelos de Transformers como o BERT.
• Regressão logística, máquina de vectores de suporte (SVM) e Naïve Bayes - modelos tradicionais de ML para análise de revisão de documentos e classificação de sentimentos.
• Redes neurais profundas utilizadas para a análise de sentimentos: Rede Neural Recorrente, Memória de Longo Prazo (LSTM) e Unidade Recorrente Gated (GRU).

Veja mais de perto a conduta criada:

Para desenvolver a solução, utilizámos as seguintes tecnologias:

Resultado: um sistema automatizado para identificar sentimentos nos comentários dos clientes

Automatizando a recolha de dados sobre a satisfação do cliente, conseguimos obter informações acionáveis sobre as atitudes dos consumidores em relação aos produtos e serviços do cliente com níveis de resposta muito mais elevados. Os nossos solução de análise de sentimentos ajudou o cliente a determinar se um determinado segmento de clientes tem ou não uma opinião mais forte sobre a empresa. Além disso, facilitou-lhes o acompanhamento da forma como uma alteração no produto ou serviço afecta os clientes.

As principais vantagens da análise de revisão de produtos:

• Recolha de dados e análise do total de comentários dos clientes
• Acompanhamento da força da marca da empresa
• Acompanhamento da satisfação global do cliente
• Deteção de alterações de humor do cliente
• Deteção de estímulos emocionais do cliente
• Previsão da rotatividade de clientes
• Informações em tempo real sobre tácticas de marketing rápidas para apoiar a estratégia de satisfação do cliente