Suara Bazar

Tanpa analisis sentimen, Anda mungkin juga memasarkan produk Anda ke dinding bata. Jika Anda tidak tahu apa yang dipikirkan atau dikatakan pelanggan Anda, bagaimana Anda tahu cara mempertahankan pelanggan setia? Atau memenangkan pelanggan yang tidak bahagia?

Panduan ini menjelaskan apa itu analisis sentimen pelanggan (opinion mining), jenis umpan balik dan sentimen pelanggan yang harus difokuskan, dan tindakan apa yang harus diambil berdasarkan wawasan untuk meningkatkan produk dan pengalaman pelanggan.

Bab:

1. Apa itu analisis sentimen?
2. Jenis analisis sentimen yang dapat Anda lakukan
3. Empat langkah proses analisis sentimen
4. Bagaimana menanggapi jenis sentimen pelanggan
5. 3 contoh merek keberhasilan analisis sentimen
6. Dorong perubahan yang berarti dengan wawasan dan laporan

Bayangkan meminta teman sekamar Anda jika mereka keberatan membuang sampah tiga kali dalam satu hari. Anda tidak mengatakan, "Saya frustrasi", tetapi fakta bahwa Anda telah membuat permintaan sampah ini beberapa kali dalam 24 jam adalah tanda yang cukup jelas bahwa Anda kesal.

Singkatnya, situasi itu adalah analisis sentimen. Merek meninjau bahasa yang digunakan pelanggan untuk menebak perasaan mereka tentang perusahaan Anda. Ini adalah alat yang ampuh untuk mengungkap dan mengatasi masalah pelanggan, meningkatkan loyalitas merek, dan memenangkan pelanggan di masa depan.

Apa itu analisis sentimen?

Analisis sentimen, atau penambangan opini, menggunakan data untuk mengukur dan memahami sentimen dan opini pelanggan tentang merek dan produknya. Untuk melakukan analisis ini, merek menggunakan alat yang meninjau teks dengan algoritme pemrosesan bahasa alami (NLP).

Teknologi ini mengidentifikasi kata-kata negatif dan positif dalam komunikasi pelanggan dan menetapkan skor sentimen secara keseluruhan.

Tujuan dari analisis sentimen adalah untuk memahami bagaimana pelanggan memandang merek Anda dan menggunakan informasi tersebut untuk meningkatkan pengalaman pelanggan Anda. Jika Anda mengetahui melalui analisis teks dalam ulasan online Anda bahwa pelanggan menyukai lip gloss baru yang baru saja Anda tambahkan, Anda dapat membuat yang lain dengan warna dan aroma yang serupa. Anda juga dapat menggunakan model analisis sentimen untuk

• Membantu riset pasar
• Temukan kasus penggunaan baru untuk produk Anda
• Rasakan reputasi merek Anda

Perlu diingat, analisis sentimen memang memiliki beberapa tantangan. Sulit bagi alat NLP untuk mendeteksi sarkasme dan menafsirkan kata-kata slang dalam sebuah pesan. Alat analisis sentimen mungkin mengidentifikasi pujian backhanded sebagai pesan positif. Pesan multibahasa juga dapat menjadi tantangan bagi alat NLP, yang biasanya dilatih dalam satu bahasa utama dan mungkin tidak menangkap beberapa nuansa jika pesan diterjemahkan.

Jenis analisis sentimen yang dapat Anda lakukan

Ada beberapa model analisis sentimen, dan masing-masing memiliki tujuan berbeda dan memberikan wawasan berbeda tentang perasaan pelanggan Anda. Semua metode analisis sentimen digunakan untuk memahami pola pikir pelanggan Anda, tetapi jika beberapa melibatkan penggunaan sistem penilaian, yang lain memprediksi niat.

Analisis sentimen berbutir halus

Analisis sentimen halus adalah proses mengkategorikan umpan balik pelanggan pada skala mulai dari sangat positif hingga sangat negatif.

Katakanlah Anda mengirim survei kepuasan pelanggan dengan jawaban pada skala dari 1 sampai 5. Analisis yang cermat akan melibatkan pengumpulan tanggapan tersebut dan menyortir umpan balik mereka.

Atau jika Anda memberikan pertanyaan terbuka kepada pelanggan, alat analisis sentimen juga akan menguraikan kalimat mereka untuk mencari kata-kata positif atau negatif. Ini mengkategorikan tanggapan tersebut untuk Anda sehingga Anda dapat menyortirnya dan menemukan utas umum.

