Melakukan percakapan dengan chatbot adalah satu hal, tetapi apa yang terjadi jika Anda frustrasi, mencoba mendapatkan jawaban, dan sepertinya tidak mendapatkan urgensi atau gangguan Anda? Anda mungkin akan menutup obrolan dengan berpikir, "Ya, itu tidak berguna. Saya berharap dia bisa memahami emosi saya dan tidak hanya mengatakan hal yang sama berulang kali, tanpa resolusi."
Di sinilah analisis sentimen dapat mengubah permainan dan membuat agen Anda tidak hanya cerdas, tetapi juga cerdas secara emosional. Dan sebagai pemilik perusahaan atau merek yang berurusan dengan orang-orang dan emosi mereka setiap hari, Anda tahu betapa pentingnya hal itu untuk dilakukan dengan benar. Orang hanya akan kembali ke merek yang memberikan pengalaman yang baik, dan menghindari merek yang meninggalkan kesan buruk.
Kami baru saja memperkenalkan fitur ini kepada Kaily, dan ketika saya sedang menulis email pembaruan produk terbaru kami, saya berpikir: Saya harus membicarakan hal ini lebih lanjut.
Apa yang dimaksud dengan analisis sentimen?
Analisis sentimen memungkinkan chatbot Anda memahami tidak hanya apa yang dikatakan seseorang, tetapi juga bagaimana perasaan mereka saat mengatakannya.
Berbeda dengan hanya memproses teks, hal ini memungkinkan agen untuk mendeteksi nada suara, apakah seseorang terdengar senang, marah, bingung, atau tenang, dan mengubah jawabannya berdasarkan perasaan orang tersebut.
Sebagai contoh, setelah tidak mendapatkan resolusi yang mereka inginkan, pengguna yang frustrasi mungkin akan mengetik, "Jadi TIDAK ADA RESOLUSI? Wow, terima kasih untuk apa-apa!"
Tanpa analisis sentimen, bot mungkin akan menjawab, "Terima kasih kembali! Beritahu saya jika Anda membutuhkan sesuatu yang lain." Hal ini mungkin akan membuat pengguna semakin kesal dan membuat mereka dengan marah menutup obrolan, memberi nilai buruk pada percakapan tersebut.
Namun dengan analisis sentimen, bot akan menangkap sarkasme dan frustrasi, mengubah nada, atau meningkatkan dan menyerahkan percakapan kepada manusia.
Itulah kekuatan analisis sentimen yang baik. Seiring dengan semakin populernya chatbot dan agen percakapan, pengoptimalan emosi manusia menjadi sangat penting.
Tentang Analisis Sentimen di Kaily
Anda dapat menemukan analisis sentimen secara langsung di bagian "Kotak Masuk" pada akun Anda di bawah bagian "Info Percakapan". Setiap obrolan memiliki jendela analisis sentimen, dan Anda bahkan dapat memeriksa sentimen dari panggilan suara!
Analisis sentimen kami didukung oleh pembelajaran mesin dan LLM yang dilatih dengan set data besar yang mencerminkan bagaimana emosi muncul dalam percakapan nyata. Setiap obrolan dianalisis setiap 10 pesan pengguna atau satu jam sekali, sehingga wawasannya tetap segar.
Jenis emosi yang dapat dideteksi oleh Kaily
Sebagian besar model analisis sentimen, termasuk Kaily, membagi emosi ke dalam tiga kategori. Ini memberi bot Anda kecerdasan emosional yang cukup untuk menghindari mengatakan hal yang salah pada saat yang tidak tepat.
1. Positif
Pengguna merasa senang, tenang, atau puas.
Mereka mungkin sudah mendapatkan apa yang mereka butuhkan dan sedang menyelesaikannya.
Contoh:
"Luar biasa, terima kasih banyak!"
"Bagus, itu menyelesaikannya."
"Menghargai balasan yang cepat."
2. Negatif
Pengguna merasa frustrasi, jengkel, marah, atau sarkastik.
Segala sesuatunya tidak berjalan seperti yang diharapkan, atau mereka lelah mengulanginya.
Contoh:
"Ini konyol, saya sudah muak."
