Nova generacija meritev NPS s pomočjo UI

A zgolj ocena od 0 do 10, v kolikšni meri bi nas nekdo priporočil na podlagi lastne izkušnje, ne pove veliko, če te ocene ne razumemo v globino. Zato se ob tej oceni pogosto uporablja še vprašanje odprtega tipa, s katerim prosimo stranko, da svojo oceno pojasni s svojimi besedami. 

A tudi v tem primeru nam lahko marsikaj uide. Stranka na primer poda oceno priporočila 7, med razlogi zanjo pa navede, da ni bila povsem zadovoljna s ponudbo. Zdaj sicer vemo, da nam nekaj manjka v ponudbi, toda kaj? Tega ne bomo vedeli do naslednjega srečanja s to stranko. Razen če bi obstajal način, da bi to isto stranko že v naslednjem trenutku vprašali, kaj konkretno mu manjka v naši ponudbi. Valiconov NPS 2.0 omogoča prav to.

A to ni edina nadgradnja, ki jo vsebuje NPS 2.0. Ljudje nismo popolni. Delamo napake. Vsepovsod. Tudi na primer pri kategorizaciji besedil oziroma kodiranju daljših zapisov v krajše, manj številne, smiselno zaokrožene vsebinske kategorije. Človek je pri tem pristranski. Razvija nedoslednosti. Mimogrede zgreši bistvo. Kar je seveda škoda, še posebej, če se v teh zapisih skriva odgovor na vprašanje, kaj manjka naši storitvi, da bi bila popolna.

Pozitiven vpliv UI na trženjsko raziskovanje

V nedavno objavljeni raziskavi, izvedeni med uporabniki spletnega portala #NewMR (How is AI going to impact market research and insights over the next ten years?), večina od več kot 200 anketiranih prepoznava umetno inteligenco (UI) in avtomatizacijo kot nekaj pozitivnega za razvoj storitev trženjskega raziskovanja, predvsem z vidika učinkovitosti. Čeprav se anketirani zavedajo tudi morebitnih negativnih vplivov in pasti pri uporabi UI, je teh precej manj kot tistih, ki se nad uporabo UI navdušujejo. Kot področje znotraj trženjskih raziskav, na katerem bo imela uporaba UI po njihovem mnenju največjo vlogo, pa na prvem mestu navajajo analizo odgovorov na vprašanja odprtega tipa (več kot 80 % vprašanih meni, da bo imel čez 10 let UI ključno vlogo ravno pri tem).

Analiza besedil, odgovorov na t. i. vprašanja odprtega tipa, ki v tržnih raziskavah predstavljajo zelo pomemben uvid v razmišljanja posameznikov, saj nam jih posredujejo z njim lastnimi izrazi, je eno od področij, kjer človeška zmota lahko odnese velik del bogastva informacij, ki jih sicer ponuja ta metoda. Verjetno najbolj vredne informacije v tem pogledu so povratne informacije odprtega tipa. Tudi tiste, ki jih dobimo v okviru merjenja NPS, nepogrešljivega indikatorja za spremljanje kakovosti storitev.

Nadgradnja standardnega modela za spremljanje NPS

Valicon je na osnovi modela umetne inteligence nadgradil standardni model za spremljanje NPS, ki ga zavoljo novih lastnosti lahko poimenujemo kot NPS 2.0. Ključni prednosti tega modela sta dve. 

Prva je avtomatizirano kodiranje odgovorov odprtega tipa, kar bo prišlo še posebej do izraza pri vseh tistih podjetjih, ki v krajšem času zberejo večje količine odgovorov te vrste. Nekaj tisoč strank in prav toliko interakcij zelo hitro nanese ogromne količine besedil, ki nosijo s seboj izjemno pomembne informacije. Z modelom NPS 2.0 so analizirane in na voljo za uporabo v zelo kratkem času.

Druga lastnost modela NPS 2.0 pa predstavlja inovacijo na globalni ravni. Gre namreč za možnost zastavljanja vprašanj v realnem času, na osnovi odgovorov odprtega tipa, kar do zdaj ni bilo možno.

Predstavljajmo si preprost primer. Stranka nam na vprašanja, zakaj je našo storitev ocenila z oceno 6, odgovori, da zato, ker ji ni bil všeč odnos prodajalca. Običajni model NPS se pri tem ustavi. Avtomatizirano kodiranje v realnem času pa omogoča, da sistem za anketiranje na podlagi odgovora odprtega tipa zastavi dodatno vprašanje odprtega tipa. Če ostanemo pri prejšnjem primeru, ga bo sistem vprašal po konkretnih razlogih, zakaj stranki ni bil všeč odnos prodajalca. Povedano drugače, namesto da bi se dneve in tedne spraševali, kaj nam je stranka hotela povedati, bomo to izvedeli, še preden smo sploh vedeli, da ta stranka z nečim ni bila zadovoljna.