Analyse von Text, Feedback und Beiträgen

649,00 

Gestützt auf KI-basierte natürliche Sprachverarbeitung werden viele Aspekte von (menschlichen) Texten, Beiträgen oder Feedback analysiert.

Beschreibung

 

Das Wichtigste in Kürze

Text wird von Menschen in immer zunehmender Menge produziert. Dabei ist es ungemein schwerer als bei klassischen numerischen Daten, derartige unstrukturierte Daten zu analysieren und Erkenntnisse zu produzieren.
Mit unserer KI-basierten Textanalyse möchten wir Unternehmen die Möglichkeit geben, ihre Textdateien – egal welchen Ursprungs – auf ihren Inhalt und Muster zu untersuchen.

Diese Daten brauchen wir

  • Inhalt: Text-Daten
  • Quellen: Produkt-Reviews, Kunden-Feedback, Support-Anfragen u.v.m.
  • Format: Eine Zeile = Ein Textbeitrag

 

Quellen von Text-Daten im Unternehmen

Jedes Unternehmen hat Text-Daten. Ob dies bewusst ist und ob alle erfasst werden, die Informationen in sich tragen, ist eine andere Frage. Hier ein paar Beispiele, welche Text-Daten üblicherweise vorkommen:

  • Reviews: Ob Produkte, Dienstleistung oder anderes – es gibt sehr viele Portale und Möglichkeiten für Kunden und Partner, Meinungen und Feedback zu hinterlassen
  • Social Media: Die Kommentare sind der direkte Kontakt zu den Kunden – doch worüber sprechen sie?
  • Offene Internetplattformen: Frage-und-Antwortseiten sind immer noch ein Herzstück im Internet – und dort wird auch über euer Unternehmen gesprochen
  • Kündigungsfeedback: Oft haben Kunden bei Kündigung eine Möglichkeit, Feedback zu hinterlassen.
  • Support-Nachrichten: Der Support bekommt viele Nachrichten; mit der Textanalyse können sie ausgewertet werden
  • Service-Einträge: Ob vom Kunden oder Service-Mitarbeiter – Servicefälle werden oft ausführlich schriftlich dokumentiert.

 

Es gibt sicher noch etliche andere Daten, die in Frage für eine Textanalyse kommen. Besonders interessant ist hierbei natürlich UGC – der User Generated Content. Denn den kann man nicht pflegen oder vorgeben, sondern ist das Sprachrohr in Richtung Unternehmen. Andere Textdaten (z.B. Produktbeschreibungen, Website-Content) existieren zwar auch, aber es ist einfacher zu steuern und zu verstehen.

 

Die Rolle von Natürlicher Sprachverarbeitung

Reichhaltige Text-Daten sind also vorhanden. Aber die Auswertung stellt oft eine Herausforderung dar, denn herkömmliche arithmetische Operationen sind nicht möglich.

Deshalb kommt künstliche Intelligenz, genauer der Bereich der natürlichen Sprachverarbeitung (Englisch “Natural Language Processing”, NLP) zum Einsatz.

NLP umfasst viele Methoden und Algorithmen, hat aber im Fokus immer die Arbeit mit Text oder Sprache. Dabei gilt es generell immer, Muster zu erkennen, analysieren und ggf. zu reproduzieren. Unsere Text-Analyse nutzt eine Vielzahl an verschiedenen NLP-Algorithmen, auf die wir im Folgenden noch näher eingehen.

 

Text-Analyse von Kobold AI

Ganzheitlich hat die Text-Analyse zum Ziel, zu verstehen, worum es sich im Text handelt. Dabei gibt es verschiedene Ansätze: Was ist der Inhalt, welche Themen werden repräsentiert und wie kann man in Details wie Sentiment oder Entitäten eintauchen.

Häufigste Wörter

kobold.ai-text-analysis-1.1-wordcloud

Im ersten Schritt analysieren wir die häufigsten Wörter. Um diese relevant zu halten, werden sogenannte Stop-Words (z.B. “ich” oder “und”) ausgeschlossen.

Diese Analyse bildet die Basis für das Verständnis, womit sich der Text beschäftigt. Sind es Reviews, können wichtige Wörter extrahiert werden. Ist es Feedback, weiß man, worum es sich handelt. Alles in allem ist es eine Grundlage für die folgenden Analysen.

