Zyski:
- Możliwość dzielenia ankiet satysfakcji pacjentów i bezpłatnych informacji zwrotnych na tematy oraz przeprowadzania analizy nastrojów przy wsparciu sztucznej inteligencji
- Umiejętność tworzenia praktycznych spostrzeżeń i projektów ulepszeń na podstawie tekstów skarg i sugestii
- Możliwość wykrycia pułapek, takich jak błąd próbkowania, automatyczny błąd znacznika sentymentu i ochrona prywatności przed interpretacją
Pacjenci nie przychodzą tylko po to, by wyzdrowieć; Doświadczają także i pamiętają, jak zostali potraktowani, jak długo czekali i komu mogli opowiedzieć o swoich problemach. Zadowolenie pacjenta to zarówno odpowiedzialność etyczna, jak i wymiar wydajności, który wpływa na reputację instytucji, a w niektórych przypadkach na jej zwrot kosztów. Jednak dane dotyczące zadowolenia często występują w dwóch formach: ankiet mierzonych gwiazdkami/ocenami i dowolnych recenzji. Przeczytanie jeden po drugim setek bezpłatnych komentarzy zajmuje trochę czasu. Tutaj sztuczna inteligencja ma ogromną moc: dzieli setki tekstów na tematy, wydobywa z nich ton emocjonalny i podsumowuje najważniejsze skargi i pochwały. W tym rozdziale zobaczymy, jak to zrobić, ale co ważniejsze, jak uniknąć błędnego odczytania. Granica: sztuczna inteligencja podsumowuje tekst i wyodrębnia motywy; ale automatyczna etykieta emocji może być omylna, próba może być stronnicza – uogólnianie i decyzja należą do menedżera.
Podstawowe pojęcia eksploracji tekstu
Kilka terminów: Eksploracja tekstu to proces automatycznego wydobywania wzorców i znaczeń z tekstów pisanych. Analiza sentymentu to automatyczna klasyfikacja pozytywnego/negatywnego/neutralnego tonu tekstu. Ekstrakcja motywów/tematów polega na grupowaniu wielu komentarzy we wspólne tematy (czystość, oczekiwanie, komunikacja, cena). NPS (Net Promoter Score) to wskaźnik lojalności oparty na pytaniu „Czy nas poleciłbyś?” Warto spojrzeć na dane dotyczące satysfakcji w dwóch odrębnych wymiarach: wymiar ilościowy (oceny, NPS) daje odpowiedź na pytanie „ile”; Wymiar jakościowy (swobodne komentarze) niesie ze sobą odpowiedź na pytanie „dlaczego”. Obydwa osobno byłyby niekompletne; Czytając razem, widać zarówno skalę problemu, jak i jego źródło.
Pojazdy te mają potężną, ale niebezpieczną stronę. Analiza sentymentów natrafia na subtelności języka. Zdanie „Świetnie, znowu czekałem 3 godziny” może wydawać się pozytywne, jeśli spojrzeć na nie słowo po słowie, ponieważ zawiera ono „świetnie”; Jednak jest to ironiczne. „Nie było źle” zawiera zaprzeczenie. Przyrostki i idiomy w języku tureckim jeszcze bardziej to utrudniają. Drugim niebezpieczeństwem jest stronniczość doboru próby: ankietę wypełniają zazwyczaj ludzie, którzy są albo bardzo zadowoleni, albo bardzo źli; Cicha większość pośrodku jest niewidoczna. Dlatego obraz, jaki rysuje AI, jest opinią „autorów”, a nie „wszystkich pacjentów”.
Prawdziwa wartość tych narzędzi nie leży w liczbie, ale w kierunku. Ocena w postaci gwiazdek informuje „satysfakcja 3,8”, ale nie mówi, co należy naprawić; dowolny tekst powie Ci dokładnie, co Cię niepokoi. Zadaniem sztucznej inteligencji jest przekształcenie tej surowej narracji w zrozumiałe nagłówki: nie możesz przeczytać 600 komentarzy, ale możesz przekształcić zdanie „30 procent komentarzy wspomina o zamieszaniu w routingu” w praktyce. Jednak ta redukcja wiąże się również ze stratą: uderzające, pojedyncze, ale ważne ostrzeżenie dotyczące bezpieczeństwa od pojedynczego pacjenta może zostać utracone w „małym temacie 2 procent”. Dlatego oprócz podsumowania ilościowego konieczne jest dodatkowo przeskanowanie poszczególnych komentarzy sygnalizujących bezpieczeństwo lub poważne reklamacje; Liczba pokazuje ogólny obraz, a indywidualny komentarz pokazuje krytyczny wyjątek.