Jadi, misalkan beberapa pelanggan menilai kualitas merek sepatu tertentu sebagai negatif. Dalam hal ini, Anda tahu bahwa perusahaan Anda perlu memeriksa proses atau pemasok jaminan kualitas dan menyesuaikan proses pembuatan sepatu Anda.

Deteksi emosi

Deteksi emosi adalah proses menganalisis bahasa pelanggan untuk mengidentifikasi perasaan mereka. Apakah mereka marah atau gembira tentang suatu produk atau bisnis? Hasil dari analisis deteksi emosi tidak hanya terbatas pada positif atau negatif — kategori emosi mencakup kemarahan, kejutan, kegembiraan, rasa jijik, kecemasan, hasrat, dan kesedihan. Atau Tujuh Kurcaci yang kurang populer.

Untuk deteksi emosi, Anda perlu menambahkan leksikon dengan daftar kata yang menunjukkan perasaan positif atau negatif ke alat NLP Anda, seperti "frustrasi", "tidak bahagia", atau "senang". Setelah alat analisis sentimen memiliki kata-kata tersebut, ia akan menyisir ulasan Anda, transkrip obrolan langsung, komentar media sosial, dan komunikasi teks lainnya untuk mengurutkannya ke dalam kategori emosi.

Misalnya, manajer media sosial Anda mungkin melaporkan peningkatan komentar negatif di Facebook, Instagram, dan Twitter. Anda kemudian akan menjalankan analisis pendeteksian emosi pada mereka untuk menunjukkan dengan tepat emosi yang dirasakan audiens Anda. Mungkin mereka marah tentang produk yang Anda hapus dari toko Anda, atau cemas tentang proses penagihan baru.

Setelah Anda mengetahui apa yang berkontribusi pada perasaan mereka, Anda dapat membuat rencana tindakan untuk mengatasi masalah tersebut.

Analisis sentimen berbasis aspek

Dalam penambangan opini berbasis aspek, tujuannya sangat spesifik — untuk menemukan tren dalam komentar pelanggan tentang ciri-ciri produk Anda. Anda kemudian akan menggunakan informasi tersebut untuk membuat perubahan pada produk atau layanan Anda jika diperlukan.

Katakanlah Anda menjual tas hoki dan baru-baru ini berganti pemasok ritsleting, dan ingin tahu pendapat pelanggan tentang kualitas ritsleting baru. Analisis sentimen berbasis aspek Anda mungkin mengungkapkan bahwa ritsleting rusak atau macet untuk sebagian besar pelanggan, yang menunjukkan bahwa Anda perlu melakukan penyesuaian.

Atau, jika Anda baru saja mengubah opsi di kotak langganan, lakukan salah satu analisis ini untuk melihat bagaimana perasaan pelanggan berubah setelah peningkatan. Jika mereka menggunakan kata-kata seperti "frustrasi" atau "kesal", aman untuk mengatakan bahwa mereka tidak menyukai perubahan baru.

Analisis sentimen berbasis niat

Analisis sentimen berbasis niat mencoba memprediksi minat dan niat pelanggan Anda saat mereka berinteraksi dengan perusahaan Anda.

Jika pelanggan mengirim pesan dan bertanya, “Apakah ada diskon untuk barang ini?” perangkat lunak NLP mungkin menganggap mereka sedang mempertimbangkan untuk membeli.

Gunakan informasi maksud ini untuk memandu pemasaran Anda. Anda mungkin produsen mainan yang hanya menargetkan orang tua dengan iklan. Tetapi setelah melakukan analisis berbasis niat pada TikTok menyebutkan merek Anda, Anda menyadari bahwa pra-remaja dan dewasa mewakili sebagian besar pelanggan Anda. Dengan hanya memasarkan kepada orang tua, Anda kehilangan peluang.

Empat langkah proses analisis sentimen

Dari pengumpulan data hingga pengambilan tindakan, analisis sentimen adalah proses multi-langkah. Kembalilah ke langkah-langkah ini secara teratur, sehingga Anda dapat mengidentifikasi dan menangani perasaan pelanggan sebelum meningkat menjadi masalah.

