要成為一名出色的營銷人員，你需要進入目標受眾的大腦。你必須了解他們的動機，然後根據他們的欲望和需求創造價值。
沒有比分析客戶評論中他們自己的話更好的方法來了解你的客戶了。
所以你可以去評論區看看他們都說了些什麼。當你意識到你的方法不是特別有效時，你可能會得到20、50或100條評論。你是有偏見的。當然，評論的某些部分形成了強烈的觀點，而你似乎忘記了其他部分。閱讀幾個小時後，你會對你的聽眾真正在想什麼有一個稍微有根據的猜測。
人工智能可以做得更好。
使用自然語言處理進行客戶評論分析(與MonkeyLearn合作)
我們前段時間看到了這一頁，不得不分享它。由人工智能驅動的MonkeyLearn公司做了一個刮刀去收集一百萬條顧客對酒店的評論。這不是要了解一家連鎖酒店的顧客，而是要分析整個連鎖酒店的顧客評論全球的整個酒店業。通過人工智能，他們創造了硬數據來回答連鎖酒店多年來一直在猜測的問題。
他們是怎麼做到的?
為了簡單起見，他們用了自然語言處理這是一項人工智能技術。一個人可能比人工智能更能理解一條評論，但人工智能比人更能理解數千條評論的總和。這就像人類用放大鏡看東西，而機器不用。當我們近距離觀察事物時，它們是有意義的。但從遠處看，它很模糊。AI正好相反。在分析大局時，它是高效可靠的。
MonkeyLearn向TripAdvisor提供了scraper，並分析了大約100萬條客戶評論。它收集了諸如酒店名稱、星級數量、顧客在1-5級範圍內的評分以及他們的評論情緒等數據。情緒意味著它識別了關鍵字——比如位置——以及評論者是在積極還是消極地談論它們。
是的，人工智能可以做到。
MonkeyLearn從幾個問題開始了他們的實驗，比如:
- “住在曼穀酒店的人會比住在巴黎酒店的人更抱怨清潔嗎?”
- “哪個城市的設施最差?”
- “一家酒店的星級數量會影響它的評論嗎?”
- “人們對不同等級的酒店有不同的標準嗎?”
他們發現了10年前營銷人員做夢也想不到的洞見。
例如，你知道嗎?倫敦酒店的顧客對清潔和客戶服務的抱怨比其他任何類似規模的城市都要多。這說明那裏的酒店標準較低。
在1-5星級酒店中，網絡似乎總是一個問題。有趣的是，考慮到今天的商務艙一直在酒店工作。酒店是否有機會在競爭中脫穎而出?
當被問及是否物有所值時，三星級(甚至是兩星級)酒店的顧客滿意度似乎最高。
感興趣嗎?在這個領域研究的另一個工具是ext。該公司的評論產品與30多個頂級評論網站直接集成，幫助品牌監控、分析和管理在線評論。
他們的情緒分析組件直接從這些評論網站獲取客戶反饋，並使用自然語言處理大規模分析客戶反饋，以了解您的評級和評論是如何受到影響的。你還可以看到你所在的地點在競爭中表現如何，以及不同地區的公司地點表現如何。
你能從你所在行業的客戶評論分析中獲得什麼見解?
正確的人工智能可以提供答案。