Voitot:
- Kyky tulkita mielialan analyysin napaisuutta, intensiteettiä ja teemalähtöjä ja luokitella satoja kommentteja tekoälyllä
- Rajojen, kuten ironian, slängin ja sekalaisten tunteiden tunteminen ja prosenttiosuuksien tarkistaminen oikeilla esimerkeillä
- Kyky liittää negatiivisuus teemaan ja muuttaa se konkreettiseksi teoksi ja testata syytä hypoteesina
Se, mistä brändi puhuu sosiaalisessa mediassa, on yhtä tärkeää kuin se, mistä puhutaan. Brändin sykkeen pitäminen satojen kommenttien, tuhansien mainintojen ja jatkuvasti virtaavien viestien joukossa on liian suuri tietokasa manuaalisesti seurattavaksi. Tässä tulee mieleen tunneanalyysi. Tämä menetelmä, jota kutsutaan englanniksi tunneanalyysiksi, on prosessi, jossa tekstin tunnesävy (positiivinen, negatiivinen, neutraali) luokitellaan automaattisesti. Tekoäly pystyy lukemaan satoja arvosteluja sekunneissa ja laatimaan yhteenvedon, kuten "tämän viikon positiiviset kommentit ovat 62%, negatiiviset 28%, neutraalit 10%; suurin osa negatiivisista kommenteista koskee toimitusta." Tämä antaa sosiaalisen median johtajalle korvaamattoman varhaisvaroitus- ja oivallustyökalun. Mutta tunneanalyysi on myös arvaus: se voi lukea väärin ironiaa, huumoria ja paikallista slangia. Ei ole tärkeää katsoa numeroa, vaan numeron takana olevia esimerkkejä.
Mitä tunneanalyysi mittaa ja mitä se ei mittaa?
Tunneanalyysi antaa kolme perustulosta. Napaisuus: onko teksti positiivinen, negatiivinen vai neutraali. Intensiteetti: tunteen voimakkuus (lievä tyytymättömyys tai viha). Teema/aihe: mistä tunteesta on kyse (hinta, toimitus, laatu, palvelu). Arvokkain tulos on kolmas: "negatiivisuuden lisääntyminen" ei yksinään muutu teoiksi; "70% negatiivisuudesta liittyy lastin viivästymiseen" tuottaa suoran toiminnan.
Oleellista on tuntea tunneanalyysin rajat. Ironia ja sarkasmi: Tekoäly voi pitää lausetta "Hienoa, se ei enää toimi 👏" positiivisena. Slangi ja kansankielet: alueelliset idiomit voivat lukea väärin. Konteksti: Sana "pommi" on positiivinen tuotteessa ja negatiivinen uutisessa. Sekalainen mielipide: "Tuote on mukava, mutta kallis" sisältää sekä positiivista että negatiivista. Joten käytä tunneanalyysiä lähtökohtana, ei lopullisena totuutena.
ulostulo
Mitä se tekee?
Rajoitus / riski
Napaisuus (positiivinen/negatiivinen/neutraali)
katso yleistä tunnelmaa
Ironia ja karma kaipaavat tunteita
tiheys
Kiireellisyyden ymmärtäminen
Voi mitata liioittelua väärin
teema/aihe
tuottaa toimintaa
Saattaa liittää sen väärään teemaan
Trendi ajan myötä
varhainen varoitus
Harhaanjohtava pieni otoskoko
Huomio: Älä sisällytä mielipideanalyysin antamia prosenttiosuuksia toimintakertomukseen tarkistamatta niitä. Lue muutama todellinen esimerkki kustakin luokasta ja tarkista visuaalisesti, onko luokitus oikea; varsinkin "negatiivisiksi" merkityt.
Askel askeleelta: tunneanalyysitutkimus
- Kerää ja puhdista tiedot. Kommentit/maininnat tietyltä ajanjaksolta; peittää henkilötiedot.
- Tarkista näytteen koko. Prosentin vähentäminen 20 kommentista on harhaanjohtavaa; Tavoittele merkityksellinen luku (esim. 100+).
- Luokitella. Pyydä tekoälyä tekemään napaisuus + teemakoodaus.
- Vahvista esimerkeillä. Lue 5 esimerkkiä kustakin luokasta; korjata väärät tunnisteet.
- Priorisoi teemoja. Tunnista 3 teemaa, jotka synnyttävät eniten negatiivisuutta.
- Sido se toimintaan. Tee jokaisesta teemasta ehdotus/toimintaluonnos ja välitä se asianomaiselle yksikölle.
