Ieguvumi:
- Spēja interpretēt sentimenta analīzes polaritāti, intensitāti un tēmu rezultātus un klasificēt simtiem komentāru ar mākslīgo intelektu
- Zinot tādas robežas kā ironija, slengs un jauktas emocijas un spēja pārbaudīt procentus ar reāliem piemēriem
- Spēja saistīt negatīvismu ar tēmu un pārvērst to konkrētā darbībā un pārbaudīt iemeslu kā hipotēzi
Tas, par ko zīmols runā sociālajos medijos, ir tikpat svarīgs kā tas, par ko tiek runāts. Zīmola pulsa saglabāšana starp simtiem komentāru, tūkstošiem pieminējumu un nepārtraukti plūstošiem ziņojumiem ir pārāk liela datu kaudze, lai tos varētu izsekot manuāli. Šeit tiek izmantota sentimenta analīze. Šī metode, ko angliski sauc par sentimenta analīzi, ir process, kas automātiski klasificē teksta emocionālo toni (pozitīvs, negatīvs, neitrāls). Mākslīgais intelekts dažās sekundēs var izlasīt simtiem atsauksmju un nākt klajā ar kopsavilkumu, piemēram, "šonedēļ pozitīvie komentāri ir 62%, negatīvi 28%, neitrāli 10%; lielākā daļa negatīvo ir par piegādi." Tas sociālo mediju pārvaldniekam sniedz nenovērtējamu agrīnās brīdināšanas un ieskatu rīku. Taču sentimenta analīze ir arī minējums: tā var nepareizi izlasīt ironiju, humoru un vietējo slengu. Ir svarīgi aplūkot nevis skaitli, bet gan piemērus aiz skaitļa.
Ko mēra sentimenta analīze un ko tā nemēra?
Sentimenta analīze sniedz trīs pamata rezultātus. Polaritāte: vai teksts ir pozitīvs, negatīvs vai neitrāls. Intensitāte: emociju stiprums (viegla neapmierinātība vai dusmas). Tēma/tēma: par ko ir emocijas (cena, piegāde, kvalitāte, serviss). Vērtīgākais rezultāts ir trešais: “negativitātes palielināšanās” vien neizvēršas darbībā; "70% negatīvā ir par kravas kavēšanos" rada tiešu darbību.
Ir svarīgi zināt sentimenta analīzes robežas. Ironija un sarkasms: AI var uzskatīt teikumu “Lieliski, tas atkal nedarbojas 👏” kā pozitīvu. Slengs un tautas valoda: var nepareizi lasīt reģionālās idiomas. Konteksts: vārds "bumba" ir pozitīvs produktā un negatīvs ziņās. Jaukts noskaņojums: "Produkts ir jauks, bet dārgs" ir gan pozitīva, gan negatīva. Tāpēc izmantojiet sentimenta analīzi kā sākumpunktu, nevis kā galīgo patiesību.
izvade
Ko tas dara?
Ierobežojums / risks
Polaritāte (pozitīva/negatīva/neitrāla)
redzēt vispārējo noskaņojumu
Ironijai un karmai trūkst emociju
blīvums
Izpratne par steidzamību
Var nepareizi mērīt pārspīlējumu
tēma/tēma
radīt darbību
Var to piešķirt nepareizai tēmai
Tendence laika gaitā
agrīna brīdināšana
Maldinošs mazā paraugā
Uzmanību: Neiekļaujiet vadības ziņojumā procentus, kas norādīti noskaņojuma analīzē, tos nepārbaudot. Izlasiet dažus reālus piemērus no katras kategorijas un vizuāli pārbaudiet, vai klasifikācija ir pareiza; īpaši tiem, kas apzīmēti kā “negatīvi”.
Soli pa solim: sentimenta analīzes pētījums
- Apkopojiet un notīriet datus. Apkopot komentārus/pieminējumus par konkrētu periodu; maskēt personas datus.
- Pārbaudiet parauga lielumu. Procentuālās daļas atņemšana no 20 komentāriem ir maldinoša; Tiecieties pēc jēgpilnas skaitļa (piemēram, 100+).
- Klasificēt. Lieciet AI veikt polaritāti + motīvu atzīmēšanu.
- Pārbaudiet ar piemēriem. Izlasi 5 piemērus no katras klases; labojiet nepareizās atzīmes.
- Dodiet priekšroku tēmām. Nosakiet 3 tēmas, kas rada visvairāk negatīvisma.
- Piesaistiet to darbībai. Katrai tēmai sagatavojiet priekšlikuma/darbības projektu un nosūtiet to attiecīgajai nodaļai.