Krok po kroku: analiza opinii za pomocą sztucznej inteligencji
- Anonimizuj. Usuń z komentarzy identyfikatory, takie jak imię i nazwisko, nazwisko lekarza, numer pokoju.
- Podziel to tematycznie. Poproś sztuczną inteligencję o pogrupowanie komentarzy w typowe tematy; Ty ustalasz ilość tytułów.
- Usuń emocjonalny ton, ale zweryfikuj go. Uzyskaj stawkę dodatnią/ujemną dla każdego tematu; Następnie sam przeczytaj przykładowe komentarze.
- Wgląd w działanie. Wybierz najczęstszy i najbardziej palący motyw; Sporządza się projekt konkretnej propozycji ulepszeń.
- Kontrola próbek. Ile osób to napisało, kto to napisał, czy jest to reprezentatywne? Dokonaj uogólnienia zgodnie z tą granicą.
- Decyzja menadżerska. Decyzja o udoskonaleniu i ustalanie priorytetów należy do menedżera; AI po prostu przygotowuje wgląd.
Uwaga: liczba typu „78 procent pozytywnych” podana przez sztuczną inteligencję mogła błędnie odczytać ironię i negację. Koniecznie przeczytaj samodzielnie kilka surowych recenzji każdego motywu i sprawdź, czy tag odpowiada rzeczywistości.
trzy mini etui
Przypadek 1 – Ukryty motyw. W jednym szpitalu zgromadzono 640 bezpłatnych komentarzy miesięcznie; nikt nie był w stanie przeczytać wszystkiego. Dział praw pacjenta przekazał YZ anonimowe uwagi i przypisał je do tematu. Największym negatywnym tematem nie był „czas oczekiwania” zgodnie z oczekiwaniami, ale „zamieszanie w trasie” (pacjenci nie mogli się zdecydować, na które piętro się udać). Dzięki prostemu rozmieszczeniu personelu zajmującego się oznakowaniem i doradztwem temat ten znacznie się zmniejszył w ciągu dwóch miesięcy. AI sprawiła, że ukryty motyw stał się widoczny; Rozwiązanie należało do zespołu.
Przypadek 2 — Pułapka ironii. Jedna jednostka była zadowolona z podsumowania sztucznej inteligencji „82% pozytywnego” i powiedziała kierownictwu, że „satysfakcja jest wysoka”. Specjalista ds. jakości przeczytał przykładowe komentarze: Ironiczne zdania, takie jak „Niesamowite, dostałem się 2 godziny po umówionym terminie”, zostały uznane za pozytywne. Rzeczywista stopa dodatnia była niższa. Przewodnik skalibrował tag AI, czytając ręcznie kilkadziesiąt komentarzy i poprawił prezentację.
Przypadek 3 — Błąd próbkowania. W jednej z przychodni na ankietę internetową odpowiedziało jedynie 45 osób, a większość z nich wyraziła się bardzo negatywnie. Jeden z menadżerów wpadł w panikę, że „poliklinika zbankrutowała”. Analityk przypomniał, że tych 45 osób stanowiło niewielki i stronniczy wycinek z 3200 pacjentów w tym miesiącu, a w ankiecie częściej udzielali się ludzie wściekli. Zamiast paniki przeprowadzono reprezentatywny sondaż wyjściowy; Rzeczywisty obraz był znacznie bardziej zrównoważony.
Cztery szablony do kopiowania
1) Ekstrakcja motywu:
Twoja rola: asystent analityka doświadczeń pacjentów. Poniżej znajdują się anonimowe komentarze pacjentów niezależnych (bez nazwiska/nazwiska lekarza). Zadanie: podziel komentarze na 6-8 wspólnych tematów (np. oczekiwanie, komunikacja, sprzątanie, skierowanie, opłata). Podaj liczbę komentarzy do każdego tematu i podaj 2 przykładowe cytaty. Nie wymyślaj komentarzy; Po prostu użyj tego, co ci daję.
2) Alarm dotyczący nastrojów i walidacji:
Odejmij stosunek dodatni/ujemny/neutralny dla każdego tematu. ALE zwróć uwagę, że ironia, zaprzeczenie i sarkastyczne wyrażenia mogą wprowadzić w błąd znacznik emocji i wypisz osobno 5 komentarzy, co do których nie jesteś pewien, jako „sprawdzone ręcznie”. Przedstawianie jako dokładny procent; dać ok.
