ਟਿੱਪਣੀ ਅਤੇ ਭਾਵਨਾ ਦਾ ਵਿਸ਼ਲੇਸ਼ਣ: ਕਮਿਊਨਿਟੀ ਦੀ ਨਬਜ਼ ਨੂੰ ਲੈਣਾ

ਲਾਭ:

• ਭਾਵਨਾ ਦੇ ਵਿਸ਼ਲੇਸ਼ਣ ਦੀ ਧਰੁਵੀਤਾ, ਤੀਬਰਤਾ ਅਤੇ ਥੀਮ ਆਉਟਪੁੱਟ ਦੀ ਵਿਆਖਿਆ ਕਰਨ ਅਤੇ ਨਕਲੀ ਬੁੱਧੀ ਨਾਲ ਸੈਂਕੜੇ ਟਿੱਪਣੀਆਂ ਦਾ ਵਰਗੀਕਰਨ ਕਰਨ ਦੀ ਸਮਰੱਥਾ
• ਸੀਮਾਵਾਂ ਨੂੰ ਜਾਣਨਾ ਜਿਵੇਂ ਕਿ ਵਿਅੰਗਾਤਮਕ, ਗਾਲੀ-ਗਲੋਚ ਅਤੇ ਮਿਸ਼ਰਤ ਭਾਵਨਾਵਾਂ ਅਤੇ ਅਸਲ ਉਦਾਹਰਣਾਂ ਨਾਲ ਪ੍ਰਤੀਸ਼ਤਾਂ ਦੀ ਪੁਸ਼ਟੀ ਕਰਨ ਦੇ ਯੋਗ ਹੋਣਾ
• ਇੱਕ ਥੀਮ ਨਾਲ ਨਕਾਰਾਤਮਕਤਾ ਨੂੰ ਜੋੜਨ ਅਤੇ ਇਸਨੂੰ ਠੋਸ ਕਾਰਵਾਈ ਵਿੱਚ ਬਦਲਣ ਅਤੇ ਇੱਕ ਅਨੁਮਾਨ ਦੇ ਰੂਪ ਵਿੱਚ ਕਾਰਨ ਦੀ ਜਾਂਚ ਕਰਨ ਦੀ ਸਮਰੱਥਾ

