《体验家XMPlus：2023从入门到精通-文本分析应用指南（35页）.pdf》由会员分享，可在线阅读，更多相关《体验家XMPlus：2023从入门到精通-文本分析应用指南（35页）.pdf（35页珍藏版）》请在三个皮匠报告上搜索。

1、文本分析应用指南 从入门到精通前言文本反馈是企业与客户进行一对一真实对话的窗口。在开放式作答的文本题中，客户可以不受问题的束缚，随心所欲地回答，向企业反馈他们真正在意的事情，以及每一个好评、差评背后的具体原因。文本分析作为体验管理中非常重要的一环，能够帮助企业从海量客户反馈中获取有价值的洞察。然而，分析10000条文本反馈，相当于阅读一整本小说，再逐字逐句地分析书中的每一句话，是一项非常耗时、费力且难以操作的“大”工程。为了更好地将其应用在体验管理中，本报告将聚焦文本分析，从文本分析的定义与应用、主题建模、准确率、多语言文本分析等几个方面展开详细解读，带你从入门到精通，深度了解文本分析。1目录

2、入门篇：文本分析的定义与运用1基础篇：主题建模2进阶篇：准确率3高级篇：多语言文本分析4实战篇：赋能体验管理5入门篇：定义与运用【1】非结构化文本：以文本（如字符、数字、标点、各种可打印的符号等）作为数据形式的非结构化数据。非结构化数据是指数据结构不规则或不完整，没有预定义的数据模型，不方便用数据库二维逻辑表来表现的数据，包括办公文档、文本、图片、HTML、各类报表、图像和音频/视频信息等。【2】MIS：管理信息系统（Management Information System，简称MIS），利用计算机硬件、软件、网络通信设备以及其他办公设备，进行信息收集、传输、加工、储存、更新、拓展和维护的系

3、统。第一节 文本分析的定义文本分析是指从大量的文本数据中，自动提取和分类信息的过程。在体验管理中，文本数据主要来自于问卷调查、电子邮件、客服工单、通话记录、产品评论、社媒帖子或其他自由文本格式的反馈。第二节 文本挖掘VS.文本分析说起文本分析，我们常常会碰到两个关键性术语：文本挖掘和文本分析。一些人会把这二者混淆，把文本挖掘说成文本分析，或把文本分析说成文本挖掘。其实，如果了解了它们在文本分析过程中的实际应用，就会明白二者之间存在的差异。2.1 文本挖掘文本挖掘是一个技术概念，它是运用统计技术从非结构化文本【1】中提取出可量化的数据，再将这些数据应用于下一步行动，例如MIS【2】报告、违规监管

4、、欺诈检测或工作申请筛选等。文本挖掘是从数据挖掘发展而来，其弱势是无法从客户反馈中提炼情绪。2.2 文本分析文本分析则是一个以业务为中心的概念，它使用的技术是与文本挖掘类似的加强版，用于确定客户或员工体验计划中的模式、洞察、情绪和趋势。文本分析侧重于洞察发现，能够帮助企业从非结构化数据中分析出大量有价值的内容，如文本提供者的特定立场、观点、价值和利益等。2.2.1 自然语言处理第三节 文本分析解决的两大核心问题在文本分析技术出现之前，大多数企业仍然需要依靠定量数据【3】来找到需要提升的方面。但是，尽管定量数据必不可少，也有其局限性提供给客户的选择是预先确定好的。【3】定量数据：指能够用数值尺度

5、来记录和测量的数据，比如销售额、工资、身高、体重等。举个例子，一家电信公司在客户每次拨打完客服电话后，都会通过短信的方式向客户发送典型的CSAT（客户满意度）调查：“您对刚刚的服务是否满意？”后续还会补充问题，来了解客户满意度得分背后的原因，问题常见的选项包括但不限于：等待时间解决问题的速度客服态度自然语言处理（Natural Language Processing，NLP）是文本分析的核心工具，其目的是让机器能够理解、处理和分析人类语言，主要用于文本情感分析。它的优势在于，哪怕文本复杂难懂，也能通过机器学习深入地理解数据的上下文，在保证文本分析的一致性的同时，还减少了误差。实际上，问卷所列出

6、的选项十分有限，并不一定能完全覆盖到客户的所有想法，这就会限制客户的回答和反馈，最终导致分析结果不够准确。如果客户的想法没有被包含在选项中，企业就无法获取到有价值的见解。但是，在问卷中列举所有可能的答案是一件几乎不可能完成的事情。一个更好的方法是，企业在问卷中加入文本题，直接向客户提问：“您为什么会给出这个分数？”这样一来，文本分析就可以解决两个核心的问题：调查企业的表现：如客户等待时间、服务可靠性、成本控制等；这也体现出了文本分析对于获取未知信息的重要性信息很有可能引起了客户不满，但却被企业忽略掉；以及帮助企业深入了解客户遭遇不良体验的方面及其相关意见。最后，还可以通过分析结构化数据和非结构