您已成功订阅主题
伟大的!接下来,完全结账以完全访问主题
欢迎回来!您已经成功登录。
成功!您的帐户已完全激活,您现在可以访问所有内容。
成功!您的账单信息已更新。
计费信息更新失败。

快速指南:如何衡量反馈分析的准确性

当你考虑使用新的时客户反馈分析软件,你需要确保它的反馈分析能力是准确和可靠的。

在主题我们认真对待准确性。我们评估每个数据集的准确性,我们的方法取决于有多少时间。

有三种主要方法您应该考虑测量反馈分析的准确性。

眼球[轻松评论:(1H)]

眼球结果:我们使用这种方法主题为每一个客户。

首先,我们尝试达到标记的80%的评论,并且最多20%未标记,但它取决于数据集。

其次,我们使用名为Themes Editor的解决方案根据需要调整结果,以获得接近100%的准确性。

下面我们分享一下我们如何在这个调整和改进过程中观察到的结果。

被发现的主题有意义吗?

回顾所有主题及其副主题,以及情感。

你能说"因此“在每个主题之后确定你真正做的事情。

✔10%的客户谈论 “困难导航” 因此,我们需要查看网站的布局。
❌10%的客户谈论 “用户体验” 所以? ?


在Thematic,我们只使用像“UX”这样的主题作为分类来分组其他主题。

主题是否准确?

下面是我用来测试的过程:

  1. 将所有结果下载到电子表格中
  2. 按主题排序
  3. 向下滚动并按主题阅读回复
  4. 问问自己:是关于同样的事情吗?

当以这种方式对它们进行分组时,很容易发现这些主题有多精确。

所有的评论都有主题标签吗?

在相同的电子表格中,滚动到“其他”类别。未标记评论的百分比是多少?他们是理所当然的吗?

通过按注释的字母顺序重新排序,很容易发现遗漏的主题。

并排直方图[Medium-Effort评价(3-5h)]

当他们评估是否使用我们时,主题客户最常使用这种方法。最常见的答案是肯定的!:)

  1. 拍摄数据样本(例如1000行)并手动分析反馈。
  2. 创建一个直方图通过从手动和自动确定的主题中按卷分类所有主题
  3. 并排比较结果。主题的顺序是否相同或相似?

请注意,您可能需要考虑到一个数据集中的一个主要主题表示为另一个数据集中的两个独立主题。

在下面的图中,左边的柱状图列出了"负担得起的“ 和 ”昂贵的,而右边的则将它们组合为价钱“。

反馈分析主题

在步骤c中,您可以使用观察技术,也可以计算下一节中描述的一致性。

计算一致性(高级评估(1-2天)]

在我们的文章之前,我们已经写了关于这个主题的如何衡量编码调查的准确性对开放性问题的编码回答的准确性研究

您需要使用Excel文件或编写脚本(Python和R非常适合)。

给定两组主题A和B,你将需要计算一致性为2C/(A + B)。

反馈分析计算一致性

如果两个集合没有重叠,这个公式返回0,如果它们相同,则返回1。

例如,让我们说这次调查评论中有一段客户反馈:

“我对这条线的另一端的友好是多么友好的印象深刻。他们快速有效地解决了我的问题,并确保了收到退款。但我很失望,我不得不等待两周退款。“

a =手动主题 B =自动主题 c =共同的主题
友好,呼叫中心,退款 友好、高效、客户服务、退款 友好,退款
3. 4 2

这两个主题集的一致性为57%,如下计算;

2 * 23 + 4 = 47 = 0.57

你可以继续评估每次反馈的主题一致性,然后计算结果的平均值。

或者,你可以计算最常见主题的一致性。

重要的是要有一种方法,让你相信自己已经选择了一个可以依赖的解决方案。根据你是有几个小时的时间还是几个星期的时间,在简单、中等的努力和高级的评估之间做出选择。您甚至可以通过使用脚本自动执行一些操作,但是您仍然需要一个人来判断结果是否足够准确,以满足您想要实现的目标。

开始免费试用

专题是发现反馈最佳见解的最简单方法。对您的客户有什么影响并产生影响。

继续阅读
我们如何使用我们自己的平台和Chrome扩展来集中和分析反馈
我们如何使用我们自己的平台和Chrome扩展来集中和分析反馈

客户的反馈并不是所有的答案。但它对战略和优先次序有关键的见解。Thematic是一家B2B SaaS公司。我们没有沉浸在反馈中。每一条反馈都很重要。收集和分析这些反馈需要一种不同的方法。我们收到来自许多地方的反馈:我们的产品内NPS

Alyona Medelyan博士
Alyona Medelyan博士
反馈分析
伟德app上怎么提款文本分析软件-如何解锁背后的驱动您的表现
伟德app上怎么提款文本分析软件-如何解锁背后的驱动您的表现

许多组织,大或小,收集客户的反馈,以提高其CX努力,最终是他们的底线。但是单独收集反馈不能产生大大差异。我们需要分析我们的反馈,以发现激励我们在组织中推动我们的行动的洞察力。进入;文本

梅兰妮·斯特塞斯
梅兰妮·斯特塞斯
AI&NLP.
编写开放式问题的3个最佳实践
编写开放式问题的3个最佳实践

开放式的调查问题通常提供最有用的见解,但如果你在处理成百上千的答案,总结它们将会让你最头疼。答案在于对开放式问题进行编码。这意味着为每个响应分配一个或多个类别(也称为代码)。但如何

内森•霍姆博格
内森•霍姆博格
AI&NLP.