ਸੋਸ਼ਲ ਮੀਡੀਆ 'ਤੇ ਇੱਕ ਬ੍ਰਾਂਡ ਕਿਸ ਬਾਰੇ ਗੱਲ ਕਰਦਾ ਹੈ ਓਨਾ ਹੀ ਮਹੱਤਵਪੂਰਨ ਹੈ ਜਿੰਨਾ ਕਿ ਗੱਲ ਕੀਤੀ ਜਾਂਦੀ ਹੈ। ਸੈਂਕੜੇ ਟਿੱਪਣੀਆਂ, ਹਜ਼ਾਰਾਂ ਜ਼ਿਕਰਾਂ ਅਤੇ ਲਗਾਤਾਰ ਵਹਿ ਰਹੇ ਸੁਨੇਹਿਆਂ ਦੇ ਵਿਚਕਾਰ ਬ੍ਰਾਂਡ ਦੀ ਨਬਜ਼ ਨੂੰ ਬਣਾਈ ਰੱਖਣਾ, ਹੱਥੀਂ ਟਰੈਕ ਕਰਨ ਲਈ ਬਹੁਤ ਜ਼ਿਆਦਾ ਡੇਟਾ ਦਾ ਢੇਰ ਹੈ। ਇਹ ਉਹ ਥਾਂ ਹੈ ਜਿੱਥੇ ਭਾਵਨਾ ਵਿਸ਼ਲੇਸ਼ਣ ਖੇਡ ਵਿੱਚ ਆਉਂਦਾ ਹੈ. ਇਹ ਵਿਧੀ, ਜਿਸ ਨੂੰ ਅੰਗਰੇਜ਼ੀ ਵਿੱਚ ਭਾਵਨਾ ਵਿਸ਼ਲੇਸ਼ਣ ਕਿਹਾ ਜਾਂਦਾ ਹੈ, ਇੱਕ ਪਾਠ ਦੇ ਭਾਵਨਾਤਮਕ ਟੋਨ (ਸਕਾਰਾਤਮਕ, ਨਕਾਰਾਤਮਕ, ਨਿਰਪੱਖ) ਨੂੰ ਆਪਣੇ ਆਪ ਵਰਗੀਕ੍ਰਿਤ ਕਰਨ ਦੀ ਪ੍ਰਕਿਰਿਆ ਹੈ। ਆਰਟੀਫੀਸ਼ੀਅਲ ਇੰਟੈਲੀਜੈਂਸ ਸਕਿੰਟਾਂ ਵਿੱਚ ਸੈਂਕੜੇ ਸਮੀਖਿਆਵਾਂ ਪੜ੍ਹ ਸਕਦੀ ਹੈ ਅਤੇ ਇੱਕ ਸੰਖੇਪ ਦੇ ਨਾਲ ਆ ਸਕਦੀ ਹੈ ਜਿਵੇਂ ਕਿ "ਇਸ ਹਫ਼ਤੇ ਦੀਆਂ ਸਕਾਰਾਤਮਕ ਟਿੱਪਣੀਆਂ 62%, ਨਕਾਰਾਤਮਕ 28%, ਨਿਰਪੱਖ 10% ਹਨ; ਜ਼ਿਆਦਾਤਰ ਨਕਾਰਾਤਮਕ ਸ਼ਿਪਿੰਗ ਬਾਰੇ ਹਨ।" ਇਹ ਇੱਕ ਸੋਸ਼ਲ ਮੀਡੀਆ ਮੈਨੇਜਰ ਨੂੰ ਇੱਕ ਅਨਮੋਲ ਸ਼ੁਰੂਆਤੀ ਚੇਤਾਵਨੀ ਅਤੇ ਸੂਝ ਟੂਲ ਦਿੰਦਾ ਹੈ। ਪਰ ਭਾਵਨਾਤਮਕ ਵਿਸ਼ਲੇਸ਼ਣ ਵੀ ਇੱਕ ਅਨੁਮਾਨ ਹੈ: ਇਹ ਵਿਅੰਗਾਤਮਕ, ਹਾਸੇ ਅਤੇ ਸਥਾਨਕ ਗਾਲੀ-ਗਲੋਚ ਨੂੰ ਗਲਤ ਸਮਝ ਸਕਦਾ ਹੈ। ਸੰਖਿਆ 'ਤੇ ਨਹੀਂ, ਪਰ ਸੰਖਿਆ ਦੇ ਪਿੱਛੇ ਦੀਆਂ ਉਦਾਹਰਣਾਂ 'ਤੇ ਵੇਖਣਾ ਜ਼ਰੂਰੀ ਹੈ।

ਭਾਵਨਾ ਵਿਸ਼ਲੇਸ਼ਣ ਕੀ ਮਾਪਦਾ ਹੈ ਅਤੇ ਇਹ ਕੀ ਨਹੀਂ ਮਾਪਦਾ ਹੈ?

ਭਾਵਨਾ ਵਿਸ਼ਲੇਸ਼ਣ ਤਿੰਨ ਬੁਨਿਆਦੀ ਆਉਟਪੁੱਟ ਦਿੰਦਾ ਹੈ। ਪੋਲਰਿਟੀ: ਪਾਠ ਸਕਾਰਾਤਮਕ, ਨਕਾਰਾਤਮਕ ਜਾਂ ਨਿਰਪੱਖ ਹੈ। ਤੀਬਰਤਾ: ਭਾਵਨਾ ਦੀ ਤਾਕਤ (ਹਲਕੀ ਅਸੰਤੁਸ਼ਟੀ ਜਾਂ ਗੁੱਸਾ)। ਥੀਮ/ਵਿਸ਼ਾ: ਭਾਵਨਾ ਕਿਸ ਬਾਰੇ ਹੈ (ਕੀਮਤ, ਸ਼ਿਪਿੰਗ, ਗੁਣਵੱਤਾ, ਸੇਵਾ)। ਸਭ ਤੋਂ ਕੀਮਤੀ ਨਤੀਜਾ ਤੀਜਾ ਹੈ: "ਨਕਾਰਾਤਮਕਤਾ ਵਧੀ" ਇਕੱਲੇ ਕਾਰਵਾਈ ਵਿੱਚ ਅਨੁਵਾਦ ਨਹੀਂ ਹੁੰਦੀ; "ਨਕਾਰਾਤਮਕਤਾ ਦਾ 70% ਕਾਰਗੋ ਦੇਰੀ ਬਾਰੇ ਹੈ" ਇੱਕ ਸਿੱਧੀ ਕਾਰਵਾਈ ਪੈਦਾ ਕਰਦਾ ਹੈ.