Neljä kopioitavaa mallia
Joukkoluokittelu:
Luokittele jokainen seuraavista arvosteluista: napaisuus [positiivinen/negatiivinen/neutraali] ja teema [hinta/toimitus/laatu/palvelu/muu]. Merkitse mahdollinen ironia kirjaimella [?]. Anna lopuksi yhteenveto: kunkin napaisuuden prosenttiosuus ja 3 yleisintä negatiivista teemaa. Maski henkilötiedot. Kommentit:1) ...2) ...
Teeman syventämiseksi:
Lue nämä negatiiviset arvostelut ja syvennä "toimitus"-teemaa: mitkä alaongelmat erottuvat (viive, vauriot, seuranta, viestintä)? Kerro kuinka monta kommenttia ja yksi edustava lainaus kutakin alanumeroa kohti. Älä keksi numeroita; Luota vain antamiini kommentteihin. Kommentit:...
Trendi vertailua varten:
Vertaa näiden kahden jakson mielipideyhteenvetoa.Viime kuukausi: positiivinen 58 %, negatiivinen 30 %, neutraali 12 %; tärkein negatiivinen teema: hinta.Tämä kuukausi: positiivinen 49%, negatiivinen 41%, neutraali 10%; Tärkein negatiivinen teema: toimitus. Mikä on muuttunut, mitkä ovat mahdolliset syyt? ÄLÄ VÄITTÄ tarkkaa syytä; Vahvista hypoteesi ja kirjoita, kuinka voit varmistaa kunkin hypoteesin.
Muuttaaksesi oivalluksen toiminnaksi:
Seuraavasta mielipideanalyysin yhteenvedosta syntyy 3 konkreettista toimintaehdotusta (lyhytaikainen). Jokaiselle ehdotukselle: ongelma, ehdotettu toimenpide, mikä yksikkö, miten mitataan. Yhteenveto: [liitä yhteenveto].
Heikko kehote / Vahva kehote
Heikko kehote:
Analysoi näiden kommenttien tunteita.
Napaisuus, teema tai yhteenvetomuoto ei ole selkeä; Tekoäly tuottaa sotkuisen, todentamattoman tuloksen ja kaipaa ironiaa.
Tehokas kehotus:
Lajittele alla olevat 60 arvostelua (positiivinen/negatiivinen/neutraali + teema: hinta/toimitus/laatu/palvelu/muu). Merkitse [?] niille, jotka epäilevät ironiaa. Tee vain numerot antamieni kommenttien perusteella. Tulos: (1) napaisuusprosentti, (2) 3 yleisintä negatiivista teemaa ja 1 lainaus jokaiselle, (3) 3 epäilyttävää tunnistetta, jotka minun on tarkistettava.
Jälkimmäinen tarjoaa luotettavan ja käyttökelpoisen tuloksen, koska se sisältää muodon, rajan ja vahvistusvaiheen.
kolme minilaukkua
Tapaus 1. Televiestintäbrändi analysoi 1 400 kampanjan jälkeistä kommenttia tekoälyllä; havaitsi, että 64 % negatiivisuudesta keskittyi "laskujen sekaannukseen". Tämän näkemyksen avulla he tarkensivat usein kysyttyä ja kampanjaviestintää; seuraavan kuukauden aikana sama teema putosi 64 prosentista 22 prosenttiin.
Tapaus 2. Elintarvikebrändi esitti tekoälyn "80 % positiivisen" yhteenvedon johdolle ilman vahvistusta. Esimerkkejä luettuaan kävi selväksi, että suurin osa "positiivisiksi" pidetyistä kommenteista oli ironista ("Rakastin, se saapui rikkinäisenä kolmannen kerran"). Todellinen positiivinen korko oli 52 %. Oppitunti: älä ilmoita prosenttiosuutta tarkistamatta sitä esimerkein.
Tapaus 3. Verkkokauppabrändi käynnisti välittömän anteeksipyyntökampanjan todettuaan, että "negatiivisuus räjähti" vain 18 kommentin perusteella; Otos oli kuitenkin hyvin pieni ja ristiriidassa yleiskuvan kanssa. Tarpeeton kampanja aiheutti hämmennystä. Oppitunti: älä tee suuria johtopäätöksiä pienestä otoksesta.
Yleisiä virheitä
- Ironia huomioimatta. Pidä sarkastisia kommentteja positiivisina.
- Prosenttia ei tarkisteta. Esimerkki: Numeron laittaminen raporttiin lukematta sitä.
