Analisis Sentimen #

Analisis Sentimen mengukur nada percakapan — apakah bahasa yang digunakan positif, netral, atau negatif. Alih-alih memberikan satu skor untuk seluruh panggilan, ~.Dimensions.~ melacak sentimen secara terpisah antara pelanggan dan pengguna, serta mengikuti bagaimana sentimen berubah sepanjang percakapan.

Bagaimana Sentimen Diukur #

Setelah panggilan ditranskripsi, AI mengevaluasi bahasa yang digunakan oleh setiap pembicara sepanjang percakapan. Kata-kata, frasa, dan pola bicara dinilai untuk menentukan apakah nada di setiap titik panggilan adalah positif, netral, atau negatif.

Karena sentimen dilacak secara progresif melalui panggilan daripada rata-rata tunggal, Anda bisa melihat bagaimana suasana hati kedua partai berkembang — bukan hanya ke mana akhirnya berakhir. Sebuah panggilan yang dimulai dengan pelanggan yang frustrasi tapi berakhir positif menceritakan kisah yang sangat berbeda dari yang tetap negatif sepanjang waktu.

Sentimen ditampilkan pada timeline panggilan di tampilan percakapan, diberi kode warna agar mudah dibaca sekilas.

Sentimen Pelanggan vs Sentimen Pengguna #

Melacak kedua sisi percakapan secara independen penting karena masing-masing menceritakan kisah yang berbeda:

Sentimen pelanggan mencerminkan bagaimana perasaan pelanggan selama panggilan. Pergeseran dari negatif ke positif biasanya menunjukkan bahwa masalah tersebut terselesaikan dengan baik. Sentimen negatif yang terus-menerus, terutama menjelang akhir panggilan, dapat menunjukkan hasil yang buruk atau masalah yang belum terselesaikan.

Sentimen pengguna dapat menunjukkan seberapa percaya diri dan positif pengguna berinteraksi dengan pelanggan. Bahasa netral atau profesional yang konsisten umumnya merupakan tanda baik, sementara penurunan tajam mungkin layak untuk ditinjau.

Membandingkan keduanya dapat menampilkan pola yang berguna — misalnya, panggilan di mana sentimen pelanggan membaik tetapi sentimen pengguna menurun dapat menunjukkan bahwa penyelesaian telah dicapai tetapi pengguna merasa panggilan itu sulit.

Menggunakan Analisis Sentimen #

Mengidentifikasi panggilan untuk peninjauan — gunakan sentimen untuk dengan cepat menampilkan panggilan yang berakhir dengan nada negatif dan mungkin memerlukan tindak lanjut atau tinjauan kualitas.

Mengukur dampak perubahan — jika naskah, proses, atau program pelatihan baru diperkenalkan, melacak sentimen pelanggan rata-rata dari waktu ke waktu adalah cara yang mudah untuk mengukur apakah hal itu memberikan efek positif.

Coaching — data sentimen pengguna dapat digunakan dalam percakapan coaching untuk memberikan konteks objektif bersama rekaman panggilan, membantu pengguna memahami bagaimana nada suara mereka terdengar dalam panggilan sulit.

Dikombinasikan dengan data CI lain — sentimen paling kuat ketika dikombinasikan dengan sinyal lain. Panggilan dengan sentimen pelanggan negatif yang juga memicu kata kunci seperti 'batalkan akun saya' adalah indikator risiko churn yang jauh lebih kuat daripada kedua sinyal itu saja.

Data sentimen tersedia sebagai filter dan field dalam laporan, dan juga merupakan salah satu kriteria yang tersedia saat mengonfigurasi Scorecards.