Krijg inzicht in open feedback met Natural Language Processing (AI)

NLP is een tak van kunstmatige intelligentie die zich richt op het begrijpen en verwerken van menselijke taal. Het speelt een cruciale rol bij het analyseren en interpreteren van open feedback van medewerkers en/of klanten.

Disclaimer: De tekstanalysefunctie van Insocial maakt gebruik van kunstmatige intelligentie (AI)-algoritmen om tekstinvoer te analyseren en interpreteren. Hoewel de analyse tot doel heeft een goede indicatie te geven van de gelabelde teksten, is het belangrijk om op te merken dat de resultaten niet altijd 100% nauwkeurig kunnen zijn.

Aan de slag

Wanneer je tekstanalyse hebt laten activeren door jouw CSM, is dit onderdeel terug te vinden onder het kopje ‘Insights’ in het linkermenu. Om jouw survey te laten analyseren, klik je op de knop ‘Model maken’. In de set-up pagina die volgt, selecteer je de survey die jij wilt laten analyseren door AI. 


Schermafbeelding 2023-10-25 om 10.08.55


Vervolgens selecteer je één of meer vragen die open feedback bevatten en klik je op ‘Volgende’.


Schermafbeelding 2023-10-25 om 10.10.16


Het model start je handmatig op door in deze stap diverse onderwerpen toe te voegen die voor jou belangrijk zijn. Denk aan onderwerpen als vriendelijkheid, wachttijden, storingen, hygiene of drukte. Klik op ‘Volgende’ om jouw model te controleren en af te ronden. 


Schermafbeelding 2023-10-25 om 10.11.52


De eerste resultaten

Na 24 uur zijn jouw eerste resultaten zichtbaar in het dashboard. Het model wordt na afronding de eerstvolgende nacht geactiveerd en zal dan de resultaten analyseren. Het model begint met de topics die jij belangrijk vindt als organisatie. Deze heb je zojuist zelf ingevoerd. Na verloop van tijd evolueren de handmatige topics naar automatische topicdetectie: het model zal zelf topics aanbevelen en deze matchen aan bestaande topics of onbekende topics. 

Dashboard

In het dashboard staan een aantal standaard visualisaties vanuit je analysemodel. Laten we er een aantal uitlichten. 


Sentiment

In deze cirkeldiagram zie je de verdeling van het sentiment. Aan de hand van kleuren, zie je hoeveel procent van de antwoorden een positief, neutraal, negatief of gemixt sentiment heeft.

Schermafbeelding 2023-10-25 om 10.39.27

Accuracy

Zie in een oogopslag de antwoorden met en zonder label. Door op een van de buttons te klikken, kan je antwoorden handmatig labelen en scrollen door niet-gelabelde antwoorden. 

Schermafbeelding 2023-10-25 om 10.28.03


Tabel 

In de tabel zie je hoevaak je topics zijn genoemd en met welke score/sentiment. Je ziet op deze manier snel wat de mensen drijven. Middels de schakelaar rechtsbovenin switch je gemakkelijk tussen percentages en daadwerkelijk aantallen. 

Schermafbeelding 2023-10-25 om 10.41.07


Sentimentanalyse

In deze visuele weergave van de sentimentanalyse zie je per onderwerp hoe het sentiment is over de topics die belangrijk zijn voor jouw organisatie. Door op een van de topics te klikken, open je de filterweergave. In de filterweergave zie je alle responses die gelabeld zijn met dit topic en zie je hoe het sentiment is opgebouwd. 

Schermafbeelding 2023-10-25 om 10.42.54


Onderwerpsfrequentie over tijd

In deze tabel zie je het percentage reviews dat een onderwerp noemt in de geselecteerde periode, vergeleken met dezelfde periode daarvoor. Selecteer je hier de huidige maand, dan wordt het vergeleken met de maand daarvoor. 

Schermafbeelding 2023-10-25 om 10.52.23


Ondersteunde talen

Het NLP model ondersteunt in de basis Engels en/of Nederlands. Meertalige surveys kunnen in beide talen topics gebruiken. Wil je een andere taal analyseren? Responses in andere talen dan Nederlands of Engels worden middels AI vertaald naar het Engels. Hiermee maken we NLP beschikbaar in alle talen, maar garanderen we de beste resultaten in Nederlands en Engels. 


Let op: De NLP feature van Insocial is een betaalde add-on op de bestaande abonnementsvormen. De feature is interessant voor gebruikers die gemiddeld 1000 responses per onderzoek verzamelen. Een goed NLP-model bevat gemiddeld 10 topics die goed geanalyseerd worden bij een gemiddelde van 100 responses per topic.