AI-sentimentanalyse i Tribe hjælper dig med at forstå den følelsesmæssige tone i e-mailkommunikation med dine kunder. Det understøtter bedre kundeinteraktioner, sparer tid og muliggør indsigt gennem visninger, widgets og automatiseringer. Mens andre guider forklarer, hvad sentimentanalyse er, og sådan man bruger det, fokuserer denne artikel på, hvordan det fungerer bag kulisserne. Ved at følge denne guide vil du forstå, hvordan sentiment beregnes, opbevares og struktureres inden for Tribe.
Indholdsfortegnelse
Hvad gør AI-sentimentanalyse?
Hvordan beregnes sentiment?
Aggregated Følelser Og Tendenser
Forståelse af sentiment data modellen
Punkter at overveje i sentiment data-modellen
Hurtig oversigt
Hvad gør AI-sentimentanalyse?
AI sentimentanalyse analyserer automatisk tonen i e-mails i Tribe.Hver e-mail får en sentiment score, der afspejler, hvor positiv, neutral eller negativ beskeden er.Disse scores bruges til at beregne den overordnede stemning for aktiviteter, relationer og kontakter.Dette gør det muligt at bruge sentiment data i visninger, widgets og automatiseringer.
Hvordan beregnes sentiment?
Når en e-mail oprettes i dit Tribe-miljø, og sentimentanalyse er aktiveret, starter en automatiseret proces straks.
Analyser indholdet af e-mailen.
Opret en Sentiment Measurement post.
Link følelsesmålingen til e-mail, relateret aktivitet, relation, kontakt, og valgfrit medarbejder.
Hver sentimentmåling indeholder en score, der repræsenterer tonen i den specifikke e-mail.
Aggregated Følelser Og Tendenser
Hver gang en ny indkommende e-mail analyseres, genberegner Tribe en samlet sentiment score.
Denne aggregerede stemning:
Repræsenterer den nuværende overordnede stemning for en aktivitet eller relation
Bliver genberegnet efter hver ny indkommende e-mail
Hjælper med at spore sentimenttrends over tid
Den samlede sentiment score beregnes ved hjælp af følgende formular:
Aggregert Sentiment Score = (Tidligere Aggregert Sentiment Score + Ny Sentiment Score) / 2
Dette betyder, at den seneste e-mail har mere indflydelse end ældre beskeder.
Tribe analyserer også udgående e-mails.Disse sentiment scores vises ikke direkte i grænsefladen, men de er tilgængelige til brug i visninger, widgets og automatiseringer.Dette kan hjælpe med at analysere automatiserede e-mails eller støtte træning i medarbejderkommunikation.
Forståelse af sentiment data modellen
Sentimentanalyse data gemmes på en struktureret og genanvendelig måde inden for Tribe.
En indkommende e-mail bliver analyseret.
En sammenkædning af Sentiment Measurement post er oprettet.
Score feltet er udfyldt med en værdi mellem -1 og +1:
+1 = Meget positiv
+0,5 = Positiv
0 = Neutral
-0.5 = Negativ
-1 = Meget negativ
Dette Score felt kan bruges direkte i widgets eller visninger.
Hver e-mail er knyttet til en overordnet aktivitet, såsom en salgsmulighed eller supportsag.Baseret på e-mail scoren oprettes en samlet indkommende sentimentmåling for den aktivitet.Den samlede score oversættes til en sentimentværdi fra sentimentlisten og vises i aktivitetsoverskriften.
Den samme proces gælder for:
Relationer (organisationer eller private personer)
kontakter knyttet til disse relationer
Hver får sin egen samlede indkommende sentimentværdi, vist i headeren.
Punkter at overveje i sentiment data modellen
Tribe bruger en generisk data model, og sentimentanalyse følger samme princip.For eksempel:
En e-mail er også en aktivitet
En kontakt er også en relation
Denne fleksible struktur gør det muligt for Tribe at tilpasse sig forskellige forretningsprocesser.Men det betyder også, at du måske ser enheder i feltvælgeren, som ikke altid er udfyldt.
For eksempel, når du ser en e-mail post, kan du se tilknyttede enheder, der ikke er udfyldt.Disse enheder er kun udfyldt på den overordnede aktivitet, såsom salgsmuligheden som e-mailen er knyttet til.Fordi e-mails deler den samme aktivitetsstruktur, er enhederne synlige, men ikke altid anvendelige.
Hurtig oversigt
AI-sentimentanalyse i Tribe analyserer e-mailtone og gemmer resultaterne som sentimentmålinger.Disse målinger er samlet for at vise den overordnede stemning for aktiviteter, relationer og kontakter.At forstå data modellen hjælper dig med at bruge sentiment data effektivt i visninger, widgets og automatiseringer.