Jedna recenze říká, že je všechno skvělé. Jiná, napsaná ve stejný den, tvrdí pravý opak. Do toho přijdou e-maily, odpovědi z formuláře, poznámky podpory a komentáře ze sociálních sítí. Číst je jednotlivě jde. Rozhodnout, co z nich skutečně plyne, je mnohem těžší.
AI může zpětnou vazbu roztřídit, seskupit podobná témata a upozornit na opakující se formulace. Neměla by však sama rozhodnout, že hlasitá stížnost představuje problém většiny zákazníků. Zpětná vazba není hotový průzkum. Je to materiál, který potřebuje kontext.
Šestý díl série AI v kanceláři ukazuje, jak z komentářů vytvořit podklad pro zlepšení produktu nebo služby, aniž byste ztratili původní význam, soukromí a zdravý úsudek.
Nejdříve si ujasněte otázku
„Co si o nás lidé myslí?“ je příliš široká otázka. Lepší je: „Co zákazníkům nejčastěji brání dokončit objednávku?“ nebo „Které části předání služby se opakovaně objevují v negativní zpětné vazbě?“
Určete období, zdroj, typ zákazníka a rozhodnutí, které chcete podpořit. Jinak AI smíchá recenze, dotazy a reklamace do jednoho obecného sentimentu.
Co může AI se zpětnou vazbou dělat
- anonymizovat a odstranit zbytečné osobní údaje,
- najít duplicity a podobné komentáře,
- seskupit příspěvky podle témat,
- oddělit pochvalu, problém, návrh a otázku,
- vytáhnout konkrétní situaci z obecného komentáře,
- najít opakující se vzorce a výjimky,
- připravit seznam hypotéz k ověření,
- převést ověřená zjištění na návrhy opatření.
Co zůstává člověku
Člověk musí posoudit reprezentativnost vzorku, závažnost problému, dopad na obchod a vhodnou reakci. AI neví, zda deset podobných komentářů pochází od deseti lidí, nebo od jednoho zákazníka, který napsal stejnou zprávu více kanály.
Soukromí a anonymizace
Do analýzy často nepotřebujete jméno, e-mail, telefon ani číslo objednávky. Nahraďte je anonymním identifikátorem. Ponechte jen informace důležité pro problém: produkt, fázi procesu, typ požadavku a text komentáře.
U některých případů je osobní údaj sám součástí problému. Pak jej zpracujte ve schváleném systému, omezte přístup a jasně určete účel. AI nemá získat více údajů jen proto, že je to technicky možné.
Vzor zadání pro první třídění
Roztřiď anonymizované komentáře podle tématu a typu: pochvala, problém, návrh, otázka nebo žádost o pomoc. U každého tématu uveď počet různých záznamů, typ zdroje, krátké shrnutí a dvě reprezentativní citace. Odděl přímé tvrzení zákazníka od své interpretace. Neurčuj příčinu, pokud ji komentáře nepotvrzují. Označ možné duplicity, ironii, nejasný význam a osobní údaje.
Téma není totéž co sentiment
Hodnocení na škále pozitivní a negativní může být rychlé, ale často má malou hodnotu. Potřebujete vědět, čeho se komentář týká a co by měl tým udělat. „Negativní“ neříká, zda problém souvisí s cenou, rychlostí, návodem, komunikací nebo konkrétní chybou.
Sentiment proto používejte pouze jako doplňkový signál. Hlavní výstup má být téma, situace, dopad a případný další krok.
Reprezentativní citace
AI může vybrat citaci, která zní nejvýstižněji, ale zároveň není typická. U každého důležitého tématu si ponechte více ukázek z různých zdrojů. Především si otevřete originál a ověřte, že citace nebyla zkrácena tak, že změnila význam.
Hlasitý názor není většina
Jedna velmi ostrá stížnost může označovat závažný problém. Neměla by však sama určovat prioritu podle četnosti. Rozlišujte frekvenci, závažnost a dopad. Něco se může objevovat zřídka, ale přitom způsobovat právní, bezpečnostní nebo finanční riziko.
