Text mining adalah
penemuan pola dan hubungan dari
set besar data tidak terstruktur-jenis data kami
hasilkan dalam e-mail, percakapan telepon, posting
blog, survei pelanggan online, dan tweets. Konsumen saat ini memiliki lebih
banyak cara untuk berkolaborasi, berbagi informasi, dan mempengaruhi pendapat dari teman-teman mereka.
Sebagai contoh, pada
tahun 2007, JetBlue mengalami tingkat
yang belum pernah terjadi sebelumnya dari ketidakpuasan pelanggan, ketika terjadi
badai es pada Februari yang mengakibatkan pembatalan
penerbangan meluas dan pesawat terdampar di
landasan pacu Bandara Kennedy. Maskapai ini menerima 15.000 e-mail per hari dari pelanggan selama badai terjadi.
Untungnya, Jetblue mampu
menggunakan perangkat lunak untuk menganalisis
semua e-mail yang telah diterima dalam waktu dua hari,
sehingga memungkinkan jetBlue untuk cepat merespon keluhan pelanggan. Perangkat
lunak ini menggunakan teknologi eksklusif untuk
secara otomatis mengidentifikasi fakta, opini, permintaan,
tren, dan spot masalah dari respon survei teks yang tidak terstruktur, layanan catatan,
pesan e-mail, forum web, blog entries, artikel berita, dan komunikasi pelanggan
lain. Teknologi ini mampu secara akurat dan otomatis mengidentifikasi banyak perbedaan pelanggan yang digunakan untuk memberikan
umpan balik. Hal ini dapat mengungkapkan produk
tertentu dan masalah layanan, reaksi terhadap pemasaran dan upaya public
relations.
Gaylord Hotel dan Choice
Hotel menggunakan perangkat lunak teks mining untuk mengambil
informasi dari ribuan survei kepuasan pelanggan yang disediakan oleh pelanggan mereka. Gaylord Hotel menggunakan analisis teks Clarabridge melalui media internet sebagai layanan
perangkat lunak hosted untuk mengumpulkan dan
menganalisis umpan balik pelanggan dari survei, e-mail,
pesan chatting, staf call center, dan forum online
yang berhubungan dengan pelanggan. Perangkat lunak teks mining ini bisa
digunakan manajer dalam pengambilan keputusan untuk membangun perbaikan.
Wendy Internasional
mengadopsi software Clarabridge untuk menganalisis hampir 500.000 pesan yang
dikumpulkan masing-masing tahun
dari forum umpan balik berbasis web, catatan call center, pesan e-mail, survei
berbasis penerimaan, dan media sosial. Rantai
kepuasan pelanggan memiliki spreadsheet yang
digunakan sebelumnya dan pencarian kata kunci untuk
meninjau komentar pelanggan, hal ini merupakan suatu pendekatan manual yang sangat
lambat. Manajemen Wendy sedang mencari untuk sebuah
alat yang lebih baik untuk analisis kecepatan, mendeteksi munculnya masalah, dan menentukan daerah bisnis bermasalah di tingkat toko, regional, atau perusahaan.
Perangkat lunak analisis
teks
diterapkan pertama kali oleh
instansi pemerintah dan perusahaan besar dengan departemen sistem informasi yang memiliki software yang rumit, tetapi Clarabridge kini menawarkan versi produk yang diarahkan untuk usaha kecil. Teknologi ini sudah
diterapkan oleh penegakan hukum, interface alat pencarian, dan "mendengarkan platform" seperti Nielsen Online. Mendengarkan
platform adalah alat teks
mining yang fokus pada manajemen merek, yang
memungkinkan perusahaan untuk menentukan bagaimana perasaan konsumen tentang merek
mereka dan mengambil langkah-langkah untuk merespon sentimen
negatif.
Analisis data
terstruktur
tidak akan
dianggap usang
oleh analisis teks, tetapi perusahaan yang
mampu menggunakan kedua metode untuk mengembangkan gambaran yang lebih jelas mengenai sikap pelanggan mereka akan memiliki waktu lebih mudah dalam mendirikan
dan membangun merek mereka
dan memetik
wawasan yang
akan meningkatkan profitabilitas.
Review Question
1. Tantangan apa
dalam meningkatkan data tidak terstruktur dalam bisnis?
Tantangan di dalam dunia bisnis dalam menghadapi data-data
yang tidak terstruktur adalah sulitnya untuk membaca dan menganalisis data yang
masuk dengan begitu banyaknya. Dibutuhkan waktu yang lama untuk membaca data
tersebut hingga akhirnya diperoleh kesimpulan/analsisnya dari data tersebut.