ਭਾਵਨਾਤਮਕ ਵਿਸ਼ਲੇਸ਼ਣ ਦੀਆਂ ਸੀਮਾਵਾਂ ਨੂੰ ਜਾਣਨਾ ਜ਼ਰੂਰੀ ਹੈ। ਵਿਅੰਗਾਤਮਕ ਅਤੇ ਵਿਅੰਗਾਤਮਕ: AI ਵਾਕ ਨੂੰ "ਬਹੁਤ ਵਧੀਆ, ਇਹ ਦੁਬਾਰਾ ਕੰਮ ਨਹੀਂ ਕਰ ਰਿਹਾ 👏" ਨੂੰ ਸਕਾਰਾਤਮਕ ਸਮਝ ਸਕਦਾ ਹੈ। ਗਾਲੀ-ਗਲੋਚ ਅਤੇ ਭਾਸ਼ਾ: ਖੇਤਰੀ ਮੁਹਾਵਰੇ ਨੂੰ ਗਲਤ ਪੜ੍ਹ ਸਕਦੇ ਹਨ। ਸੰਦਰਭ: ਸ਼ਬਦ "ਬੰਬ" ਇੱਕ ਉਤਪਾਦ ਵਿੱਚ ਸਕਾਰਾਤਮਕ ਹੈ ਅਤੇ ਇੱਕ ਖਬਰ ਕਹਾਣੀ ਵਿੱਚ ਨਕਾਰਾਤਮਕ ਹੈ। ਮਿਸ਼ਰਤ ਭਾਵਨਾ: "ਉਤਪਾਦ ਵਧੀਆ ਹੈ ਪਰ ਮਹਿੰਗਾ ਹੈ" ਸਕਾਰਾਤਮਕ ਅਤੇ ਨਕਾਰਾਤਮਕ ਦੋਵਾਂ ਨੂੰ ਰੱਖਦਾ ਹੈ। ਇਸ ਲਈ ਭਾਵਨਾ ਵਿਸ਼ਲੇਸ਼ਣ ਨੂੰ ਸ਼ੁਰੂਆਤੀ ਬਿੰਦੂ ਵਜੋਂ ਵਰਤੋ, ਨਿਸ਼ਚਤ ਸੱਚਾਈ ਵਜੋਂ ਨਹੀਂ।

ਆਉਟਪੁੱਟ

ਇਹ ਕੀ ਕਰਦਾ ਹੈ?

ਸੀਮਾ / ਜੋਖਮ

ਧਰੁਵੀਤਾ (ਸਕਾਰਾਤਮਕ/ਨਕਾਰਾਤਮਕ/ਨਿਰਪੱਖ)

