Tekstanalyse

Met de juiste data kun je jouw diensten verbeteren, je huidige klanten beter aan je binden, nieuwe gebruikers werven en nog veel meer. Het verzamelen van die informatie kun je op actieve wijze doen door online vragenlijsten, in gesprek gaan met je klant of andere vormen van onderzoek.

Er is echter ook een ‘passieve’ databron aanwezig binnen bijna elke organisatie. Deze bestaat uit grote hoeveelheden en bevat belangrijke informatie, maar wordt door velen over het hoofd gezien: tekst.

Een analyse van tekstdata in de vorm van bijvoorbeeld e-mailverkeer met klanten of callcenter-data kan waardevolle (marketing) insights opleveren.

 

Hoe werkt het?

Tekstanalyse, of textmining, verwijst naar het proces waarmee allerhande (statistische) technieken waardevolle informatie halen uit grote hoeveelheden tekstmateriaal.

Het wordt al jaren in allerlei domeinen ingezet. Een spamfilter die beredeneert of een e-mail spam bevat, functiegroepen als artsen en advocaten die door een enorme hoeveelheid documenten moeten kunnen zoeken om snel relevante informatie te vinden, ze maken gebruik van tekstanalyse.

Maar ook voor andere organisaties is dit een interessante methode om bruikbare informatie op te halen. Motivaction evalueert onder andere de gevoerde telefoongesprekken voor een klant met callcenters op verschillende locaties. Mensen die telefonisch contact opnemen met één van de callcenters, krijgen na het telefoongesprek de optie om een evaluatie in te vullen. Naast een rapportcijfer kunnen ze hun mening over het gesprek ook uitschrijven. Door deze teksten te analyseren worden er nuances uit de data gehaald die niet gevonden zouden worden als de data op reguliere wijze was verwerkt. Zo bleek dat mensen die tevreden waren over het gesprek veelal nog praktische tips meegaven. Mensen die ontevreden waren daarentegen, hadden  weinig tot geen constructieve adviezen om de dienstverlening te verbeteren. Ook bleken er opvallende verschillen tussen locaties te zijn.

Met tekstanalyse kwam de klant tot inzichten die gebruikt zijn om de bedrijfsvoering verder te optimaliseren.

 

Welke methoden zijn er?

Er zijn veel verschillende technieken om tekst te analyseren. Welke technieken ingezet kunnen worden is vooral afhankelijk van de inhoud, lengte, en andere eigenschappen van de teksten. Ook het doel van de analyses speelt hierin mee.

  • Een sentiment-analyse bepaalt in welke mate een tekst positief of negatief is
  • De tf-idf methode is een statistiek die aangeeft hoe belangrijk een woord is voor in een tekst
  • Met Topic Modelling wordt getracht onderwerpen in tekst te isoleren, zoals ‘ontevreden met product’ of ‘tevreden met de service’.

Hoewel deze technieken niet heel ingewikkeld zijn, is het veel werk om de beschikbare tekst te isoleren, structureren, ontleden en transformeren voordat een analyse kan plaatsvinden. De (tekst)data bevindt zich vaak in verschillende silo’s of moet van spraak naar tekst omgezet worden. Motivaction kan hierbij helpen.

Wil je meer weten over tekstanalyse? Neem dan contact op met Seth Schaafsma.

 

Facebook Twitter LinkedIn