你應該期待你的營銷團隊閱讀一百萬顧客評論?

要成為一個偉大的商人,你需要進入你的目標觀眾的大腦。你要理解他們的不同之處,然後基於這些需求創造價值。

沒有更好的方式來了解你的聽眾,而不是通過分析顧客評論他們自己的話。

所以你的評論部分,開始讀他們說什麼。你可能會得到20、50或100年當你意識到你的評論方法不是非常有效。你是有偏見的。自然,某些部分的評論形成強烈的觀點,而你似乎忘記其他部分。閱讀幾個小時之後,你會有一個稍微的猜測關於你的聽眾是思考。

人工智能可以做得更好。

使用自然語言處理客戶回顧分析(MonkeyLearn)

不久前我們遇到了這個頁麵,不得不分享它。AI-powered公司MonkeyLearn建立了一個刮板去收集數據在一百萬年為酒店顧客評論。不了解客戶的酒店chain-it客戶回顧分析整個酒店行業在全球範圍內。人工智能,他們創造了硬數據回答問題連鎖酒店多年來一直在猜測。

他們是怎麼做到的?

讓它很簡單,他們使用自然語言處理(NLP),一個AI-powered技術。一個人也許能夠理解一個評論比人工智能,但AI理解成千上萬的評論的總比一個人好。就像人類通過放大鏡,而機器沒有。當我們看近距離的東西,他們是有意義的。但是從遠處看,它是模糊的。人工智能是相反的。這是有效的和可靠的分析大局。

MonkeyLearn的刮刀去TripAdvisor約有一百萬用戶評論和分析。它在數據如酒店名稱、數星星,客戶評級規模1 - 5,從他們的評論和情緒。情緒意味著它認為關鍵字位置和評論家談論他們是否在一個積極的還是消極的光。

是的,AI能做到這一點。

MonkeyLearn開始嚐試幾個問題,如:

• “人在曼穀呆在酒店更多的抱怨比那些保持清潔,說,在巴黎酒店?”
• “最嚴重的城市設施是什麼?”
• “星星的數量影響酒店的評論?”
• “人們有不同的標準酒店時不同的課嗎?”

他們發現的洞見,10年前夢寐以求的營銷人員。

例如,你是否知道客戶的倫敦酒店不斷抱怨清潔和客戶服務比任何其他類似大小的城市嗎?這表明酒店有更低的標準。

在1 - 5星酒店,網絡似乎總是一個問題。有趣的,考慮到今天的商務艙一貫的酒店。有一個機會在酒店超越競爭對手?

三個(甚至兩個)星酒店似乎有最高的客戶滿意度為他們支付的價格。當被問及價值

感興趣嗎?另一個工具來調查在這個空間是Yext。公司的審查產品與30多個頂尖的評論網站直接集成幫助品牌監控,分析和管理評論在線。

他們的情緒分析組件直接把客戶反饋的這些評論網站和使用自然語言處理來分析客戶反饋規模來理解你的評級和評論是如何被影響的。你也可以看看你的位置與競爭,看看公司在不同區域執行位置。

你能獲得什麼見解客戶回顧分析在你的行業嗎?

正確的人工智能可以提供答案。