Kommentaaride ja sentimentide analüüs: kogukonna pulsi võtmine

Kasu:

• Võimalus tõlgendada sentimentianalüüsi polaarsust, intensiivsust ja teemaväljundeid ning klassifitseerida tehisintellekti abil sadu kommentaare
• Teades selliseid piire nagu iroonia, släng ja segased emotsioonid ning suutma kontrollida protsente tõeliste näidete abil
• Oskus siduda negatiivsus teemaga ja muuta see konkreetseks tegevuseks ning testida põhjust hüpoteesina

See, millest bränd sotsiaalmeedias räägib, on sama oluline kui see, millest räägitakse. Brändi pulsi hoidmine sadade kommentaaride, tuhandete mainimiste ja pidevalt voolavate sõnumite vahel on käsitsi jälgimiseks liiga suur hunnik andmeid. Siin tulebki mängu sentimentide analüüs. See meetod, mida inglise keeles nimetatakse tundeanalüüsiks, on teksti emotsionaalse tooni (positiivne, negatiivne, neutraalne) automaatne klassifitseerimise protsess. Tehisintellekt suudab sekunditega lugeda sadu arvustusi ja koostada kokkuvõtte nagu "selle nädala positiivseid kommentaare on 62%, negatiivseid 28%, neutraalseid 10%; enamik negatiivseid puudutab saatmist." See annab sotsiaalmeedia haldurile hindamatu varajase hoiatamise ja ülevaate tööriista. Kuid sentimentaalanalüüs on ka oletus: see võib irooniat, huumorit ja kohalikku slängi valesti lugeda. Oluline on vaadata mitte numbrit, vaid numbri taga olevaid näiteid.

Mida sentimentianalüüs mõõdab ja mida mitte?

Tundeanalüüs annab kolm põhiväljundit. Polaarsus: kas tekst on positiivne, negatiivne või neutraalne. Intensiivsus: emotsiooni tugevus (kerge rahulolematus või viha). Teema/teema: mis emotsiooniga seotud on (hind, saatmine, kvaliteet, teenindus). Kõige väärtuslikum tulemus on kolmas: „suurenenud negatiivsus” üksi ei väljendu tegudes; "70% negatiivsusest on seotud lasti hilinemisega" toob kaasa otsese tegevuse.

Oluline on teada sentimentianalüüsi piire. Iroonia ja sarkasm: AI ​​võib pidada positiivseks lauset "Suurepärane, see ei tööta uuesti 👏". Släng ja rahvakeel: võib piirkondlikke idioome valesti lugeda. Kontekst: sõna "pomm" on tootes positiivne ja uudistes negatiivne. Segane suhtumine: "Toode on kena, kuid kallis" kannab endas nii positiivset kui negatiivset. Seetõttu kasutage sentimentaalanalüüsi lähtepunktina, mitte lõpliku tõena.

väljund

Mida see teeb?

Limiit / risk

Polaarsus (positiivne/negatiivne/neutraalne)

näha üldist meeleolu

Iroonia ja karma tunnevad puudust

tihedus

Kiireloomulisuse mõistmine

Võib mõõta liialdust valesti

teema/teema

tegevust toota

Võib määrata selle valele teemale

Trend ajas

varane hoiatus

Eksitav valimi väikeses suuruses

Tähelepanu: Ärge lisage tegevusaruandesse sentimentianalüüsiga antud protsente ilma neid kontrollimata. Lugege igast kategooriast paar reaalset näidet ja kontrollige visuaalselt, kas klassifikatsioon on õige; eriti need, mis on märgistatud "negatiivseks".

Samm-sammult: sentimentianalüüsi uuring

1. Koguge ja puhastage andmeid. Kommentaaride/mainimiste koondamine konkreetse perioodi kohta; maskeerida isikuandmeid.
2. Kontrollige proovi suurust. 20 kommentaarist protsendi lahutamine on eksitav; Sihtige tähendusrikka numbri poole (nt 100+).
3. Klassifitseerida. Laske tehisintellektil polaarsus + teemasildistada.
4. Kontrollige näidetega. Lugege igast klassist 5 näidet; parandage valed sildid.
5. Seadistage teemad prioriteediks. Määrake 3 teemat, mis tekitavad kõige rohkem negatiivset.
6. Seo see tegudega. Koostage iga teema kohta ettepaneku/tegevuse kavand ja edastage see vastavale üksusele.