Sentimentanalyse

kobold.ai-text-analysis-2.2-Top 10 words per Sentiment

In der Sentimentanalyse kommt der erste Algorithmus der künstlichen Intelligenz zum Einsatz. Durch natürliche Sprachverarbeitung können die Texte auf ihre emotionale Stimmung – das sogenannte Sentiment – untersucht werden.

Sentimentanalyse ist optimal um einen qualitativen Eindruck der Inhalte zu bekommen. Wie positiv ist der Textinhalt? Welche positiven oder negativen Wörter sind zu finden? Das Wissen über emotionale Eindrücke erlaubt einen ersten Ansatzpunkt um Verbesserungen zu identifizieren – zum Beispiel, indem man die negativen Punkte als Optimierungspunkte interpretiert.

Häufige Themen – Topic Analysis

kobold.ai-text-analysis-3.1-Share of documents per topic

Die Topic-Analyse, auch “Topic Clustering” genannt, identifiziert häufige Themen in Textstücken. Es ist eine Technik aus dem maschinellen Lernen, die als Ergebnis ca. 3 – 5 Begriffe liefert, die konsistent gemeinsam auftreten und somit ein wiederholtes Thema definieren.

 

Collocation – Wörter die gemeinsam auftreten

kobold.ai-text-analysis-4.1-Bigrams & Trigrams

Wörter die gemeinsam auftreten geben oft einen guten Hinweis, welche Themen relevant sind und wie sie bewertet werden. Dazu nutzen wir zwei unterschiedliche Herangehensweisen: Zwei direkt miteinander auftretende Wörter einerseits, Kollokation von Wörtern andererseits. Kollokation nutzt natürliche Sprachverarbeitung um nicht nur direkt hintereinander folgende Wörter zu identifizieren, sondern zieht den gesamten Satz in Betracht.

Entitätenanalyse: Von Menschen und mehr

kobold.ai-text-analysis-5.1-entities per category

Eine Entität ist ein Gegenstand, ein Objekt oder auch Menschen. Wir nutzen komplexe Algorithmen um eine Bandbreite von Entitäten in den Texten zu detektieren und die häufigsten Begriffe je Entität zu identifizieren. Entitätentypen sind beispielsweise Personen, Marken, Orte, Zeiten und mehr.

Es gibt eine Bandbreite an Anwendungen für eine Entitätenanalyse. Von einfachen Einblicken über das Thema von Texten über klare, schnelle, eindeutige Identifikation der genannten Entitäten für Optimierung oder Strategie ist vieles denkbar.

Identifikation von Fragen

Ein weiterer Baustein unserer Text-Analyse ist die Identifikation von vorkommenden Fragen in den bereitgestellten Texten. Diese Information hilft insbesondere Probleme, Support und FAQs nach den real häufigsten Fragen auszurichten.

Erwartetes Datenformat

Als Input dient eine einfache .xlsx oder .csv Datei mit einem Text-Eintrag pro Zeile.

Einsatz einer Textanalyse

Durch die Vielfalt können die Ergebnisse einer Textanalyse können sehr vielfältig eingesetzt werden. Hier ein paar Beispiele:

  • Support-Schulung basierend auf identifizierten Themen
  • Messung einer Kundenzufriedenheits-KPI durch Auswertung des Sentiments über Zeit
  • Häufig gemeinsam genannte Wörter in Kündigungen als Kunden-Feedback für Produktentwicklung einsetzen
  • Extraktion von positiv genannten Menschen und Orten die im Text genannt werden
  • Generierung von relevanten FAQs durch die Identifikation von Fragen in Social Media Posts

Fazit: KI-gestützte Textanalyse als Werkzeug für Unternehmen

Zusammengefasst kann die KI-gestütze Verarbeitung von natürlicher Sprache tiefe Einblicke in die echten Beweggründe, Sorgen und Themen geben, mit denen sich Menschen beschäftigen. Durch die Vielfalt an der durchgeführten Analysen gibt es eine Bandbreite an möglichen Anwendungen, was unterschiedlichen Abteilungen in einem Unternehmen zu Gute kommt. Gemein haben alle Analysen, dass sie auf ein besseres Kundenverständnis abzielen und somit erlauben, sich als Unternehmen und seine Produkte besser zu positionieren.

 

 

Bewertungen

Es gibt noch keine Bewertungen.

Schreibe die erste Bewertung für „Analyse von Text, Feedback und Beiträgen“