IBM introduceert nieuwe software die gebruikers in staat stelt om gegevens uit sociale netwerken en blogs te analyseren en deze informatie te koppelen aan beschikbare interne data voor meer inzicht en betere voorspellingen. Met de nieuwe IBM SPSS Modeler, data mining- en text analytics-software, kunnen gebruikers veranderingen monitoren in de opvattingen van klanten, burgers en werknemers.
Door het met SPSS Modeler verkregen verbeterde inzicht kunnen belangrijke factoren worden voorspeld waarop toekomstige klantacquisitie- en retentiecampagnes worden gebaseerd. Organisaties kunnen met de software sentimenten afleiden uit het gebruik van emoticons en spreektaal, welke vaak worden gebruikt om een mening te geven over producten of diensten.
De nieuwe software houdt rekening met de specifieke prioriteiten en het jargon van de verschillende bedrijfstakken. Het kan trends analyseren en inzicht bieden in industriespecifieke terminologie. De nieuwe software beschikt over een semantisch netwerk met honderdtachtig verticale taxonomieën (van banken en verzekeringen tot consumentenelektronica) en meer dan vierhonderdduizend termen, waaronder honderdduizend synoniemen en duizenden merken. Hierdoor kunnen organisaties eenvoudig verbanden leggen tussen sentimenten en producten, zonder dat ze veel tijd kwijt zijn aan het opstellen van hun eigen definities.
Met IBM SPSS predictive analytics-software hebben klanten direct toegang tot tekst-, web- en onderzoeksgegevens die geïntegreerd kunnen worden in de voorspellende modellen. Hierdoor kunnen meer gefundeerde aanbevelingen worden gedaan en betere zakelijke beslissingen worden genomen. Er wordt gebruik gemaakt van natural language processing (NLP) om de meest relevante concepten, opinies en categorieën uit deze databronnen te halen om zo tot een verdieping in het klantinzicht te komen.
Organisaties kunnen al hun gestructureerde gegevens combineren met ongestructureerde tekstuele informatie vanuit documenten, e-mails, call centernotities en sociale media. Door ook tekstdata te integreren in modellen kunnen gebruikers links tussen concepten en sentimenten ontdekken.
