Text Mining,per una migliore comunicazione tra

P.A. ed il cliente-cittadino

Com-P.A. 2000Salone della Comunicazione e dei Servizi al CittadinoBologna, 21 settembre 2000

ing. Vasco Borghi

IBM Italia

A) Introduzione

Cos’è una buona colazione per voi?

Inchiesta d’opinione (con risposte aperte) in Nestlé

La colazione

Italiana:

caffè, cioccolato, latte, brioche, pane, burro, marmellata

Inglese:

tè, succo di frutta, toast, uva,bacon/prosciutto

Dietetica:

frutta, latte, cereali, pane, formaggio, yogurt, miele

in vacanza, il weekend, la domenica

il piacere, la tranquillità, la calma, la distensione, la libertà, la vita, la forma, l’energia, la forza

in casa, in famiglia, senza televisione, senza sveglia, a letto, con un libro, con dei giornali, in un hotel lussuoso, su una terrazza, di fronte al mare, sul ponte di una nave, al bordo di una piscina, vicino al camino

B) La tecnologia

Permette di cercare / organizzare / classificare /categorizzare /riassumere testi • scoprendo tendenze• apprendendo concetti

Text Mining

“ Il processo di estrazione di conoscenza, precedentemente sconosciuta, da fonti testuali (agenzie stampa, transazioni, siti Web, e-mail, forum, mailing list…) utilizzabile per prendere decisioni aziendali”

Il CRA - Customer Relationship Management

• Cos’è• è una soluzione (tecnologia+consulenza) basata su text mining, information agency, intelligenza artificiale, per estrarre, in pochi secondi ed online, i contenuti delle fonti analizzate

• Fonti• e-mail, telefono, newsgroup, forum, mailing list, lettere, articoli, documenti, opinion survey

• Perché• scoprire quali sono le opinioni, le idee, le tendenze, i gusti dei clienti sta diventando sempre più impegnativo: a causa dell’e-business, troppi i dati a disposizione, e, a causa della globalizzazione, troppo rapidi i cambi di tendenza

• Obiettivo• “leggere” migliaia di testi in pochi secondi, raggruppandoli in funzione del loro contenuto (NON stabilito in precedenza), estraendo opinioni, tendenze, idee…degli autori

Domande cui il CRA risponde

1. Cosa “vogliono” i miei clienti?

2. Di cosa sono insoddisfatti?

3. Quali sono le loro caratteristiche?

4. Quando parlano tra loro (forum), di cosa parlano?

5. Cosa pensano di un tema specifico (la nostra azienda, la prima colazione, un possibile nuovo prodotto?

La direzione aziendale

Il marketing manager

La Direzione comunicazione

Esempi di applicazione

1) EDF GDF

• Text Mining

analisi delle lettere dei clienti• Dove: Francia

• Consulenza + Servizio

Analisi delle lettere di lamentela dei clienti

• L’analisi delle lettere di lamentela dei clienti può essere vista da due punti di vista:

per risolvere un problema locale

per considerarlo come sintomo di un problema generale

Analisi delle lettere di lamentela

• Il risolvere localmente il problema dà la possibilità di rispondere rapidamente al cliente,

• ma risolvendolo in maniera generale si ha la possibilità di trovare una soluzione definitiva disponibile per tutti i clienti;

• il primo caso è facile da implementarsi, il secondo richiede una visione completa delle lettere

2) Text Mining

Analisi delle Inchieste di

opinione in

IBM

Inchieste di opinione in IBM

• Focus su temi strategici della gestione del personale, attraverso l’utilizzo di analisi comportamentali

• I risultati sono paragonati a quelli di altre aziende e a quelli di analisi precedenti

• Enfasi sui feedback e sulle azioni da prendere

Inchieste di opinione in IBM

• Inchieste annuali somministrate a:

un campione del 25% degli impiegati,

in 50 paesi,

14 lingue.

Domande:

40 a scelta multipla

3 a testo libero

Analisi delle risposte

• Metodo basato sulla codifica del contenuto:

noioso e lento

altamente suscettibile ad errori dell’analista

il campionamento compromette la qualità

Analisi attraverso la codifica del contenuto

• Sono applicate tecniche standard:

sono selezionate a caso 300 risposte

identificati 1-3 temi ogni risposta

codifica a livello di dettaglio

si combinano categorie simili

Analisi attraverso Text Mining

• Formazione ed assistenza da parte di specialisti di Text Mining

• Output delle analisi basate su Text Mining: mappe a cluster, statistica e commenti individuali

Conclusioni• Vantaggi dell’uso di Text Mining elimina un lavoro noioso risparmio di tempo paragonabile a tecniche tradizionali sono processati tutti i commenti a testo libero meno soggetto ad errori ed influenze dell’analista

visione dei dati attraverso loro sottogruppi

l’interpretazione è un processo top down

Un gran numero di progetti e di clienti

Caisse Régionale du Crédit Agricole Pyrénées Gascogne, Michelin, Unilever, UAP, Le Monde, Libération, Technical Center for Mechanical Industry, American Chemical Society, IBM Corporation, Synthélabo, Pfizer, Assicurazioni Generali, Advanced Network & Services, L’Oréal, Moulinex, Electricité de France, GDF, National Power, DCN de Toulon, Centre de Documentation de l’Armement, SSB, Aérospatiale, Peugeot SA, Crédit Mutuel, Carbone Lorraine, Groupe Mornay, Hachette Distribution Service, Telecom Italia, Nestlé, National Institute for scientific Information, Danone, US Patent Office, TELCAL, ICI, Sorgem, General Electric, Johnson & Johnson, Direction Generale de l’Armement, Walt Disney, Merill Lynch, Mellon Bank, Centrelink, Deethy, CINECA, Health Insurance Commission, Novartis, Akzo Nobel, Pechiney, BASF, Procter & Gamble, Bayer, Bosch, BP, Shell, Dow Chemical, Siemens, IBM Italia, Ericsson, Solvay, Henkel, IFP, CIC, France Telecom, Crédit Mutuel, Pirelli, Gruhe&Jahre, Finance Wise, Search Cafe, Saab, Military Aircraft, MNIS, State Farm, Usinor...

Per saperne di più:Pubblicazioni:1. A. Zanasi et al.: “Discovery data mining”, 1998, Ed. Prentice Hall.2. A. Zanasi: “Competitive Intelligence through Data Mining Public Sources”, 1998 in Competitive Intelligence Rewiev (March).3. A. Zanasi: “Web Mining with the Online Analyst”, 2000, Ed. Wessex Institute of Technology.4. A. Zanasi: “Online Text Mining: un’applicazione”, 2000, Notizie (Associazione Italiana per l’Intelligenza Artificiale)

Siti Web:http://open.cineca.it//datamining

Contatto:ing.Alessandro Zanasitel. 0335-7445814e-mail: zanasia@it.ibm.com