Analítica de Textos en la Empresa

Analítica de Textos en la Empresa

Actualmente los Clientes se relacionan con las Empresas a través de muchos canales por lo que la experiencia personalizada y su satisfacción son más importantes que nunca. A través de comentarios en encuestas, partes de quejas, informes de pre y post servicio técnico, llamadas al servicio de atención, redes sociales, etc; los Clientes se comunican con las empresas para expresar su percepción sobre la calidad de los productos y servicios que recibe, trasladas reclamaciones, opinar sobre la marca, recomendar productos, etc. Debido a todo esto, se afirma que el 80% de la información relevante para un negocio se origina en forma no estructurada, principalmente en formato texto, y que ese contenido no estructurado crece a una velocidad mucho mayor que los datos estructurados.

Un texto es más que una colección de palabras, cuenta una historia. La Analítica de Textos es un área de la ciencia de datos que permiten extraer automáticamente información útil de un conjunto de documentos o textos. DE manera muy general, con la analítica de texto se buscan ideas, conceptos y relaciones que se encuentran ‘‘escondidas’’ entre las palabras.

Las principales más conocidas son:

• Análisis de Temas (topic modelling). Consiste en descubrir grupos de palabras o colección de términos que mejor describe una idea o tema principal

• Análisis de Sentimientos (sentiment analysis) o Clasificación de Documentos. Consiste en determinar si un texto es positivo o negativo. Este análisis se puede extender a cualquier etiqueta que pueda ser asignado a un texto: clasificar la información que recibe una compañía a la vez que le permite el filtrado de spam, agrupar reclamaciones/quejas que se reciben en función de su causa, analizar la polaridad de los campos de texto libre rellenados por clientes, comentarios, etc.

Algunas Aplicaciones Reales

La Voz del Cliente

Entender el feedback de los clientes, actuales y potenciales, es crucial para cualquier organización. La Voz del Cliente (Voice of Customer - VoC) se entiende como la habilidad para enumerar y describir los requerimientos de los clientes o usuarios de cada empresa, incluyendo las percepciones y expectativas que tiene y espera sobre el producto o servicio.

Hoy en dia el Net Promoter Score (NPS) es uno de los indicadores más utilizados dentro de una empresa para medir la satisfacción y lealtad de sus clientes.

El NPS se calcula a partir de la respuesta una única pregunta, usando una escala de 0 a 10: ‘'¿Cuán probable es que recomiende el producto o servicio a un familiar o amigo?'’. Se trata de una métrica muy sencilla de obtener: Los que responden asignando 9 o 10 puntos: promotores, los que asignan 7 u 8 puntos: pasivos; los que otorgan 6 puntos o menos: detractores.

Sin embargo, el NPS en si mismo, no ofrece información que sugiera acciones inmediatas. Por ello, es bastante común que las encuestras incluyan una segunda pregunta que ayude a entender los motivos del cliente para dar determinada valoración. Esta pregunta suele ser de tipo abierto ¿Por qué ha dado esa valoración?, lo que requiere de un esfuerzo mucho mayor para su procesamiento análisis.

Dada la importancia de una encuesta de este tipo, las empresas invierten en la ejecución de miles de encuestas, que requieren equipos de personas trabajando en el procesamiento y análisis de las respuestas. En este caso, el tiempo de procesamiento y coste pueden disminuir mediante el uso de algoritmos de analítica de textos que ayudaran a contestar: ¿Qué temas son los más relevantes para los clientes de mi sector?¿Cuáles son los dolores y pasiones de los clientes propios y de la competencia? entre otras preguntas.

Clasificación de solicitudes

Muchos servicios de atención, principalmente en el sector público, son presenciales y requieren de una entrevista detallada entre el solicitante del servicio y el representante de la organización. Luego de la entrevista, la solicitud debe clasificarse y someterse a una evaluación y/o priorización. El proceso de clasificación implica elegir etiquetas (tipos) entre decenas o cientos de categorias muy específicas, lo que conlleva mucho tiempo y esfuerzo de parte de quien realiza la tarea (normalmente el entrevistador). En estos casos un sistema de clasificación automático que sugiera, por ejemplo, las 5 etiquetas más apropidas, ayuda a minimizar los errores humanos debido a la falta de conocimiento de todas las categorias, falta de experiencia y/o subjetividad inherente a cualquier entrevistador.

