athenahealth opérationnalise le retour d’information des clients pour obtenir des résultats cliniques et financiers

0
98


Résumé de 30 secondes :

  • Les enquêtes sur les réactions des clients, auxquelles athenahealth reçoit plus de 6 400 réponses par mois, sont essentielles pour obtenir les réactions de plusieurs groupes d’utilisateurs, notamment les médecins, les infirmières et les gestionnaires. Ces ensembles de données sont devenus trop volumineux pour être examinés manuellement, mais pas assez pour la plupart des outils de compréhension du langage naturel (NLU).
  • L’application d’analyse de texte de Luminoso a automatisé le marquage des réponses aux enquêtes clients, enchaînant différents types de classification parmi les étiquettes préexistantes et nouvellement créées. Cela a permis de préserver la structure et la logique internes, et de rendre les étiquettes à la fois simples et informatives.
  • Depuis fin 2017, lorsque l’équipe COV d’athenahealth a commencé à mesurer le Net Promoter Score (NPS) de l’entreprise sous sa forme actuelle, elle a constaté une augmentation du NPS de plus de 30 points.
  • Une grande partie de l’amélioration s’aligne sur le travail du COV pour influencer la prise de décision de l’entreprise au nom du client, et Luminoso a permis à Athenahealth de mettre ce travail à l’échelle.

Athenahealth est l’un des principaux fournisseurs d’applications basées sur le cloud pour plus de 160 000 prestataires de soins de santé aux États-Unis, avec lesquels elle travaille en partenariat pour obtenir des résultats cliniques et financiers.

Les enquêtes sur les réactions des clients, auxquelles athenahealth reçoit plus de 6 400 réponses par mois, sont essentielles pour obtenir les réactions de plusieurs groupes d’utilisateurs, notamment les médecins, les infirmières et les gestionnaires. Ces ensembles de données sont devenus trop volumineux pour être examinés manuellement, mais pas assez pour la plupart des outils de compréhension du langage naturel (NLU).

Les tentatives pour remédier à ce problème ont consisté à lire tous les commentaires et à rédiger des résumés, à créer des outils internes, à utiliser des logiciels libres NLU et à organiser des « marathons de marquage » de deux semaines chaque trimestre.

Athenahealth était à la recherche d’une technologie qui le permettrait :

  • Classer rapidement les réactions des clients à partir d’un nombre limité de réponses ;
  • Identifier et quantifier les questions qui affectent le plus les clients
  • Découvrez des informations plus approfondies sur les données sans que l’analyste ne perde son temps en travail manuel.

Entrez dans Luminoso, une entreprise de compréhension du langage naturel (NLU) qui a été lancée par le Media Lab du MIT il y a 10 ans. La société a développé une suite d’applications d’analyse de textes qui offrent aux organisations le moyen le plus rapide de donner un sens à des données textuelles non structurées dans 15 langues.

Contrairement à d’autres solutions d’analyse de texte, les applications de Luminoso sont automatisées et ne nécessitent pas de formation, de codage, de bibliothèques ou d’ontologies pour analyser complètement des données textuelles non structurées et quantifier le retour d’information, ce qui permet aux clients de commencer à analyser les ensembles de données immédiatement.

Luminoso aide Athenahealth à comprendre en profondeur les intentions, les désirs et les besoins de ses clients

La mise en œuvre a été aussi simple que l’équipe d’analyse de la voix du client (VOC) d’Athenahealth qui a chargé les données d’enquête sur les réactions des clients dans Luminoso Daylight, l’application phare d’analyse de textes de Luminoso.

Luminoso Daylight fait partie des sections « Listen » et « Quantify » de la pile technologique COV d’athenahealth.

Il a automatisé le marquage des réponses aux enquêtes de satisfaction des clients, enchaînant différents types de classification sur des étiquettes préexistantes et nouvellement créées. Cela a permis de préserver la structure et la logique internes, et de rendre les étiquettes à la fois simples et informatives.

Le processus était non seulement plus rapide et plus précis, mais il a également éliminé le besoin de marathons de marquage trimestriels, ce qui a permis à l’équipe COV de passer plus de temps à analyser les données et à améliorer l’expérience du client.

En plus des données préexistantes sur les clients, l’équipe COV a non seulement découvert les problèmes et les sujets dont les utilisateurs discutaient le plus, mais elle a pu comprendre plus profondément les intentions, les désirs et les besoins.

« Nous avons rapidement réalisé que Luminoso pouvait nous aider à tirer un grand nombre d’enseignements de nos données presque immédiatement. Ce qui est unique à propos de Luminoso, c’est qu’il est construit sur la base de beaucoup de connaissances. Nous utilisons beaucoup de mots uniques dans notre entreprise, et Luminoso a pu repérer beaucoup de ces combinaisons de mots uniques que nous n’utilisons que pour notre activité, et qui pourraient nous donner des informations très uniques », révèle Chase Hill, responsable de l’analyse – Voix du client chez athenahealth.

Ils peuvent désormais mettre en œuvre plus efficacement les correctifs, améliorer les fonctionnalités et hiérarchiser les demandes de produits.

L’automatisation du retour d’information des clients mène au succès du SNP

Depuis fin 2017, lorsque l’équipe COV d’athenahealth a commencé à mesurer le Net Promoter Score (NPS) de l’entreprise sous sa forme actuelle, elle a constaté une augmentation du NPS de plus de 30 points.

Une grande partie de l’amélioration s’aligne sur le travail du COV pour influencer la prise de décision de l’entreprise au nom du client, et Luminoso a permis à Athenahealth d’étendre ce travail.

En ce qui concerne l’impact financier, nous pouvons estimer que chaque point d’augmentation du SNP équivaut à une augmentation de 0,143% des recettes, selon ce livre blanc de Luminoso [table 3]). Par conséquent, on peut dire que la seule augmentation des SNP représente une augmentation des recettes d’environ 4 %.

Athenahealth prévoit de continuer à utiliser l’application d’analyse de texte de Luminoso pour comprendre les réactions et les demandes de produits des clients, analyser les réponses de plusieurs segments d’utilisateurs, intégrer les connaissances des clients à tous les points du cycle de vie du produit et rationaliser le marquage tout en préservant la structure et le processus.

tout savoir sur la crypto

LAISSER UN COMMENTAIRE

Please enter your comment!
Please enter your name here