ਆਮ ਮੂਡ ਵੇਖੋ

ਵਿਅੰਗ ਅਤੇ ਕਰਮ ਭਾਵਨਾ ਤੋਂ ਖੁੰਝ ਜਾਂਦੇ ਹਨ

ਘਣਤਾ

ਜ਼ਰੂਰੀਤਾ ਨੂੰ ਸਮਝਣਾ

ਅਤਿਕਥਨੀ ਨੂੰ ਗਲਤ ਢੰਗ ਨਾਲ ਮਾਪ ਸਕਦਾ ਹੈ

ਥੀਮ/ਵਿਸ਼ਾ

ਕਾਰਵਾਈ ਪੈਦਾ

ਹੋ ਸਕਦਾ ਹੈ ਕਿ ਇਸਨੂੰ ਗਲਤ ਥੀਮ ਲਈ ਨਿਰਧਾਰਤ ਕੀਤਾ ਜਾ ਸਕੇ

ਸਮੇਂ ਦੇ ਨਾਲ ਰੁਝਾਨ

ਸ਼ੁਰੂਆਤੀ ਚੇਤਾਵਨੀ

ਛੋਟੇ ਨਮੂਨੇ ਦੇ ਆਕਾਰ ਵਿੱਚ ਗੁੰਮਰਾਹਕੁੰਨ

ਧਿਆਨ ਦਿਓ: ਉਹਨਾਂ ਦੀ ਪੁਸ਼ਟੀ ਕੀਤੇ ਬਿਨਾਂ ਪ੍ਰਬੰਧਨ ਰਿਪੋਰਟ ਵਿੱਚ ਭਾਵਨਾ ਵਿਸ਼ਲੇਸ਼ਣ ਦੁਆਰਾ ਦਿੱਤੇ ਗਏ ਪ੍ਰਤੀਸ਼ਤ ਨੂੰ ਸ਼ਾਮਲ ਨਾ ਕਰੋ। ਹਰੇਕ ਸ਼੍ਰੇਣੀ ਵਿੱਚੋਂ ਕੁਝ ਅਸਲ ਉਦਾਹਰਣਾਂ ਨੂੰ ਪੜ੍ਹੋ ਅਤੇ ਦ੍ਰਿਸ਼ਟੀਗਤ ਤੌਰ 'ਤੇ ਜਾਂਚ ਕਰੋ ਕਿ ਕੀ ਵਰਗੀਕਰਨ ਸਹੀ ਹੈ; ਖਾਸ ਤੌਰ 'ਤੇ ਜਿਨ੍ਹਾਂ ਨੂੰ "ਨਕਾਰਾਤਮਕ" ਲੇਬਲ ਕੀਤਾ ਗਿਆ ਹੈ।

ਕਦਮ ਦਰ ਕਦਮ: ਇੱਕ ਭਾਵਨਾ ਵਿਸ਼ਲੇਸ਼ਣ ਅਧਿਐਨ

1. ਡਾਟਾ ਇਕੱਠਾ ਕਰੋ ਅਤੇ ਸਾਫ਼ ਕਰੋ। ਇੱਕ ਖਾਸ ਮਿਆਦ ਲਈ ਕੁੱਲ ਟਿੱਪਣੀਆਂ/ਉਲੇਖ; ਮਾਸਕ ਨਿੱਜੀ ਡਾਟਾ.
2. ਨਮੂਨੇ ਦੇ ਆਕਾਰ ਦੀ ਜਾਂਚ ਕਰੋ. 20 ਟਿੱਪਣੀਆਂ ਵਿੱਚੋਂ ਪ੍ਰਤੀਸ਼ਤ ਨੂੰ ਘਟਾਉਣਾ ਗੁੰਮਰਾਹਕੁੰਨ ਹੈ; ਇੱਕ ਅਰਥਪੂਰਨ ਸੰਖਿਆ (ਜਿਵੇਂ ਕਿ 100+) ਲਈ ਟੀਚਾ ਰੱਖੋ।
3. ਵਰਗੀਕਰਨ ਕਰੋ। AI do polarity + ਥੀਮ ਟੈਗਿੰਗ ਕਰੋ।
4. ਉਦਾਹਰਣਾਂ ਨਾਲ ਪੁਸ਼ਟੀ ਕਰੋ। ਹਰੇਕ ਕਲਾਸ ਤੋਂ 5 ਉਦਾਹਰਨਾਂ ਪੜ੍ਹੋ; ਗਲਤ ਟੈਗ ਠੀਕ ਕਰੋ।
5. ਥੀਮਾਂ ਨੂੰ ਤਰਜੀਹ ਦਿਓ। 3 ਥੀਮਾਂ ਦੀ ਪਛਾਣ ਕਰੋ ਜੋ ਸਭ ਤੋਂ ਵੱਧ ਨਕਾਰਾਤਮਕਤਾ ਪੈਦਾ ਕਰਦੇ ਹਨ।
6. ਇਸ ਨੂੰ ਕਾਰਵਾਈ ਨਾਲ ਜੋੜੋ. ਹਰੇਕ ਥੀਮ ਲਈ ਇੱਕ ਪ੍ਰਸਤਾਵ/ਐਕਸ਼ਨ ਡਰਾਫਟ ਤਿਆਰ ਕਰੋ ਅਤੇ ਇਸਨੂੰ ਸੰਬੰਧਿਤ ਯੂਨਿਟ ਨੂੰ ਭੇਜੋ।