1. Kumpulkan data sentimen pelanggan

Untuk mengidentifikasi sentimen pelanggan, Anda memerlukan sesuatu untuk dianalisis: komunikasi pelanggan. Alat analisis sentimen Anda akan terus mengumpulkan data yang Anda perlukan dari berbagai sumber, tetapi Anda harus membantu memasukkan data baru dengan mengirimkan email permintaan ulasan atau berinteraksi dengan pelanggan di media sosial. Beberapa sumber analisis alat Anda meliputi:

• Ulasan pelanggan: Temukan ini di Google, situs web Anda, dan platform media sosial
• Survei pelanggan : Kirim skor promotor bersih, yang meminta pelanggan menilai perusahaan Anda dari 1-10, survei dengan jawaban pilihan ganda, atau dapatkan respons survei terbuka
• Komentar media sosial : Lihat apa yang dikatakan pelanggan tentang merek Anda di Twitter, Facebook, Instagram, LinkedIn, dan TikTok
• Email, obrolan langsung, atau teks: Tarik komentar dari email pelanggan, transkrip obrolan langsung, atau teks apa pun yang mereka kirimkan kepada Anda

2. Menganalisis sentimen pelanggan

Setelah mengumpulkan semua data yang Anda butuhkan, gunakan alat NLP untuk menganalisis data sentimen pelanggan dan mengidentifikasi sentimen di balik setiap pesan.

Anda dapat menggunakan alat sumber terbuka seperti Python untuk membangun perangkat lunak pembelajaran mesin internal Anda sendiri. Tapi itu proses yang memakan waktu dan Anda membutuhkan seseorang dengan keahlian khusus. Untuk membuat proses ini senyaman mungkin, gunakan produk SaaS siap pakai seperti alat wawasan dan laporan yang akan membantu Anda melihat tren umpan balik pelanggan Anda.

Dengan alat ini, Anda dapat meninjau peringkat produk terbaru dan laporan sentimen pelanggan semuanya dalam satu dasbor. Anda juga tidak perlu mengirimkan dan meninjau komunikasi pelanggan secara manual. Bazaarvoice secara otomatis meninjau komunikasi pelanggan di situs Anda setiap minggu, sehingga Anda selalu memiliki informasi sentimen pelanggan terkini.

3. Identifikasi tren sentimen pelanggan

Setelah data dianalisis, gunakan alat visualisasi data seperti Google Charts, Tableau, atau Grafana untuk melihat tren dan pola dalam analisis sentimen pelanggan Anda dari waktu ke waktu.

Visual memberi Anda gambaran singkat tentang bagaimana perasaan pelanggan tentang suatu produk atau layanan. Anda akan melihat di mana sentimen pelanggan mungkin bergeser dan dapat melihat tren yang muncul — seperti jika suasana hati pembelanja berubah segera setelah Anda mengubah resep atau meningkatkan perangkat lunak Anda.

Ketika Anda mengetahui trennya, Anda dapat menemukan area peningkatan dan membuat keputusan berdasarkan informasi tentang pengalaman pelanggan Anda. Jika ada masalah yang terkait langsung dengan produk Anda, kirimkan informasi tersebut ke manajer produk agar mereka dapat menyesuaikan.

Atau jika orang merasa terganggu dengan layanan pelanggan, beri tahu manajer layanan pelanggan.

4. Bertindak berdasarkan hasil sentimen pelanggan

Jika umpan balik pelanggan negatif, perbaiki masalah mendasar dan komunikasikan solusinya kepada pelanggan Anda. Kami akan membahas lebih detail tentang cara menanggapi berbagai jenis umpan balik pelanggan di bagian selanjutnya.

Bagaimana menanggapi jenis sentimen pelanggan

Apa pun jenis umpan balik pelanggan yang Anda terima, Anda harus memiliki rencana permainan untuk menindaklanjutinya. Saat merek merespons sentimen pelanggan, pembeli memperhatikan.

Pelihara perasaan positif dan jangkau pelanggan dengan sentimen negatif (atau netral) untuk memuluskan segalanya dan memenangkan kebiasaan.

Atasi umpan balik negatif pelanggan

Jika pelanggan meninggalkan umpan balik negatif, lihat kemungkinan penyebabnya. Mungkin garis pakaian terlalu kecil atau Anda terlalu lama menjawab pertanyaan mereka.

Setelah Anda menentukan masalahnya, beri tahu pelanggan bahwa Anda menanggapi umpan balik mereka dengan serius. Minta maaf atas pengalaman buruk yang mereka alami dan pertimbangkan untuk menawarkan diskon atau pengembalian uang.

Misalnya, perusahaan rias Il Makiage menawarkan kode diskon setelah pelanggan mengatakan bahwa mereka tidak puas dengan suatu produk untuk mencoba dan memperbaiki hubungan tersebut.

