Bisakah Belajar Bisnis dari Text Mining?

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?

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.