Neli kopeeritavat malli

Hulgi klassifitseerimiseks:

Liigitage kõik järgmised arvustused: polaarsus [positiivne/negatiivne/neutraalne] ja teema [hind/saatmine/kvaliteet/teenus/muu]. Märgi võimalik iroonia märgiga [?]. Lõpuks tehke kokkuvõte: iga polaarsuse protsent ja 3 kõige sagedamini esinevat negatiivset teemat. Isikuandmete maskeerimine. Kommentaarid:1) ...2) ...

Teema süvenemiseks:

Lugege neid negatiivseid arvustusi ja süvendage "saatmise" teemat: millised alaprobleemid paistavad silma (viivitus, kahjustused, jälgimine, suhtlus)? Märkige iga alanumbri kohta, mitu kommentaari ja 1 tüüpiline tsitaat. Ära mõtle välja numbreid; Toetuge lihtsalt minu antud kommentaaridele. Kommentaarid:...

Trendide võrdluseks:

Võrrelge kahe perioodi meeleolu kokkuvõtet.Eelmine kuu: positiivne 58%, negatiivne 30%, neutraalne 12%; peamine negatiivne teema: hind.See kuu: positiivne 49%, negatiivne 41%, neutraalne 10%; Peamine negatiivne teema: saatmine. Mis on muutunud, millised on võimalikud põhjused? ÄRGE NÕIDA täpset põhjust; Kinnitage hüpotees ja kirjutage iga hüpoteesi kontrollimise viis.

Et muuta ülevaade tegevuseks:

Järgmisest meeleoluanalüüsi kokkuvõttest selgub 3 konkreetset tegevussoovitust (lühiajaline).Iga soovituse kohta: probleem, kavandatud tegevus, mis üksus, kuidas mõõta.Kokkuvõte: [kleebi kokkuvõte].

Nõrk viip / Tugev viip

Nõrk viip:

Analüüsige nende kommentaaride tundeid.

Polaarsus, teema ega kokkuvõtte formaat pole selge; Tehisintellekt annab segase, kontrollimatu tulemuse ja jätab tähelepanuta iroonia.

Võimas viip:

Sorteerige allolevad 60 arvustust (positiivsed/negatiivsed/neutraalsed + teema: hind/saatmine/kvaliteet/teenus/muu). Märgi [?] neile, kellel kahtlustatakse irooniat. Lihtsalt mõelge välja arvud minu antud kommentaaride põhjal. Väljund: (1) polaarsuse protsendid, (2) 3 kõige sagedasemat negatiivset teemat ja 1 tsitaat igaühe kohta, (3) 3 kahtlast silti, mida pean kontrollima.

Viimane annab usaldusväärse ja teostatava tulemuse, kuna sisaldab vormingut, piiri ja kontrollietappi.

kolm minikarpi

Juhtum 1. Telekommunikatsioonibränd analüüsis tehisintellektiga 1400 kampaaniajärgset kommentaari; leidis, et 64% negatiivsusest keskendus arvete segaduse teemale. Selle ülevaatega täpsustasid nad KKK-d ja kampaaniateadet; järgmisel kuul langes sama teema 64%-lt 22%-le.

Juhtum 2. Toidubränd esitas juhtkonnale ilma kontrollita tehisintellekti "80% positiivse" kokkuvõtte. Pärast näidete lugemist selgus, et enamik "positiivseks" peetud kommentaaridest olid iroonilised ("Mulle meeldis, see saabus kolmandat korda katki"). Tegelik positiivne määr oli 52%. Õppetund: ärge teatage protsenti ilma seda näidete abil kontrollimata.

Juhtum 3. Üks e-kaubanduse bränd alustas kohe vabanduskampaania pärast järeldust, et "negatiivsus plahvatas" vaid 18 kommentaari põhjal; Valim oli aga väga väike ja läks üldpildile vastuollu. Tarbetu kampaania tekitas segadust. Õppetund: ära tee väikese valimi põhjal suuri järeldusi.