Bersamaan dengan mengirimkan diskon atau pengembalian uang, beri tahu pelanggan bahwa Anda akan menemukan solusi untuk masalah mereka. Jika mereka menyatakan frustrasi dengan proses pengiriman, bekerjalah dengan perusahaan pengiriman Anda untuk mendapatkan jendela pengiriman yang lebih baik. Jika ada masalah dengan kualitas produk, sinkronkan dengan manajer kualitas Anda untuk mengembangkan proses penjaminan kualitas yang lebih baik.

Terakhir, tindak lanjuti dengan pelanggan. Pelanggan mengharapkan tanggapan terhadap ulasan negatif. Jadi pastikan keluhan mereka diselesaikan atau ditangani dengan cara yang memuaskan. Jika Anda membiarkan keluhan jatuh begitu saja, akan lebih sulit untuk memperbaiki sentimen negatif itu.

Akui umpan balik positif

Sangat mudah untuk terhanyut dalam menanggapi umpan balik negatif, tetapi penting juga untuk memelihara pelanggan dengan menanggapi umpan balik positif juga. Beri tahu mereka terima kasih telah berbagi pengalaman mereka, dan lakukan langkah tambahan seperti:

• Memberi mereka kode diskon sebagai cara untuk menunjukkan terima kasih
• Membagikan umpan balik positif mereka di situs web Anda, di halaman arahan, atau di media sosial
• Menanyakan apakah mereka bersedia mengulas Anda di Google atau media sosial

Buat catatan untuk menindaklanjuti pelanggan ini juga sehingga Anda dapat memeriksa dengan mereka untuk mengetahui apakah mereka masih merasa positif tentang merek Anda.

Cari tahu apa yang menyebabkan umpan balik netral

Jika seorang pelanggan memberi Anda umpan balik netral, Anda memiliki kesempatan untuk memelihara mereka dan mencoba memenangkan hati mereka. Mereka belum memiliki pengalaman negatif, tetapi mereka juga belum terkagum-kagum dengan merek Anda. Cobalah membawa mereka ke sisi positif dengan memberi mereka pengalaman pelanggan yang luar biasa.

Jangkau mereka dan tanyakan apakah ada yang dapat Anda lakukan untuk meningkatkan, dan berterima kasih kepada mereka karena telah berbagi pemikiran dengan Anda. Beri tahu mereka bahwa Anda akan menerima umpan balik dan menindaklanjutinya untuk meningkatkan produk Anda.

Jika mereka mengatakan perangkat lunak Anda tidak memiliki fitur yang mereka butuhkan, beri tahu tim pengembang Anda dan lihat apakah itu sesuatu yang dapat mereka tambahkan. Cara terbaik untuk meningkatkan produk adalah dengan memanfaatkan umpan balik pelanggan.

Sekali lagi, tindak lanjuti dengan pelanggan untuk memberi tahu mereka jika umpan balik mereka telah ditangani. Beri mereka uji coba gratis atau diskon untuk melihat apakah Anda dapat meningkatkan sentimen netral mereka.

3 contoh merek keberhasilan analisis sentimen

Analisis sentimen pelanggan lebih dari sekadar meninjau data pelanggan. Itu menjadi jauh lebih kuat dan berdampak jangka panjang ketika merek mengambil tindakan atas informasi yang mereka dapatkan dari analisis itu.

Berikut adalah beberapa studi kasus dunia nyata dari bisnis yang melihat analisis sentimen pelanggan mereka dan memperbaiki produk atau mengubah strategi pemasaran mereka sebagai hasilnya.

Electro Depot mengidentifikasi produk yang tidak memenuhi standar kualitas

Electro Depot, bisnis berbasis Eropa yang menjual multimedia dan peralatan rumah tangga, memiliki 84 toko di Prancis, Spanyol, dan Belgia. Mereka ingin mengidentifikasi produk apa saja yang tidak memenuhi standar kualitas minimum mereka.

Analisis sentimen umpan balik pelanggan membantu merek menemukan area perbaikan tersebut. Salah satu contohnya: mereka menjual merek speaker yang tidak bisa digunakan saat mengisi daya. Setelah memperhatikan umpan balik ini, speaker diperbaiki dan sekarang dapat digunakan saat mengisi daya. Lebih penting lagi, mereka mampu mencapai skor kepuasan produk 4,1/5.

Electro Depot juga berencana menggunakan sentimen pelanggan untuk membantu memutuskan penghentian produk. Bisnis memiliki tujuan untuk menghapus produk apa pun yang menerima kurang dari tiga bintang dari ulasan pelanggan, karena mereka ingin memasarkan kualitas kepada pelanggan mereka.