3) Wgląd zorientowany na działanie:
Wybierz najczęstszy i najbardziej negatywny motyw. W przypadku tego tematu: zarys możliwej pierwotnej przyczyny, 3 ulepszenia, które można wdrożyć w krótkim okresie, oraz szacowany wpływ/koszt każdego z nich. Zaznacz, że jest to sugestia, a decyzja należy do kierownika.
4) Notatka kontrolna próbki:
W tej analizie całkowita liczba odpowiedzi [N] to liczba pacjentów w tym okresie [M]. Napisz mi przestrogę dotyczącą reprezentatywności próby: jeśli odsetek odpowiedzi jest niski lub jest nadreprezentacja wściekłych pacjentów, wyjaśnij ryzyko uogólnienia wyników w 4 punktach.
Słaba zachęta/silna zachęta
Słaba zachęta:
Powiedz mi, czy te komentarze są dobre, czy złe, jaki procent jest zadowolony.
Żadnych motywów, żadnej weryfikacji, żadnych przykładowych ostrzeżeń; Zwraca pojedynczy wprowadzający w błąd procent.
Potężny monit:
Poniżej znajduje się [N] anonimowych komentarzy pacjentów, liczba pacjentów w tamtym czasie [M]. Oddziel komentarze tematycznie, nadaj każdemu tematowi przybliżony ton emocjonalny, ale zaznacz, jeśli są niepewne ze względu na ironię/negację. Przygotuj propozycję ulepszeń w najbardziej palącym temacie i dodaj przestrogę dotyczącą reprezentatywności próby.
krok
Wkład sztucznej inteligencji
kontrola ludzka
Separacja tematu
Grupuje setki komentarzy
Czy tytuły mają znaczenie?
etykieta emocji
Tworzy szybki dźwięk
Kontrola ironii/negacji
wgląd
Projekt ulepszeń
Zastosowanie, koszt
uogólnienie
Zawiera podsumowanie
Czy próbka jest reprezentatywna?
Typowe błędy
- Akceptowanie etykiety emocji taką, jaka jest. Ironia i negacja wprowadzają w błąd; Przeczytaj przykłady.
- Uogólnienie na podstawie małej/stronniczej próbki. 45 gniewnych komentarzy nie reprezentuje wszystkich pacjentów.
- Ominięcie anonimizacji. Komentarze mogą zawierać imię i nazwisko lekarza/pacjenta; usuń to.
- Koncentrując się wyłącznie na negatywach. Pozytywne motywy wskazują również, co będziesz chronić.
- Mylenie wglądu z decyzją. Decyzja i priorytet ulepszeń należy do menedżera.
Wskazówka: na koniec każdej analizy przeczytaj samodzielnie 15–20 losowych, nieprzetworzonych komentarzy i porównaj je ze znacznikiem AI. Ten 10-minutowy nawyk „kalibracji” wyłapuje pułapki ironii i negacji i uczy, jak bardzo ufać briefowi AI.
Podsumowując
Dane dotyczące zadowolenia pacjentów są dostępne zarówno w formie punktacji, jak i wolnego tekstu, a sztuczna inteligencja ma ogromną moc w dzieleniu setek komentarzy na tematy i podsumowywaniu ich. Jednak automatyczna etykieta emocji myli się w stronę ironii i negacji; Dobór próby do ankiety jest często stronniczy. Dlatego wyników sztucznej inteligencji nie można uogólniać bez weryfikacji za pomocą surowych interpretacji i wielkości próby. Anonimowość jest zachowana, przygotowany jest wgląd; Jednak decyzja i priorytet ulepszeń zawsze należą do menedżera.
Zadanie aplikacji
Uzyskaj anonimowy zestaw komentarzy (20–30 komentarzy, prawdziwych lub hipotetycznych). Zapytaj sztuczną inteligencję o motyw i ton za pomocą szablonów „Wnioskowanie o motywie” i „Emocja + alert walidacyjny”. Następnie przeczytaj sam przynajmniej 10 surowych komentarzy i porównaj je z tagiem AI; Zapisz w 5 pozycjach, w ilu z nich dostrzegasz wady ze względu na ironię/negację i reprezentatywność próby.
lista kontrolna
- [ ] Czy zanonimizowałem komentarze (bez nazwiska pacjenta/lekarza)?
- [ ] Czy skalibrowałem znacznik nastrojów za pomocą nieprzetworzonych komentarzy?
- [ ] Czy wziąłem pod uwagę wielkość próby i stronniczość?
- [ ] Czy szukałem zarówno pozytywnych, jak i negatywnych tematów?
- [ ] Czy pozostawiłem decyzję o udoskonaleniu i priorytety menedżerowi?