Prioritizace změn
Ověřená témata posuzujte podle několika os:
- kolika různých lidí se týkají,
- jak závažný je dopad,
- zda brání dokončení práce nebo nákupu,
- jak jistí si zjištěním jsme,
- jak náročná je oprava,
- zda existuje bezpečnostní nebo právní riziko.
Vzor zadání pro prioritizaci
Z připravených témat navrhni prioritizaci. Pro každé uveď: počet různých zdrojů, závažnost, dopad na zákazníka, jistotu zjištění, odhad náročnosti a doporučený další krok. Nezaměňuj frekvenci za závažnost. Odděl okamžitou opravu, další šetření, dlouhodobé zlepšení a vědomé sledování. U každého doporučení uveď, jaké další údaje by rozhodnutí zpřesnily.
Od komentáře k hypotéze
„Při objednávce se ztrácím“ je pozorování. „Lidé opouštějí objednávku kvůli formuláři“ je hypotéza. Pro ověření potřebujete data o opuštění konkrétního kroku, krátké rozhovory nebo pozorování uživatelů.
AI může připravit seznam hypotéz a návrh, jak je testovat. Neměla by převést interpretaci na hotovou příčinu jen proto, že zní logicky.
Co s rozporuplnou zpětnou vazbou
Rozpor není chyba, kterou musíte odstranit. Může ukazovat na různé skupiny zákazníků, různé použití produktu nebo rozdíl mezi očekáváním a skutečným účelem. Požádejte AI o rozdělení podle kontextu, nikoli o průměrný názor.
Odpověď zákazníkovi není analýza
Interní souhrn a veřejná reakce mají jiný účel. Interně potřebujete přesnost a zdroje. Zákazník potřebuje respekt, konkrétní další krok a realistický termín. AI může připravit návrh odpovědi, ale člověk musí ověřit, co smí slíbit a zda citlivý případ nemá řešit osobně.
Praktické cvičení na třiceti komentářích
- Vyberte třicet anonymizovaných komentářů z jednoho období.
- Nechte AI navrhnout témata, ale zkontrolujte deset náhodných zařazení.
- Označte duplicity, nejasnosti, ironii a osobní údaje.
- Vyberte tři témata s různou frekvencí a závažností.
- Ke každému napište, co víme, co předpokládáme a co musíme ověřit.
- Navrhněte malý test nebo změnu a způsob měření výsledku.
Kontrolní seznam
- Víme, odkud komentáře pocházejí a jaký mají rozsah?
- Byly odstraněny nebo chráněny zbytečné osobní údaje?
- Neobsahuje vzorek duplicity nebo jeden velmi aktivní zdroj?
- Oddělujeme pozorování od interpretace?
- Má každé důležité téma reprezentativní ukázky?
- Posuzujeme frekvenci i závažnost?
- Je jasné, co má být opraveno, prozkoumáno nebo sledováno?
- Máme způsob, jak ověřit dopad změny?
Krátký kvíz
1. Co znamená deset podobných komentářů?
A) Automaticky názor většiny. B) Signál, který je potřeba zasadit do velikosti a složení vzorku. C) Důkaz příčiny problému.
2. Co je nejbezpečnější u nejasné ironické věty?
A) Připsat jí negativní sentiment. B) Označit ji jako nejasnou a ověřit kontext. C) Použít ji jako hlavní citaci.
3. Jak vznikne dobré doporučení?
A) Z nejhlasitější stížnosti. B) Z ověřeného tématu, dopadu, jistoty a konkrétního dalšího kroku. C) Z automatického průměru hodnocení.
Správné odpovědi: 1B, 2B, 3B.
Pravidlo, které si odnést
Zpětná vazba není rozsudek. Je to soubor stop, které vám mohou ukázat problém, nejasné očekávání nebo příležitost. AI pomůže stopy seskupit a zpřehlednit. Člověk musí ověřit, zda vedou ke správnému závěru.
Nechte AI hledat vzorce. Rozhodnutí o změně opřete o zdroje, kontext, dopad a možnost ověření.
V příštím dílu série AI v kanceláři se podíváme na interní znalostní základnu: jak z dokumentů a zkušeností vytvořit místo, kde tým rychle najde správnou odpověď.