Cookie.

På acando.se använder vi cookies för att din upplevelse ska bli så bra som möjligt.

    Textanalys hjälper företag att hitta sanningen

    Text utgör en av de vanligare formerna att samla in data på. Trots det är utmaningarna många i att omvandla värdet till affärer. Öppna svar i kundundersökningar och fria tolkningar är bara några exempel på ostrukturerad data. Textanalys har gjorts under en längre tid, men det är först nu, med smarta lösningar som machine learning och prediktiva analysmodeller, som fler användningsområden kan tillämpas. 

    Den datadrivna organisationen

    Premiumbilföretaget rör sig på marknader där kundernas åsikter styr över en stor del av köpbesluten. De har som mål att över 95% av den totala kundstocken ska vara nöjda. Därför gjorde man i slutet av 2015 i samarbete med GFK och Acando en omfattande kundundersökning. Över 17 000 respondenter deltog i undersökningen som bestod av både text- och flervalsfrågor, vilket innebar att en stor del av de data som samlades in var ostrukturerade. För att kunna få fram insikter från undersökningen valde man att tillämpa textanalys.

    Med hjälp av machine learning kunde man identifiera mönster som visade hur de använda orden påverkade varandra 

    Man använde sig av ett ”beslutsträd” för att se vilka ord som påverkade den angivna kundnöjdheten mest. Med hjälp av dessa uträkningar kunde man identifiera de huvudsakliga problemområdena och konsekvent förbereda rätt satsningar."Med hjälp av vår matematiska modell kunde vi plocka ut de insikter som var viktigast för företaget. Vi skapade en karta där man tydligt kunde se hur respondenternas ordval påverkade kundnöjdheten. Genom att ändra på ett av dessa ord, kunde man se hur kundnöjdheten påverkades" - Mårten Lindblad, dataanalytiker på Acando.


    Läs även


    Djupare insikter med intelligent textanalys

    Det svenska språk-teknikföretaget Gavagai har sedan sin start 2007 arbetat med innovationer runt så kallad sentimentsanalys, det vill säga metoder för att analysera känslan i textinnehåll. Analyserna utförs på stora mängder ostrukturerad text under en väldigt kort tid. Den revolutionerande tekniken hjälper användare att hitta mönster och dolda insikter bland stora samlingar av textdata.

    "Systemet är baserat på tio års grundforskning och det kan förstå textströmmar på nätet. Det bygger upp ett semantiskt minne som fungerar ungefär som människans språkliga kompetens. Det kan till exempel koppla ihop ord med varandra och identifiera synonymer och antonymer" - Magnus Sahlgren, forskningschef och grundare på Gavagai.

    Big data kommer att revolutionera språkforskningen 

    Tekniken är byggd på en matematisk modell baserad på hur människor lär sig och förstår språk. Utifrån information på sociala nätverk och forum tar man reda på vilka ämnen som är populärast och hur den generella opinionen ser ut. Den självlärande tekniken är nödvändig då språket hela tiden utvecklas och förändras. Särskilt inom sociala medier. Den språkliga tillväxten är enorm exempelvis på Twitter. Det kommer nya ord varje dag. Vilket innebär att du inte kan hantera dataflödet med mindre än att du har en teknik som håller sig à jour med språkbruket och kan hantera den här dynamiken. 

    Vi omvandlar data till affärer


    Man har aldrig tidigare kunnat studera hur språket beter sig i sitt naturliga habitat i en så stor omfattning som nu. Men vägen framåt är inte enkel. En felfri textanalys är fortfarande under utveckling. Googles satsning Flu Trends är exempel på försök som misslyckats med att förstå människans beteende. Tanken var att kunna förutse influensaspridningar genom att se vilka sökningar som gjordes inom olika områden. Problemet var att man inte lyckades att tolka sökningarna rätt, vilket innebar att prognoserna blev fel.

    Hör gärna av dig!

    Vi är alltid intresserade av att höra mer om dina utmaningar.

    Mattias Paulsson Stockholm mattias.paulsson@acando.com +46 (0)70-240 73 92

    Eller vill du bli kontaktad?