Četras kopējamas veidnes
Lielapjoma klasifikācijai:
Klasificējiet katru no šīm atsauksmēm: polaritāte [pozitīvs/negatīvs/neitrāls] un tēma [cena/piegāde/kvalitāte/pakalpojums/cits]. Iespējamo ironiju atzīmējiet ar [?]. Visbeidzot sniedziet kopsavilkumu: katras polaritātes procentuālā daļa un 3 visbiežāk sastopamās negatīvās tēmas. Maskēt personas datus. Komentāri:1) ...2) ...
Tēmas padziļināšanai:
Izlasiet šīs negatīvās atsauksmes un padziļiniet "piegādes" tēmu: kādas apakšproblēmas izceļas (aizkavēšanās, bojājumi, izsekošana, komunikācija)? Norādiet, cik komentāru un 1 reprezentatīvu citātu par katru apakšjautājumu. Neizdomā skaitļus; Vienkārši paļaujieties uz manis sniegtajiem komentāriem. Komentāri:...
Tendenču salīdzināšanai:
Salīdziniet abu periodu noskaņojuma kopsavilkumu.Pēdējais mēnesis: pozitīvi 58%, negatīvi 30%, neitrāli 12%; galvenā negatīvā tēma: cena.Šomēnes: pozitīvi 49%, negatīvi 41%, neitrāli 10%; Galvenā negatīvā tēma: piegāde. Kas ir mainījies, kādi ir iespējamie iemesli? NEPRENDIET precīzu iemeslu; Pārbaudiet hipotēzi un uzrakstiet, kā pārbaudīt katru hipotēzi.
Lai ieskatu pārvērstu darbībā:
No šī noskaņojuma analīzes kopsavilkuma izriet 3 konkrēti rīcības ieteikumi (īstermiņa). Katram ieteikumam: problēma, ierosinātā darbība, kura vienība, kā izmērīt. Kopsavilkums: [ielīmēt kopsavilkumu].
Vāja uzvedne / spēcīga uzvedne
Vāja uzvedne:
Analizējiet šo komentāru noskaņojumu.
Nav skaidra ne polaritāte, ne tēma, ne kopsavilkuma formāts; AI rada nekārtīgu, nepārbaudāmu rezultātu un palaiž garām ironiju.
Spēcīga uzvedne:
Kārtojiet tālāk esošās 60 atsauksmes (pozitīvas/negatīvas/neitrālas + tēma: cena/piegāde/kvalitāte/pakalpojums/cits). Atzīmējiet [?] tiem, kuriem ir aizdomas par ironiju. Vienkārši izveidojiet skaitļus, pamatojoties uz manis sniegtajiem komentāriem. Rezultāts: (1) polaritātes procenti, (2) 3 visbiežāk sastopamās negatīvās tēmas un 1 citāts katram, (3) 3 aizdomīgi atzīmes, kas man ir jāpārbauda.
Pēdējā nodrošina uzticamu, praktiski izmantojamu rezultātu, jo tajā ir iekļauts formāts, robeža un verifikācijas darbība.
trīs mini futrāļi
1. gadījums. Telekomunikāciju zīmols analizēja 1400 pēckampaņas komentārus, izmantojot AI; atklāja, ka 64% no negatīvisma koncentrējās uz tēmu “rēķinu apjukums”. Izmantojot šo ieskatu, viņi uzlaboja FAQ un kampaņas saziņu; nākamajā mēnesī tā pati tēma samazinājās no 64% līdz 22%.
2. gadījums. Pārtikas zīmols prezentēja AI kopsavilkumu “80% pozitīvs” bez pārbaudes. Izlasot piemērus, kļuva skaidrs, ka lielākā daļa komentāru, kas tika uzskatīti par "pozitīviem", ir ironiski ("Man patika, tas trešo reizi atnāca salauzts"). Faktiskais pozitīvais rādītājs bija 52%. Mācība: neziņojiet procentus, nepārbaudot to ar piemēriem.
3. gadījums. Kāds e-komercijas zīmols uzsāka tūlītēju atvainošanās kampaņu pēc tam, kad secināja, ka "negatīvisms eksplodēja" tikai no 18 komentāriem; Tomēr izlase bija ļoti maza un bija pretrunā ar kopējo ainu. Nevajadzīgā kampaņa radīja neskaidrības. Mācība: neizdari lielus secinājumus no neliela izlases.
Biežas kļūdas
- Ignorējot ironiju. Sarkastiskos komentārus uzskatiet par pozitīviem.
- Netiek pārbaudīts procents. Piemērs: numura ievietošana ziņojumā, to neizlasot.
