Secondo gli analisti, il mercato della sentiment analysis ha un futuro roseo dinanzi a sé. Partendo dai 3,15 miliardi di dollari del 2021, è prevista una crescita con un tasso annuo del 14,4% (CAGR) fino al 2030. Stando alle rilevazioni di Polar Market Research1, l’analisi del sentiment verrebbe applicata con particolare frequenza alle survey sui clienti, ai customer service bot e alle recensioni, ad esempio quelle che le persone pubblicano sui social network o in altre bacheche pubbliche. Gli analisti sono certi che la crescita sostenuta del mercato sia dovuta dalla “necessità di insight real-time finalizzati a prendere decisioni strategiche e semplificare i processi”.
Afferente all’area dell’Intelligenza Artificiale e tecnologie connesse – soprattutto, NLP e Machine Learning – l’analisi del sentiment ha come finalità la rilevazione in tempo reale degli “affective states”, ovvero dell’approccio emotivo dell’autore del messaggio, o dell’interlocutore nel caso di una conversazione testuale o vocale. Lo sviluppo tecnologico, soprattutto nell’area del Natural Language Processing, fa sì che le migliori soluzioni di contact center rilevino in tempo reale una valutazione sintetica (solitamente negativa/neutrale/positiva) del sentiment dell’interlocutore, a prescindere dal canale di comunicazione utilizzato. Questo, unito a ulteriori analisi, a strumenti di automazione e di orchestrazione, permette di ottimizzare le attività della struttura e di migliorare la customer experience.
L’analisi del sentiment può innescare meccanismi automatizzati di escalation o di routing intelligente delle conversazioni. Il primo caso è tipicamente quello dei virtual agent, ovvero dai chatbot e dai voicebot.
Nonostante gli indubbi progressi nell’ambito dell’AI conversazionale, i bot non sono ancora maturi al punto da risolvere problemi complessi e devono passare la conversazione a un agente in carne ed ossa. Se il flusso è progettato correttamente, sono gli stessi bot a offrire questa opzione, ma l’azienda potrebbe decidere di innescare un’escalation automatizzata nel caso si verifichino alcune condizioni, prima tra le quali un sentiment negativo. Sulla stessa lunghezza d’onda si pongono sistemi che classificano la priorità delle e-mail in funzione del sentiment, e quelli di routing intelligente delle chiamate, che vengono indirizzate all’agente più adeguato in funzione di diversi parametri (luogo, lingua, precedenti interazioni con lo stesso cliente, competenze…), uno dei quali è senza dubbio l’approccio emotivo.
Come evidenziato, nel contesto del contact center l’analisi del sentiment ha di per sé grande valore, ma va integrata sinergicamente in un contesto di processi, persone e tante tecnologie indirizzate a creare la migliore esperienza possibile per il cliente. L’analisi del sentiment, infatti, fornisce un’indicazione sullo stato emotivo del cliente ma non sulla causa, che va indagata con ulteriori strumenti e, soprattutto, con competenze ed esperienza, potendo portare a decisioni di rilevanza strategica.
La causa di un sentiment negativo può essere l’incapacità del contact center di far fronte alle richieste del cliente, ma può andare oltre riguardando problemi di qualità di certi lotti, un servizio logistico non impeccabile, un eCommerce lento, un servizio finanziario non soddisfacente e molto altro. Ecco che l’analisi del sentiment rientra nell’ombrello delle tecnologie di interaction analysis, il cui fine è generare e condividere conoscenza sul cliente per abilitare decisioni rilevanti a tutti i livelli. Possono essere coinvolte le operations, il marketing – che può approfittarne per personalizzazione la relazione con il cliente -, addirittura il modello di business aziendale. Sotto questo profilo, l’analisi del sentiment è uno strumento con cui le aziende rilevano la voice of the customer e si regolano di conseguenza.
Limitando ora l’osservazione al contact center, l’analisi del sentiment può innescare analisi approfondite con cui rilevare eventuali criticità (o punti di forza, a seconda del tipo di analisi) nei processi. Non dimentichiamo, infatti, che un elemento cardine della struttura è la continua e costante acquisizione di informazioni, che confluiscono nei KPI tradizionali (durata media delle chiamate, first call resolution, ecc.), ma possono anche alimentare – a patto di disporre di strumenti e competenze adeguate - analisi molto più approfondite sulle cause delle criticità, così da permettere decisioni data-driven volte a migliorare profondamente i livelli di servizio.
1 Fonte: Polaris Market Research