ਚਾਰ ਕਾਪੀ ਕਰਨ ਯੋਗ ਟੈਂਪਲੇਟ

ਬਲਕ ਵਰਗੀਕਰਨ ਲਈ:

ਹੇਠਾਂ ਦਿੱਤੀਆਂ ਸਮੀਖਿਆਵਾਂ ਵਿੱਚੋਂ ਹਰੇਕ ਨੂੰ ਸ਼੍ਰੇਣੀਬੱਧ ਕਰੋ: ਧਰੁਵੀਤਾ [ਸਕਾਰਾਤਮਕ/ਨਕਾਰਾਤਮਕ/ਨਿਰਪੱਖ] ਅਤੇ ਥੀਮ [ਕੀਮਤ/ਸ਼ਿਪਿੰਗ/ਗੁਣਵੱਤਾ/ਸੇਵਾ/ਹੋਰ]। [?] ਨਾਲ ਸੰਭਵ ਵਿਅੰਗਾਤਮਕ ਨੂੰ ਚਿੰਨ੍ਹਿਤ ਕਰੋ। ਅੰਤ ਵਿੱਚ ਇੱਕ ਸਾਰਾਂਸ਼ ਦਿਓ: ਹਰੇਕ ਧਰੁਵੀਤਾ ਦੀ ਪ੍ਰਤੀਸ਼ਤਤਾ ਅਤੇ 3 ਸਭ ਤੋਂ ਵੱਧ ਵਾਰ-ਵਾਰ ਨਕਾਰਾਤਮਕ ਥੀਮ। ਨਿੱਜੀ ਡੇਟਾ ਨੂੰ ਮਾਸਕ ਕਰੋ. ਟਿੱਪਣੀਆਂ: 1) ...2) ...

ਥੀਮ ਨੂੰ ਡੂੰਘਾ ਕਰਨ ਲਈ:

ਇਹਨਾਂ ਨਕਾਰਾਤਮਕ ਸਮੀਖਿਆਵਾਂ ਨੂੰ ਪੜ੍ਹੋ ਅਤੇ "ਸ਼ਿਪਿੰਗ" ਥੀਮ ਨੂੰ ਡੂੰਘਾ ਕਰੋ: ਕਿਹੜੇ ਉਪ-ਮੁੱਦੇ ਵੱਖਰੇ ਹਨ (ਦੇਰੀ, ਨੁਕਸਾਨ, ਟਰੈਕਿੰਗ, ਸੰਚਾਰ)? ਹਰੇਕ ਉਪ-ਮੁੱਦੇ ਲਈ ਕਿੰਨੀਆਂ ਟਿੱਪਣੀਆਂ ਅਤੇ 1 ਪ੍ਰਤੀਨਿਧੀ ਹਵਾਲਾ ਦਿਓ। ਨੰਬਰ ਨਾ ਬਣਾਓ; ਬੱਸ ਮੇਰੇ ਵੱਲੋਂ ਦਿੱਤੀਆਂ ਟਿੱਪਣੀਆਂ 'ਤੇ ਭਰੋਸਾ ਕਰੋ। ਟਿੱਪਣੀਆਂ: ...

ਰੁਝਾਨ ਦੀ ਤੁਲਨਾ ਲਈ:

ਦੋ ਪੀਰੀਅਡਾਂ ਦੇ ਭਾਵਨਾ ਸੰਖੇਪ ਦੀ ਤੁਲਨਾ ਕਰੋ। ਪਿਛਲੇ ਮਹੀਨੇ: ਸਕਾਰਾਤਮਕ 58%, ਨਕਾਰਾਤਮਕ 30%, ਨਿਰਪੱਖ 12%; ਮੁੱਖ ਨਕਾਰਾਤਮਕ ਥੀਮ: ਕੀਮਤ।ਇਸ ਮਹੀਨੇ: ਸਕਾਰਾਤਮਕ 49%, ਨਕਾਰਾਤਮਕ 41%, ਨਿਰਪੱਖ 10%; ਮੁੱਖ ਨਕਾਰਾਤਮਕ ਥੀਮ: ਸ਼ਿਪਿੰਗ. ਕੀ ਬਦਲਿਆ ਹੈ, ਸੰਭਵ ਕਾਰਨ ਕੀ ਹਨ? ਸਹੀ ਕਾਰਨ ਦਾ ਦਾਅਵਾ ਨਾ ਕਰੋ; ਪਰਿਕਲਪਨਾ ਦੀ ਪੁਸ਼ਟੀ ਕਰੋ ਅਤੇ ਲਿਖੋ ਕਿ ਹਰੇਕ ਪਰਿਕਲਪਨਾ ਦੀ ਪੁਸ਼ਟੀ ਕਿਵੇਂ ਕਰਨੀ ਹੈ।