- Pieni näyte. Lopullinen trendi johdetaan 15-20 kommentista.
- Kontaktiton analyysi. Sanotaan "se on lisääntynyt negatiivisesti" eikä löydä syytä; ei tuota toimintaa.
- Ei peitellä henkilötietoja. Arvostelijoiden nimen antaminen työkalulle.
- Syy ilmoittaminen lopullisesti. Korrelaation erehtyminen syy-yhteyteen ja väärä toiminta.
Aihekohtainen analyysi ja kilpailijoiden vertailu
Menetelmä, joka vie tunneanalyysin askeleen pidemmälle, on aspektipohjainen analyysi: sen sijaan, että kommentti pakattaisiin yhdeksi positiiviseksi/negatiiviseksi tunnisteeksi, arvioidaan sen sisällä olevia eri aiheita erikseen. Esimerkiksi lause "Tuote on loistava, mutta toimitus on kauhea ja hinta kohtuullinen" ei sovi yhteen napaisuuteen; aihepohjainen analyysi jakaa tämän seuraavasti: "tuote: positiivinen, toimitus: negatiivinen, hinta: positiivinen". Tämä ero on paljon toimintalähtöisempi, koska se osoittaa selvästi, mikä asia tuottaa tyytyväisyyttä ja mikä tyytymättömyyttä. Voit saavuttaa tämän syvyyden käskemällä tekoälyä "jakamaan jokainen kommentti aiheisiinsa ja antamaan jokaiselle aiheelle erillisen napaisuuden".
Toinen tehokas käyttötapa on kilpailijoiden benchmarking (oman suorituskyvyn vertaaminen kilpailijoiden kanssa). Jos vertaat omaa brändiäsi ja kilpailijoitasi koskevia mielipiteitä, luku "negatiivisuutemme on 30%" on järkevä: jos toimialan keskiarvo on 45%, pärjäät hyvin, jos se on 15%, olet jälkeen jäänyt. Käytä kuitenkin vain julkisesti saatavilla olevia laillisia lähteitä kerättäessä kilpailijoiden tietoja; Vältä luvatonta tiedonkeruuta ja tietosuojaloukkauksia. Benchmarkingin tarkoituksena ei ole matkia kilpailua, vaan kontekstualisoida omia vahvuuksiasi ja heikkouksiasi. Molemmissa menetelmissä perussääntö pysyy samana: tarkista tekoälyn luokittelu oikeilla esimerkeillä ja esitä syy hypoteesina eikä lopullisena.
Yhteenvetona
Tunneanalyysi mittaa yhteisön pulssia: antaa napaisuuden, intensiteetin ja ennen kaikkea teeman. Tekoäly lajittelee satoja kommentteja sekunnissa, mutta voi kaipaa ironiaa, slangia ja sekalaisia tunteita. Arvo yhdistää negatiivisuuden teemaan ja muuttaa sen toiminnaksi. Käytä riittävää näytettä, tarkista prosenttiosuudet oikeilla näytteillä, oleta syy ja vahvista se. Numero on alku; Päätös on sinun.
Vinkki: Ajattele tunteiden analysointia jatkuvana elokuvana, ei kertakuvana. Jos toistat saman mittauksen samalla menetelmällä joka viikko, näet trendin (onko se kasvava vai laskeva), joka on paljon arvokkaampi kuin absoluuttinen prosenttiosuus. Trendin muutosten seuraaminen kampanjan, tuotteen tai kriisin jälkeen on paljon tehokkaampi päätöspanos kuin yhden viikon prosenttiosuus.
Sovellustehtävä
Kerää (tai kirjoita) vähintään 40 esimerkkikommenttia. Anna tekoäly tehdä napaisuus + teemaluokitus ja yhteenveto. Lue 5 näytettä kustakin napaisuudesta käsin ja korjaa vähintään 3 väärää/epäilyttävää tarraa. Valitse yleisin negatiivinen teema, luo 3 konkreettista toimintaehdotusta ja kirjoita ylös, kuinka ne mitataan kullekin.
tarkistuslista
- [ ] Käytin riittävää näytettä (100+ ihanteellinen).
- [ ] Peittelin henkilötiedot.
- [ ] Tein napaisuus + teemaluokittelun.
- [ ] Luin esimerkkejä jokaisesta luokasta ja tarkistin tarrat.
- [ ] Merkin ironiaepäillyt erikseen.
- [ ] Useimmiten annoin negatiivisen teeman toiminnalle.
- [ ] Esitin syyn varmennettavana hypoteesina, en lopullisena.