糖心原创

(see the * 'adobe' handle in functions.php — no async, no defer), so a page-load * Target offer has already set `data-hdr` by the time this runs. * * An answer that lands after this point is inert rather than acted on: * `apply()` finds the prune settled and does nothing, so the visitor * keeps the nav they were served instead of watching it change. That is * the deliberate trade-off — a late activity collects no data, but no * visitor ever sees the wrong nav or waits for the right one. */ (function () { var VARIANTS = ["a","b","c"]; var DEFAULT = "a"; /** * QA-only. When the on-page switcher is drawn we keep every variant in * the DOM so it can toggle between them live and you can see that the * chrome never repaints. Gated by the same constant as the switcher, so * it is false everywhere the switcher is absent — including production. */ var QA_KEEP_ALL = false; var root = document.documentElement; var settled = false; function valid(v) { return VARIANTS.indexOf(v) !== -1; } /** Publish the decision and let the nav JS bind. */ function finish(active) { root.setAttribute('data-hdr', active); // Read by the Adobe Analytics client to attribute the test. root.setAttribute('data-hdr-active', active); if (typeof window.initHeaderNav === 'function') window.initHeaderNav(); /** * `variant` is set before the event so late listeners can tell * "already done" from "not yet". main.js is enqueued in the footer * and therefore always misses the event itself. */ window.medalliaNav.variant = active; document.dispatchEvent(new CustomEvent('medallia:nav-ready', { detail: { variant: active } })); } function prune(active) { if (settled) return; settled = true; if (QA_KEEP_ALL) { finish(active); return; } /** * Only menu items carry data-nav-variant, so this can never touch * the shared chrome. CSS has already hidden the losers; removing * them keeps document.querySelector-based nav JS unambiguous. */ var list = document.querySelectorAll('#site-header [data-nav-variant]'); for (var i = 0; i < list.length; i++) { if (list[i].getAttribute('data-nav-variant') !== active) { list[i].parentNode.removeChild(list[i]); } } finish(active); } window.medalliaNav = { variant: null, apply: function (v) { if (valid(v)) prune(v); } }; // `?hv=` sets this server-side; a Target offer in the blocking // embed sets it before the body is parsed. var pre = root.getAttribute('data-hdr'); if (valid(pre)) { prune(pre); return; } /** * Carried forward from an earlier pageview. Read client-side, never in * PHP: WP Engine does not vary its page-cache key on arbitrary cookies, * so server-side personalisation here would serve the first anonymous * visitor's variant to everyone. */ var m = document.cookie.match(/(?:^|; )medallia_nav_variant=([^;]*)/); if (m && valid(m[1])) { prune(m[1]); return; } prune(DEFAULT); })();
Presseerkl?rung

糖心原创 Erweitert die Textanalyse-Plattform um die Analyse von Gefühlen

Oktober 31, 2012
Bahnbrechende L?sung führt strukturierte Umfragedaten und unstrukturierten Text vollst?ndig zusammen

PALO ALTO, Kalifornien, 31. Oktober 2012 –糖心原创, der weltweit führende Anbieter von SaaS?Customer Experience Management?(CEM), hat heute eine branchenführende Erweiterung seiner?Textanalyse-L?sung. Das neue Angebot, das eine vollst?ndig native Technologie zur Stimmungsanalyse beinhaltet, l?sst sich nahtlos in das bestehende 糖心原创 integrieren. Es kann die Stimmung – positiv oder negativ – jeder Phrase oder jedes Satzes ermitteln und so tiefere Erkenntnisse Freitext-Feedback in Umfragen und sozialen Medien gewinnen. Nun k?nnen Unternehmen die Anliegen ihrer Kunden genauer verstehen und mit beispielloser Geschwindigkeit und Pr?zision Ma?nahmen ergreifen.

糖心原创Mit der seit 2010 verfügbaren Textanalyse-L?sung von Google k?nnen Unternehmen automatisch Millionen von Freitextkommentaren analysieren und die am h?ufigsten vorkommenden Themen identifizieren und auswerten. Mit der zus?tzlichen Sentiment-Analyse k?nnen Unternehmen nun das Warum und Wie hinter offenem Text-Feedback ergründen und so die wichtigsten Einflussfaktoren genauer identifizieren und darauf reagieren. Die Sentiment-Analyse ist das Produkt einer neuen maschinenbasierten Lerntechnologie.

糖心原创's Textanalyse mit Stimmungen zeichnet sich aus durch seine:

  • Key-Driver-Analyse: 糖心原创 geht weit über Standardl?sungen hinaus und quantifiziert den Einfluss verschiedener Themen auf die Kundenloyalit?t. Mit dieser Analyse wissen Unternehmen nicht nur, ob Themen positive oder negative Stimmungen hervorrufen, sondern k?nnen die dringlichsten Rückmeldungen von Kunden priorisieren und Ma?nahmen ergreifen.
  • Native Integration in das 糖心原创 : Workflows und Berichterstellung sind in der gesamten 糖心原创 einheitlich, und Erkenntnisse aus der Textanalyse Erkenntnisse in Echtzeit zur Verfügung. Dank der vollst?ndigen Integration k?nnen Unternehmen schnell einsatzbereit sein, ohne gr??ere technische Umstellungen oder den Einsatz mehrerer Anbieter.
  • Benutzerfreundlichkeit: 糖心原创 darauf, alle komplexen Abl?ufe im Hintergrund zu verbergen, sodass Erkenntnisse von Anfang an klar und intuitiv Erkenntnisse . Im Gegensatz zu vielen Textanalysel?sungen, die für spezialisierte Analysten entwickelt wurden, spricht die Textanalyse 糖心原创Nutzer auf allen Ebenen des Unternehmens an.

"Unternehmen erkennen den wachsenden Bedarf an einer leistungsstarken Textanalysel?sung. Und jetzt bieten soziale Medien eine Flut von wertvollem, offenem Text-Feedback, was die Stimmungsanalyse umso wichtiger macht", sagt Borge Hald, CEO von 糖心原创. "Unsere Textanalyse-L?sung macht es einfach, all dieses Feedback zu sichten und sofort Ma?nahmen zu ergreifen, um die Kundenzufriedenheit und die Online-Reputation zu beeinflussen."

糖心原创 wurde in der Studie WaveTM: EFM Satisfaction and Loyalty Solutions, Q3 2011 von Forrester Research Inc. als führend anerkannt und erhielt die h?chste Punktzahl in den Bereichen Analytik und Reporting. Mit seiner neuen Textanalyse-Erweiterung st?rkt 糖心原创 seine Position als als weltweit führender Anbieter von SaaS-basierten CEM- und EFM-L?sungen.