Untuk itu dibutuhkan sebuah software yang bernama text mining untuk membantu.
Dengan adanya text mining data-data yang dibutuhkan oleh perusahaan dapat
dengan mudah diperoleh, tidak harus menunggu terlalu lama.
2. Bagaimana
teks-mining meningkatkan pengambilan keputusan?
Text mining melakukan analisis dari data-data
yang masuk seperti E-mail, percakapan telepon,posting blog, memo, panggilan
transkrip center, tanggapan survei, dan
laporan layanan. Dengan adanya text mining, suatu perusahaan dapat lebih cepat
dalam pengambilan keputusan. Karena dengan menggunakan perangkat lunak tersebut
perusahaan dapat lebih cepat mendapat
informasi dari banyaknya pelanggan. Setelah dianalisis kemudian text mining
menemukan elemen kunci dari data tersebut hingga ditemukan sebuah pola-pola
tertentu dan meringkas informasi. Sehingga manager dapat membuat keputusan yang
lebih cepat dan tepat dari membaca pola-pola yang dilakukan oleh konsumen.
3. Apa jenis
perusahaan yang paling mungkin untuk manfaat dari perangkat lunak teks mining?
Jelaskan jawaban Anda.
Perusahaan yang paling membutuhkan software text
mining menurut saya adalah perusahaan besar yang bergerak di bidang jasa.
Karena perusahaan di bidang jasa selalu berfokus pada konsumen sehingga saran
dan masukan dari konsumen sangat dibutuhkan untuk kemajuan perusahaan tersebut.
Dengan adanya text mining tersebut perusahaan dapat mengetahui komentar positif
dan negatif dari konsumen yang dapat memberikan informasi bagi konsumen lain
untuk menerima dan menggunakan jasa tersebut.
4. Dalam hal
apa text mining berpotensi menyebabkan erosi privasi informasi pribadi? Jelaskan!
Text
mining menyebabkan erosi privasi informasi pribadi dalam hal data yang
diberikan oleh pelanggan kepada perusahaan. Hal ini bisa terjadi karena pada
saat perusahaan melakukan analisis teks terhadap kepuasan pelanggan untuk
mengetahui timbal balik dari pelanggan mengenai perusahaannya maka pelanggan
tersebut memberikan data pribadinya kepada perusahaan. dengan adanya data
pribadi setiap pelanggan, perusahaan dapat melacak pelanggan dengan mudah dalam
waktu yang singkat.
Namun,
dalam memberikan data atau informasi tersebut dapat terjadi kemungkinan adanya
manipulasi data dimana pelanggan tidak memberikan data yang sebenarnya, adanya
kesalahan informasi yang diberikan, ataupun penyimpanan data yang salah yang
dilakukan oleh perusahaan.
Miss in
Action
·
Kunjungi
situs
web seperti
QVC.com
atau
TripAdvisor.com
merinci produk atau jasa yang memiliki ulasan pelanggan. Memilih produk, hotel, atau
layanan lain dengan
setidaknya 15 ulasan pelanggan, dan membaca ulasan mereka, baik positif maupun negatif. Bagaimana bisa konten Web mining membantu meningkatkan penawaran perusahaan atau lebih baik memasarkan produk atau jasa? Apakah informasi ini harus disorot?
setidaknya 15 ulasan pelanggan, dan membaca ulasan mereka, baik positif maupun negatif. Bagaimana bisa konten Web mining membantu meningkatkan penawaran perusahaan atau lebih baik memasarkan produk atau jasa? Apakah informasi ini harus disorot?
Jawab
:
Karena dengan adanya web mining yang
dapat menampung informasi dari pelanggan mengenai komentar positif terhadap
produk atau jasa yang dihasilkan sehingga dapat menarik dan mempengaruhi
pelanggan lain untuk dapat menerima, membeli, dan menggunakan produk atau jasa
tersebut. Dengan demikian, web mining dapat membantu dalam meningkatkan
penawaran produk atau jasa yang dilakukan oleh perusahaan. Selain itu, melalui
web mining perusahaan dapat dengan mudah untuk memasarkan produk atau jasa
kepada pelanggan karena perusahaan memiliki data mengenai setiap pelanggannya.
Informasi
ini perlu untuk disorot karena dengan informasi yang didapatkan dari pelanggan
akan membantu perusahaan untuk dapat memenuhi kepuasan pelanggan karena
perusahaan akan mengetahui mengenai komentar positif maupun negatif dari
pelanggannya sehingga perusahaan dapat melakukan perbaikan dan perubahan
menjadi lebih baik.
Tidak ada komentar:
Posting Komentar