"Jadi tidak ada resolusi? Wow, terima kasih untuk apa-apa."
"Dukungan Anda tidak ada gunanya."
3. Netral
Pengguna mengajukan pertanyaan atau berbagi informasi.
Tanpa emosi, hanya menyelesaikan sesuatu.
Contoh:
"Dapatkah Anda memberi tahu saya kapan pesanan saya dikirimkan?"
"Saya perlu memperbarui alamat saya."
"Bagaimana kebijakan pengembalian barang Anda?"
Bahkan lapisan emosional yang sederhana ini memberi chatbot Anda keuntungan besar dalam menangani percakapan.
Penilaian cerdas di setiap percakapan
Kami juga melacak enam penanda utama yang menunjukkan seberapa baik sebuah percakapan berlangsung.
1. Empati agen
Apakah agen mengenali emosi pengguna dan mengubah pendekatannya?
2. Kepatuhan persona bot
Apakah bot tetap pada karakternya, atau mulai terdengar berbeda di tengah jalan?
3. Keterlibatan percakapan
Apakah pengguna secara aktif terlibat dalam percakapan?
4. Pergeseran emosional
Apakah sentimennya berubah? Apakah pengguna yang marah menjadi tenang? Apakah pengguna yang tenang menjadi kesal?
5. Efektivitas resolusi
Apakah masalah berhasil diselesaikan?
6. Relevansi tanggapan
Apakah jawabannya masuk akal mengingat pertanyaannya? Atau apakah agen tersebut keluar dari topik?
Klasifikasi topik otomatis
Kami juga secara otomatis mengklasifikasikan percakapan berdasarkan topik. Hal-hal seperti bantuan umum, dukungan teknis, masalah pesanan, dll. Artinya, Anda tidak hanya melihat sentimen, tetapi juga apa yang menjadi emosi pengguna. Sangat berguna untuk menemukan area masalah yang berulang.
Kiat bawaan untuk percakapan yang lebih baik
Kaily sekarang menunjukkan tips cerdas setelah setiap percakapan, menyoroti apa yang seharusnya bisa lebih baik. Hal ini didasarkan pada sentimen, pergeseran nada, dan bagaimana agen menangani percakapan.
Apa yang dapat Anda lakukan dengan semua data ini?
Skor sentimen, kiat, dan tag topik memberi Anda lebih dari sekadar riwayat obrolan. Fitur-fitur ini membantu Anda mengambil tindakan, meningkatkan kinerja, dan menemukan masalah dengan lebih cepat.
- Latih agen Anda untuk menangani berbagai hal dengan lebih baik
Ketika sebuah respons tidak diterima dengan baik, Anda dapat memperbarui instruksi agen Anda atau mengubah logikanya. Hal ini membantu membentuk percakapan yang lebih baik di masa mendatang.
- Temukan apa yang rusak dan apa yang menjadi masalah pengguna
Ketika sentimen negatif terus muncul di sekitar topik yang sama, ini adalah sinyal yang jelas. Mungkin ada fitur yang membingungkan, alurnya rusak, atau ekspektasi yang tidak terpenuhi. Data topik dan nada membantu Anda menangkapnya lebih awal.
- Membuat serah terima lebih mudah
Kiat dan wawasan sentimen memberi agen berikutnya gambaran singkat tentang situasi. Mereka melanjutkan tepat di mana yang terakhir ditinggalkan, tanpa kebingungan.
- Latih tim Anda dengan percakapan nyata
Gunakan obrolan yang ditandai untuk menyoroti contoh-contoh positif atau menunjukkan di mana ada yang kurang. Hal ini membuat pelatihan menjadi jelas, praktis, dan didasarkan pada skenario nyata.
Yang tersisa hanyalah mencobanya
Itulah semua yang perlu Anda ketahui tentang analisis sentimen di platform kami.
Saya harap ini tidak hanya menjelaskan apa itu analisis sentimen, tetapi juga bagaimana Anda dapat menggunakannya untuk meningkatkan jawaban, resolusi, dan pada akhirnya pengalaman pelanggan yang diberikan oleh agen Anda.
Selamat membangun!
