Utilization of text analytics in improving customer experience

Abstract

Collecting data is not enough to generate value, because data needs to be turned into information and insights to be valuable. Particularly unstructured data, such as text, is difficult to turn into valuable insights due to its lack of predefined structure. The goal of this case study was to explore how text analytics, specifically topic modeling and sentiment analysis, could be used to measure and improve customer experience of the case company.

The study consists of a literature review that focuses on text analytics and customer experience, and an empirical portion that is based on qualitative research; involving interviews with customer experience managers, focus group sessions, and secondary data from the case company. The results from research were used to form an understanding of the case company’s current state of customer experience, develop a topic model and a way to utilize it, and lastly implement improvement suggestions.

The research indicates that text analytics offers an additional method for measuring customer experience, complementing traditional measures like NPS and CES. It can also be integrated to a customer journey to measure touchpoints more accurately and gather customer understanding more efficiently. A topic model should be built iteratively by following a set of guidelines and in cooperation with experts that can provide business understanding. Furthermore, integrating the topic model with customer journey data and mapping facilitates evaluation of customer experience’s continuous improvement. To evaluate continuous improvement, text analytics should be used in touchpoint monitoring and prioritization, and implementing the suggestions can guide the case company to monitor touchpoints more effectively, provide enhanced customer understanding, and make prioritization more data-driven.

Datan kerääminen itsessään ei tuota arvoa, sillä data tulee muuntaa tiedoksi ja näkemyksiksi ollakseen arvokasta. Erityisesti strukturoimatonta dataa kuten tekstiä on vaikea muuttaa arvokkaiksi näkemyksiksi sen ennalta määritellyn rakenteen puutteen vuoksi. Tämän tutkimuksen tavoitteena oli tutkia kuinka tekstianalytiikkaa, erityisesti aihemallinnusta sekä sentimenttianalyysia, voidaan hyödyntää asiakaskokemuksen mittaamiseen ja kehittämiseen kohdeyrityksessä.

Tutkimus koostuu kirjallisuuskatsauksesta, joka keskittyy tekstianalytiikkaan ja asiakaskokemukseen, sekä empiirisestä osiosta, joka toteutettiin kvalitatiivisena tutkimuksena; sisältäen haastatteluita asiakaskokemuksen johtajien kanssa, kohderyhmätapaamisia, sekä sekundääridataa kohdeyritykseltä. Tutkimuksen tuloksia hyödynnettiin kohdeyrityksen asiakaskokemuksen tilan ymmärtämiseen, aihemallin rakentamiseen ja sille optimaalisen hyödyntämistavan suunnittelemiseen, sekä kehitysehdotuksien muodostamiseen.

Tutkimus osoittaa, että tekstianalytiikka tarjoaa ylimääräisen keinon asiakaskokemuksen mittaamiseen, tukien perinteisiä mittaamisen keinoja kuten NPS ja CES. Se voidaan myös integroida asiakaspolkuun kosketuspisteiden tarkempaa mittaamista sekä laajemman asiakasymmärryksen keräämistä varten. Aihemalli tulisi rakentaa iteratiivisesti noudattaen viitekehystä ja yhteistyössä liiketoiminnan asiantuntijoiden kanssa. Aihemallin integroiminen asiakaspolkuun ja asiakaspolun kartoittaminen mahdollistavat asiakaskokemuksen jatkuvan kehittämisen arvioinnin. Siinä tekstianalytiikkaa tulisi käyttää kosketuspisteiden seuraamiseen ja priorisoimiseen, ja kehitysehdotuksien toteuttaminen voi ohjata kohdeyritystä kosketuspisteiden tehokkaampaan mittaamiseen, tarjota parempaa asiakasymmärrystä ja tehdä priorisoinnista datalähtöisempää.