分析客户的意见是衡量和提高满意度的重要方法。 在本博客中，我们将演示如何将大量文本评论转化为可操作的信息，以更好地为您的客户服务。
我们来讨论一个有关法国体育协会开展的满意度调查用例，该协会的许可证持有者数量名列前六。该许可证允许会员在附属俱乐部练习并参加官方比赛。协会邀请其成员评估他们对许可流程的满意度。
该许可流程改进项目背后的驱动因素是更有效地接触潜在会员，并鼓励会员续签其许可证。体育联合会的资金来自机构补贴和赞助，与会员数量成比例。维持甚至增加许可数量至关重要，这点受到许可流程满意度的直接影响。
调查发现了三个主要问题，这些问题给人的印象是许可过程不令人满意：
五万名无许可证的球员数量不断增加
其他体育协会似乎为持证人提供了更现代的在线工具
附属俱乐部认为牌照申请处理流程繁琐
体育协会决定启动改进项目来应对这些挑战。
改善工程开始
Minitab Workspace 中的甘特图详细说明项目的步骤和时间表
体育协会咨询了地区和地方协会，重点关注以下几个要素：
其他体育协会的许可证发牌流程
法律义务
定价
细分（例如年龄、性别、地理位置、运动类型等特征）
在线许可平台
持证人意见
为了收集持证人的意见，协会开展了一项调查，以获取反馈，标准如下：
完成调查的时间不应超过 6 分钟
分析应提供评级、评分和改进建议等指标
答复样本应能代表不同类别的持证人
收集意见和想法的调查问卷
发出问卷 20 万份，回收 19,921 份。
调查平台提供了一些描述性统计数据，以便对结果进行初步评估。对人口统计问题的回答细目证明，样本公平地代表了所有类别的持证人。协会发现大部分会员在续证过程中并未遇到困难。三分之一的潜在持证人向其俱乐部寻求帮助，另外三分之一则在线寻求帮助。
现阶段提供的基本图表和统计数据并未考虑不同类别持证人的反应差异。地理位置、年龄、性别、资历或训练是否影响观点？
此外，这种对调查结果的解释忽略了文字评论。接下来的问题是“从这些评论中可以得出什么有价值的见解？”
为了进一步研究，引入了 Minitab 统计软件来提供数据分析。
对主成分分析 (PCA) 的输出进行了探索，以确定歧视性标准。使用 Minitab Statistical Software 运行多变量分析，团队意识到受访者的地理区域没有影响，因此该参数被排除在后续分析之外。贡献图帮助团队可视化集群，报告类似的投诉或需求，这些投诉或需求可以证明程序更改或定制的合理性。
Minitab Statistical Software 中的载荷图揭示了几个趋势。
这项分析显示，年轻运动员和初学者对学校假期期间的训练感兴趣。成年运动员想要移动应用程序、锦标赛、比赛门票以及在线商店的商品。无论年龄大小，运动员都希望在体育协会网站上拥有在线账户并享受附加服务。
文本挖掘以更好地检测建议
19,921 名参与者中，有 800 名回答了开放式问题，因此团队认为使用文本挖掘来分析这些评论非常有用。
语义分析和单词聚类、发现短语和主题得出了一些有趣的见解。
最常见的词（使用 WordStat）
关于许可证申请步骤的类似评论被重复多次，例如所需的文件、程序的复杂性、必要的简化以及成本的细目。
最常见的短语
多次重复的短语涉及要求的证书、费用、在线支付和签名。
确定了七个有意义的主题
出现的主题群是价格细目、电子签名、简化、经理许可证模型和所要求的证书。
基于对所表达意见的深入分析的建议
通过进一步分析，团队提出了改进建议。建议以电子方式签署申请表，并简化在线平台，省去验证志愿者许可证的多余文件，并围绕可用的免费服务进行更好的沟通。
在下一轮许可证订购之前，流程和报价已得到优化。
意见调查有助于衡量客户满意度。宝贵的文字反馈常常被忽视。如果没有语义研究，考虑每一行文本是繁重的工作。挑战在于区分某些客户资料所表达的意见。这些可能是提高客户满意度的果断决策的关键。
有兴趣借助预测分析和 8D 的力量来改善客户体验吗？