ਸੂਝ ਨੂੰ ਕਾਰਵਾਈ ਵਿੱਚ ਬਦਲਣ ਲਈ:

ਨਿਮਨਲਿਖਤ ਭਾਵਨਾ ਵਿਸ਼ਲੇਸ਼ਣ ਦੇ ਸਾਰ ਤੋਂ, 3 ਠੋਸ ਕਾਰਵਾਈ ਸੁਝਾਅ ਸਾਹਮਣੇ ਆਉਂਦੇ ਹਨ (ਥੋੜ੍ਹੇ ਸਮੇਂ ਲਈ)। ਹਰੇਕ ਸੁਝਾਅ ਲਈ: ਸਮੱਸਿਆ, ਪ੍ਰਸਤਾਵਿਤ ਕਾਰਵਾਈ, ਕਿਹੜੀ ਇਕਾਈ, ਕਿਵੇਂ ਮਾਪਣਾ ਹੈ। ਸੰਖੇਪ: [ਪੇਸਟ ਸੰਖੇਪ]।

ਕਮਜ਼ੋਰ ਪ੍ਰੋਂਪਟ / ਮਜ਼ਬੂਤ ਪ੍ਰੋਂਪਟ

ਕਮਜ਼ੋਰ ਪ੍ਰੋਂਪਟ:

ਇਹਨਾਂ ਟਿੱਪਣੀਆਂ ਦੀ ਭਾਵਨਾ ਦਾ ਵਿਸ਼ਲੇਸ਼ਣ ਕਰੋ।

ਨਾ ਤਾਂ ਧਰੁਵੀਤਾ, ਥੀਮ ਅਤੇ ਨਾ ਹੀ ਸੰਖੇਪ ਫਾਰਮੈਟ ਸਪੱਸ਼ਟ ਹੈ; AI ਇੱਕ ਗੜਬੜ, ਅਪ੍ਰਮਾਣਿਤ ਨਤੀਜਾ ਪੈਦਾ ਕਰਦਾ ਹੈ ਅਤੇ ਵਿਅੰਗਾਤਮਕ ਨੂੰ ਖੁੰਝਾਉਂਦਾ ਹੈ।

ਸ਼ਕਤੀਸ਼ਾਲੀ ਪ੍ਰਾਉਟ:

ਹੇਠਾਂ 60 ਸਮੀਖਿਆਵਾਂ ਨੂੰ ਕ੍ਰਮਬੱਧ ਕਰੋ (ਸਕਾਰਾਤਮਕ/ਨਕਾਰਾਤਮਕ/ਨਿਰਪੱਖ + ਥੀਮ: ਕੀਮਤ/ਸ਼ਿਪਿੰਗ/ਗੁਣਵੱਤਾ/ਸੇਵਾ/ਹੋਰ)। ਸ਼ੱਕੀ ਵਿਅੰਗਾਤਮਕਤਾ ਵਾਲੇ ਲੋਕਾਂ ਲਈ [?] ਮਾਰਕ ਕਰੋ। ਮੇਰੇ ਵੱਲੋਂ ਦਿੱਤੀਆਂ ਟਿੱਪਣੀਆਂ ਦੇ ਆਧਾਰ 'ਤੇ ਸਿਰਫ਼ ਨੰਬਰ ਬਣਾਓ। ਆਉਟਪੁੱਟ: (1) ਪੋਲਰਿਟੀ ਪ੍ਰਤੀਸ਼ਤ, (2) 3 ਸਭ ਤੋਂ ਵੱਧ ਵਾਰ-ਵਾਰ ਨਕਾਰਾਤਮਕ ਥੀਮ ਅਤੇ ਹਰੇਕ ਲਈ 1 ਹਵਾਲਾ, (3) 3 ਸ਼ੱਕੀ ਟੈਗ ਜਿਨ੍ਹਾਂ ਦੀ ਮੈਨੂੰ ਪੁਸ਼ਟੀ ਕਰਨ ਦੀ ਲੋੜ ਹੈ।