Nestle Canada menyesuaikan resep produk setelah melihat penurunan penjualan

Anda tahu nama Nestle, karena ini adalah perusahaan makanan dan minuman terbesar di dunia dengan lebih dari 2.000 merek. Tetapi bahkan para profesional terkadang bisa salah. Pada tahun 2018, Nestle Canada membuat beberapa penyesuaian pada resep teh yang sangat disukai. Begitu teh itu memasuki pasar, Nestle mulai mendapatkan umpan balik negatif secara online, bersamaan dengan penurunan penjualan.

Pengalaman pelanggan mereka menjalankan analisis sentimen ulasan pelanggan, lalu mengirimkan informasi dari ulasan tersebut ke tim produk mereka. Beberapa bulan kemudian, perusahaan akhirnya kembali ke resep teh aslinya.

Setelah beralih kembali, peringkat produk rata-rata naik dari 1,7 bintang menjadi 4 bintang. Direktur pengalaman konsumen mereka mengatakan bahwa data dari ulasan ini memberi banyak kekuatan pada keputusan untuk kembali ke formula sebelumnya.

Konsumen yang berbicara untuk kita. Mereka berbicara, dan kami mendengarkan dan mengambil tindakan.

Lee Beech, Direktur Pengalaman Konsumen, Nestle Kanada

Nestle terus menerima ulasan pelanggan, sehingga mereka menggunakan solusi dari Wawasan dan Laporan untuk membantu memadatkan data tersebut. Tim pengalaman pelanggan mereka menyajikan data ulasan tersebut, bersama dengan laporan dari layanan pelanggan, kepada eksekutif Nestle untuk menunjukkan kepada mereka apa yang dipikirkan oleh basis pelanggan mereka.

Kidkraft menawarkan opsi produk baru setelah mendapatkan umpan balik dari pelanggan

Kidkraft menjual produk anak-anak — seperti rumah boneka, set ayunan, dan rumah bermain di luar ruangan. Dapat dipahami bahwa perusahaan ini prihatin dengan cara orang tua memandang produk dan keamanan mereka, sehingga baru-baru ini mereka mulai menjalankan analisis sentimen pelanggan setiap kuartal, yang menunjukkan rekomendasi untuk meningkatkan produk dan pemasaran.

Dalam satu kasus, ulasan pelanggan mengungkapkan bahwa pelanggan sedang membangun salah satu model rumah bermain yang populer, tetapi kemudian mengecatnya dengan warna putih. Setelah KidKraft menemukan ini, mereka mulai menawarkan versi putih dari playhouse, yang menyebabkan peningkatan penjualan yang signifikan.

Perusahaan juga mengubah cara pemasaran suatu produk setelah mendapat rekomendasi dari Bazaarvoice. Ulasan menunjukkan bahwa pelanggan menyukai tempat penyimpanan di bawah salah satu meja permainan mereka, tetapi situs Kidkraft bahkan tidak menyebutkan tempat sampah itu. Saat tim Kidkraft menemukan wawasan ini, mereka mengubah halaman produk dan pesan untuk menyoroti fitur tersebut.

Dorong perubahan berarti dengan Wawasan dan Laporan Bazaarvoice

Untuk menganalisis data Anda secara efisien, Anda memerlukan alat analisis sentimen yang tepat di sisi Anda. Wawasan dan Laporan Bazaarvoice memberi Anda pandangan yang jelas tentang apa yang dipikirkan dan dirasakan pelanggan Anda.

Dengan alat pelaporan kami, Anda akan menerima analisis mingguan dari ulasan pelanggan Anda untuk melihat apa yang mereka suka dan tidak suka, dan mendapatkan wawasan yang dapat ditindaklanjuti tentang bagaimana Anda dapat meningkatkan produk dan pemasaran Anda. Kami akan memberi tahu Anda cara:

• Tingkatkan volume ulasan
• Tingkatkan email berperforma rendah
• Segarkan halaman produk dengan salinan baru

Alat ini juga akan menunjukkan kepada Anda bagaimana produk Anda bersaing dengan pesaing Anda, menggunakan tolok ukur industri kami yang membandingkan peringkat dan ulasan Anda dengan pesaing Anda. Anda dapat menghubungi di bawah ini untuk mempelajari lebih lanjut. Atau lanjutkan membaca untuk mempelajari cara menemukan dan menggunakan wawasan konsumen.

SUMBER DAYA UANG

Panduan pemasar cerdas untuk menemukan dan menggunakan wawasan pelanggan

Baca di sini