Levinud vead

• Irooniat ignoreerides. Pidage sarkastilisi kommentaare positiivseks.
• Protsenti ei kontrollita. Näide: numbri lisamine aruandele seda lugemata.
• Väike proov. Lõpliku trendi tuletamine 15–20 kommentaari põhjal.
• Kontaktivaba analüüs. Öeldes "see on negatiivselt kasvanud" ja põhjuse leidmata jätmine; tegevust ei too.
• Isikuandmeid ei varjata. Arvustajate nimede andmine tööriistale.
• Põhjuse lõplik väljakuulutamine. Põhjusliku seose eksitamine ja vale toiming.

Õppeainepõhine analüüs ja konkurentide võrdlus

Meetod, mis viib sentimentianalüüsi sammu edasi, on aspektipõhine analüüs: selle asemel, et kommentaar üheks positiivseks/negatiivseks märgendiks kokku suruda, hinnatakse selle sees erinevaid teemasid eraldi. Näiteks lause "Toode on suurepärane, aga saatmine on kohutav ja hind on mõistlik" ei mahu ühte polaarsusse; teemapõhine analüüs jagab selle järgmiselt: "toode: positiivne, saatmine: negatiivne, hind: positiivne". See eristus on palju rohkem tegevusele orienteeritud, sest see näitab selgelt, milline probleem tekitab rahulolu ja milline rahulolematust. Selle sügavuse saate saavutada, kui käsite tehisintellektil "jagada iga kommentaar oma teemadeks ja anda igale teemale eraldi polaarsus".

Teine võimas kasutusala on konkurentide võrdlusuuringud (enda jõudluse võrdlemine konkurentidega). Kui kõrvutate omaenda kaubamärgi ja konkurentide suhtumist, on arv "meie negatiivsus 30%" mõistlik: kui valdkonna keskmine on 45%, läheb teil hästi, kui see on 15%, siis olete mahajäänud. Konkurentide andmete kogumisel kasutage siiski ainult avalikult kättesaadavaid seaduslikke allikaid; Vältige volitamata andmete kogumist ja privaatsusrikkumisi. Võrdlusuuringu eesmärk ei ole matkida võistlust, vaid kontekstualiseerida oma tugevaid ja nõrku külgi. Mõlema meetodi puhul jääb põhireegel samaks: kontrollige tehisintellekti klassifikatsiooni tõeliste näidete abil ja esitage põhjus pigem hüpoteesi kui lõplikuna.

Kokkuvõttes

Sentimentanalüüs mõõdab kogukonna pulssi: annab polaarsuse, intensiivsuse ja mis kõige tähtsam teema. Tehisintellekt sorteerib sadu kommentaare sekundis, kuid võib igatseda irooniat, slängi ja segaseid emotsioone. Väärtus ühendab negatiivsuse teemaga ja muudab selle tegevuseks. Kasutage piisavat valimit, kontrollige protsente tegelike valimitega, püstitage põhjus ja kinnitage see. Arv on algus; Otsus on sinu.

Näpunäide. Mõelge tundeanalüüsile kui pidevale filmile, mitte ühekordse fotona. Kui kordate sama mõõtmist igal nädalal sama meetodiga, näete trendi (kas see on tõusev või vähenev), mis on palju väärtuslikum kui absoluutprotsent. Jälgida, kuidas trend pärast kampaaniat, toodet või kriisi muutub, on palju võimsam otsustussisend kui ühe nädala protsent.

Rakenduse ülesanne

Koguge (või kirjutage) vähemalt 40 näidiskommentaari. Laske tehisintellektil teha polaarsus + teemade klassifikatsioon ja kokkuvõte. Lugege käsitsi 5 näidist iga polaarsuse kohta ja parandage vähemalt 3 ebaõiget/küsitavat silti. Valige kõige sagedamini esinev negatiivne teema, koostage 3 konkreetset tegevussoovitust ja kirjutage üles, kuidas neid igaühe puhul mõõdetakse.

kontrollnimekiri

• [ ] Kasutasin piisavat valimit (100+ ideaalne).
• [ ] Maskeerisin isikuandmed.
• [ ] Lasin teha polaarsuse + teemade klassifikatsiooni.
• [ ] Lugesin igast klassist näiteid ja kontrollisin silte.
• [ ] Eraldi märkisin irooniakahtlusalused.
• [ ] Kõige sagedamini omistasin tegevusele negatiivse teema.
• [ ] Esitasin põhjuse hüpoteesina, mida tuleb kontrollida, mitte lõplikult.