يتم تسجيل كل نقطة قياس على أنها موجبة (1) أو محايدة (0) أو سلبية (-1). ثم يتم احتساب النتيجة بطرح إجمالي المحادثات السلبية من إجمالي المحادثات الإيجابية (الشعور الصافي = محادثة إيجابية - محادثة سلبية). لحساب النسبة المئوية لصافي المشاعر Net Sentiment، تُقسّم النتيجة على إجمالي عدد المنشورات (الإيجابية والحيادية والسالبة) خلال تلك الفترة .
مقياس "Net Sentiment"
مقياس دقيق وفوري لرضا العملاء
صافي الشعور هو مقياس إجمالي لرضا العملاء وهو عنصر جوهري لإيجاد صوت حقيقي ومتكامل للعميل. يعد Net Sentiment بديلاً فوريًا للمقاييس التقليدية مثل Net Promoter Score ويتم قياسه من خلال جمع نصوص غير منظمة من المحادثات المتاحة للجمهور عبر الإنترنت.
مزايا Net Sentiment
ردود فعل المستهلك غير المرغوبة والتي تحدث بشكل طبيعي
تعد وسائل التواصل الاجتماعي مصدرًا مثاليًا وغنيًا للبيانات المتاحة للجمهور لقياس الرأي العام من خلالها. على عكس أساليب الاستقصاء والمسح النموذجية، فإن الآراء تطوعية، بدون تدخّل بما يجب قوله أو كيفية صياغته.
مؤشر رأي رائد وفوري
يوفر صافي الشعور Net Sentiment مقياسًا مستمرًا للرأي العام. توفر طرق وأدوات البحث التقليدية ، مثل NPS ومجموعات التركيز ، بيانات مراجعة مفيدة ولكنها مؤشرات تقليدية تستغرق وقتًا لجمعها وتأريخها.
المقارنة بين المنافسين والأداء السابق
تسمح البيانات المتاحة للجمهور بمقارنة المشاعر الصافية مع منافسيك وأدائك السابق، ما يتيح تصحيح المسار بسرعة، وتوفير منظور واضح عن القطاع والسوق.
كيف يتم حساب صافي المشاعر؟
التمييز بين ردود الفعل التشغيلية وتلك المتعلقة بالسمعة
من خلال الاستفادة من قدرة منصةCrowd من DataEQ على تقسيم البيانات باستخدام رؤى واستنتاجات الموارد البشرية، نقدم وجهات نظر متباينة تفصل بين المحادثات التشغيلية وتلك المتعلقة بالسمعة.
يتمثل التحدي الرئيسي عند فهم الأسباب الجذرية لصافي المشاعر Net Sentiment في التمييز بين محادثات “السمعة” - التغطية الصحفية الإلكترونية، والعلاقات العامة المملوكة والمكتسبة والجهود التسويقية، والإعلانات الناتجة عن الجهود المبذولة في إطار المسؤولية الاجتماعية - من التعليقات حول تجربة العميل في العمليات التجارية. غالبًا ما تكون المحادثات والمنشورات المتعلقة بتجربة العملاء سالبة، ويمكن أن تؤثر على محاولات بناء علامة تجارية يُنظر إليها بشكل إيجابي في السوق.
وبصورة مماثلة، فإن وجود تجربة عملاء جيدة أمر جوهري لبناء العلامة التجارية، لذا فإنّ فهم دوافع عدم الرضا أمر بالغ الأهمية، لأن هذه المحادثة يمكن أن تقوض المفهوم الشامل والتصوّر العام. من خلال الاستفادة من قدرة منصة Crowd من DataEQ على تقسيم البيانات باستخدام رؤى واستنتاجات الموارد البشرية، نقدم عرضًا متميزاًا يفصل بين المحادثات التشغيلية وتلك المتعلقة بالسمعة.
تضمن البيانات التي يتم التحقق منها بواسطة الذكاء البشري إيصال المشاعر بشكل دقيق
بهدف أن يكون مقياس صافي المشاعر Net Sentiment فعّالًا، يجب أن يتّسم بالدقة ويعكس التغييرات الفعلية في مستويات رضا العملاء. يعتمد تحليل المشاعر عادةً على تقنية معالجة اللغات الطبيعية (NLP)، التي تواجه صعوبة في تحليل أسلوب الكتابة غير الرسمي المُستخدم على وسائل التواصل الاجتماعي واستخلاص الاستنتاجات من سياق الحديث أو المنشور. تشكّل الكلمات العامية، والسخرية، والوجوه التعبيرية (الإيموجي)، والمنشورات متعددة اللغات تحدّيًا بالنسبة إلى معالجة اللغات الطبيعيةNLP) ) إذ يصعب وضعها في سياقها، وبالتالي قد تُخطىء بتحديد مشاعر صاحب المنشور. للتغلب على أوجه القصور هذه، تجمع DataEQ بين الذكاء الاصطناعي والذكاء البشري، إذ تُستخدم الخوارزميات في بعض مهام المعالجة المسبقة، ويعمل المساهمون المدربون على تقييم المشاعر الواردة في كل إشارة (منشن) على وسائل التواصل الاجتماعي.