Clasificar incidencias

La lectura y clasificación de e-mail que llegan a un servicio tipo help desk y la creación de tickets u órdenes de atención son tareas que consumen mucho tiempo de parte de los empleados. Dependiendo del volumen de mensajes recibidos, estas tareas pueden ocupar la mitad de la joradad de trabajo de una personas. Sin embargo, se trata de tareas automatizables donde los algoritmos de clasificación de e-mails juegan un rol muy importante ya que ayudan directamente a mejorar la eficiencia del funcionamiento del help desk y la satisfacción de sus usuarios debido a la disminución de los tiempos de atención, debido al uso de alertas sobre la urgencia de los mismos.

Esta aplicación se extiende de forma natural a sectores como el de seguros, donde el principal canal de comunicación sigue siendo el teléfono. En estos casos la analítica de textos se aplica a las trascripciones realizadas por un servicio de tipo Speech To Text.

Opiniones e imagen de marca

Utilizar contenido del review o feedback expresado por el Cliente en cada punto de contacto con la Empresa para identificar temas que preocupan tanto en valoraciones positivas como en valoraciones negativas, identificando puntos de mejora y/o grado de aceptación de nuevos productos y/o servicios.

Otra aplicación directa es el Riesgo Reputacional que implica analizar todos los comentarios que se hacen en redes sociales sobre una marca o empresa. Esta opción es utilizada por empresas, por ejemplo, que se desempeñan en el area de investigación o apoyo social donde no hay productos específicos y/o campañas de marketing.

Identificar Reclamaciones

Los Clientes utilizan muchos canales para comunicarse con las empresas: E-mails, formularios on-line, redes sociales, etc.

Cuando se trata de e-mails, muchas veces la reclamación sólo viene dentro del cuerpo del mismo. Es decir, el Cliente no señala en el asunto de su mail que tiene un malestar con el servicio, sino que lo detalla en el cuerpo del mail donde proporciona muchos detalles.Si el e-mail entra en un buzón que recibe cientos (o miles) de e-mails por dia, puede que la Empresa no atienda la reclamación a tiempo y termine perdiendo a un Cliente. En este caso, una alerta generada por un algoritmo de clasificación de textos podria cambiar radicalmente el tempo en que ser resuelve la reclamación y afectar directamente en la satisfacción del Cliente.

Sectores como el de alquiler de coches o aerolíneas con clientes corporativos (no sólo personas físicas) son ejemplos de donde esta aplicación de analítica de textos es muy relevante.

Oportunidades de venta

En el mercado internacional de transporte y entrega de mercancía existe un sistema donde las diferentes empresas participantes comunican si dejan pedidos sin atender o si disponen de espacio para atender más pedidos. Esta información es muy valiosa porque los viajes programados que no van con carga máxima pueden completarse y por lo tanto, ser más rentables. En otras palabras, una empresa puede beneficiarse del servicio no atendido por otra si es capaz de contactar con el cliente final a tiempo. Esta información es transmitida entre proveedores via email, por lo que si no hay una alerta a tiempo, la oportunidad de negocio puede no perderse.

Otro ejemplo se encuentra en el sector financiero. Siempre que el cliente haya aceptado, dentro de los límites de la privacidad, la entidad puede leer la descripción de los recibos domiciliados o transacciones realizadas con las tarjetas de crédito para conocer productos y servicios contratados con terceros. Con esta información, la entidad puede diseñar mejores productos y/o establecer el mejor momento para campañas de venta cruzada.

Beneficios para la Empresa

Algunos de los beneficios que derivan del uso de modelos y algoritmos de analítica de textos son:

• Coste y Velocidad. Comparado con la codificación manual la inversión necesaria para el procesamiento de la información es bastante menor. Por otro lado el Time to Value y Time to Market se reduce ya que las conclusiones están disponibles a corto plazo.

• Consistencia y Homogeneidad. Se aplican los mismos criterios y se evitan incoherencias que pueden ocurrir en procesos realizado por varios analistas, en diferente momentos.

• Interpretación Personalizada. Se trabaja con diccionarios, modelos de clasificación y vocabularios de sentimientos específicos para la empresa. Se evita ambigüedad en los términos, se incorpora el conocimiento específico del sector.

• Inteligencia Artificial. Se hace uso de las técnicas avanzadas de Machine Learning. Conocemos importancia de palabras, la distancia a/entre temas, etc.

• Procedimientos Automátizados. Muchas tareas se pueden realizar de forma automática después de hacer una encuesta, recibir un e-mail, etc. También se pueden usar otras tecnologías como Agentes Virtuales, Asesores financieros, etc.

• Vision 360 de Clientes. Se pueden incluir datos de fuentes como redes sociales y enriquecer la visión que se tiene de cada cliente. Además de poder crear nuevos indicadores a utilizar en otros modelos predictivos (propensión al churn, por ejemplo)