- Neliels paraugs. No 15-20 komentāriem iegūstot galīgo tendenci.
- Bezkontakta analīze. Sakot "tas ir negatīvi palielinājies" un neatrodot iemeslu; neizraisa darbību.
- Personas datu neslēpšana. Recenzentu vārdu norādīšana rīkam.
- Galīgi paziņojot iemeslu. Kļūdaina korelācija ar cēloņsakarību un nepareiza darbība.
Priekšmeta analīze un konkurentu salīdzināšana
Metode, kas virza sentimenta analīzi vēl vienu soli, ir aspektu analīze: tā vietā, lai saspiestu komentāru vienā pozitīvā/negatīvā tagā, tiek izvērtētas dažādas tēmas tajā. Piemēram, teikums "Prece ir lieliska, bet piegāde ir briesmīga un cena ir pieņemama" neiederas vienā polaritātē; uz tēmu balstīta analīze to sadala šādi: “produkts: pozitīvs, piegāde: negatīvs, cena: pozitīvs”. Šī atšķirība ir daudz vairāk vērsta uz darbību, jo tā skaidri parāda, kurš jautājums rada gandarījumu un kurš rada neapmierinātību. Jūs varat sasniegt šo dziļumu, pasakot mākslīgajam intelektam "sadalīt katru komentāru tēmās un piešķirt katrai tēmai atsevišķu polaritāti".
Otrs spēcīgais lietojums ir konkurentu salīdzinošā novērtēšana (sava veiktspējas salīdzināšana ar konkurentiem). Ja jūs pretstatat noskaņojumu par savu zīmolu un konkurentu noskaņojumu, skaitlis "mūsu negatīvisms ir 30%" ir jēgpilns: ja nozares vidējais rādītājs ir 45%, jums klājas labi, ja tas ir 15%, jūs atpaliek. Tomēr, vācot konkurentu datus, izmantojiet tikai publiski pieejamus, likumīgus avotus; Izvairieties no nesankcionētas datu vākšanas un privātuma pārkāpumiem. Salīdzinošās novērtēšanas mērķis nav atdarināt konkurenci, bet gan kontekstualizēt savas stiprās un vājās puses. Abās metodēs pamatnoteikums paliek nemainīgs: pārbaudiet AI klasifikāciju ar reāliem piemēriem un norādiet iemeslu kā hipotēzi, nevis kā galīgu.
Rezumējot
Sentimenta analīze mēra kopienas pulsu: piešķir polaritāti, intensitāti un, pats galvenais, tēmu. AI sašķiro simtiem komentāru sekundē, taču var palaist garām ironiju, slengu un jauktas emocijas. Vērtība savieno negatīvismu ar tēmu un pārvērš to darbībā. Izmantojiet atbilstošu paraugu, pārbaudiet procentus ar reāliem paraugiem, izvirziet cēloni un apstipriniet to. Skaitlis ir sākums; Lēmums ir jūsu.
Padoms. Domājiet par sentimenta analīzi kā nepārtrauktu filmu, nevis vienu fotoattēlu. Ja katru nedēļu atkārtosiet vienu un to pašu mērījumu ar vienu un to pašu metodi, jūs redzēsiet tendenci (vai tā pieaug vai samazinās), kas ir daudz vērtīgāka par absolūto procentuālo vērtību. Vērošana, kā tendences mainās pēc kampaņas, produkta vai krīzes, ir daudz spēcīgāka lēmuma ievade nekā vienas nedēļas procents.
Lietojumprogrammas uzdevums
Savāc (vai uzraksti) vismaz 40 komentāru paraugus. Lieciet AI noteikt polaritāti + motīvu klasifikāciju un kopsavilkumu. Ar roku izlasiet 5 katras polaritātes paraugus un izlabojiet vismaz 3 nepareizas/apšaubāmas etiķetes. Izvēlieties visbiežāk sastopamo negatīvo tēmu, ģenerējiet 3 konkrētus rīcības ieteikumus un pierakstiet, kā tie tiks novērtēti katram.
kontrolsaraksts
- [ ] Es izmantoju atbilstošu paraugu (100+ ideāls).
- [ ] Es maskēju personas datus.
- [ ] Man bija veikta polaritātes + tēmas klasifikācija.
- [ ] Es izlasīju piemērus no katras klases un pārbaudīju etiķetes.
- [ ] Ironijas aizdomās turamos es atzīmēju atsevišķi.
- [ ] Negatīvo tēmu visbiežāk attiecināju uz darbību.
- [ ] Iemeslu es izvirzīju kā pārbaudāmu hipotēzi, nevis galīgu.