ਬਾਅਦ ਵਾਲਾ ਇੱਕ ਭਰੋਸੇਮੰਦ, ਕਾਰਵਾਈਯੋਗ ਨਤੀਜਾ ਪ੍ਰਦਾਨ ਕਰਦਾ ਹੈ ਕਿਉਂਕਿ ਇਸ ਵਿੱਚ ਫਾਰਮੈਟ, ਸੀਮਾ, ਅਤੇ ਪੁਸ਼ਟੀਕਰਨ ਪੜਾਅ ਸ਼ਾਮਲ ਹੁੰਦਾ ਹੈ।

ਤਿੰਨ ਛੋਟੇ ਕੇਸ

ਕੇਸ 1. ਇੱਕ ਟੈਲੀਕਾਮ ਬ੍ਰਾਂਡ ਨੇ AI ਨਾਲ 1,400 ਪੋਸਟ-ਮੁਹਿੰਮ ਦੀਆਂ ਟਿੱਪਣੀਆਂ ਦਾ ਵਿਸ਼ਲੇਸ਼ਣ ਕੀਤਾ; ਪਾਇਆ ਗਿਆ ਕਿ 64% ਨਕਾਰਾਤਮਕਤਾ "ਬਿੱਲ ਉਲਝਣ" ਦੇ ਵਿਸ਼ੇ ਦੁਆਲੇ ਕੇਂਦਰਿਤ ਹੈ। ਇਸ ਸੂਝ ਨਾਲ, ਉਹਨਾਂ ਨੇ FAQ ਅਤੇ ਮੁਹਿੰਮ ਸੰਚਾਰਾਂ ਨੂੰ ਸੁਧਾਰਿਆ; ਅਗਲੇ ਮਹੀਨੇ ਉਹੀ ਥੀਮ 64% ਤੋਂ ਘਟ ਕੇ 22% ਹੋ ਗਿਆ।

ਕੇਸ 2. ਇੱਕ ਭੋਜਨ ਬ੍ਰਾਂਡ ਨੇ ਬਿਨਾਂ ਤਸਦੀਕ ਦੇ ਪ੍ਰਬੰਧਨ ਨੂੰ AI ਦਾ "80% ਸਕਾਰਾਤਮਕ" ਸੰਖੇਪ ਪੇਸ਼ ਕੀਤਾ। ਉਦਾਹਰਣਾਂ ਨੂੰ ਪੜ੍ਹਨ ਤੋਂ ਬਾਅਦ, ਇਹ ਸਪੱਸ਼ਟ ਹੋ ਗਿਆ ਕਿ "ਸਕਾਰਾਤਮਕ" ਮੰਨੀਆਂ ਗਈਆਂ ਜ਼ਿਆਦਾਤਰ ਟਿੱਪਣੀਆਂ ਵਿਅੰਗਾਤਮਕ ਸਨ ("ਮੈਂ ਇਸਨੂੰ ਪਿਆਰ ਕੀਤਾ, ਇਹ ਤੀਜੀ ਵਾਰ ਟੁੱਟਿਆ")। ਅਸਲ ਸਕਾਰਾਤਮਕ ਦਰ 52% ਸੀ। ਪਾਠ: ਉਦਾਹਰਨਾਂ ਦੇ ਨਾਲ ਇਸਦੀ ਪੁਸ਼ਟੀ ਕੀਤੇ ਬਿਨਾਂ ਪ੍ਰਤੀਸ਼ਤ ਦੀ ਰਿਪੋਰਟ ਨਾ ਕਰੋ।

ਕੇਸ 3. ਇੱਕ ਈ-ਕਾਮਰਸ ਬ੍ਰਾਂਡ ਨੇ ਸਿਰਫ਼ 18 ਟਿੱਪਣੀਆਂ ਤੋਂ "ਨਕਾਰਾਤਮਕਤਾ ਵਿਸਫੋਟ" ਦੇ ਸਿੱਟੇ ਤੋਂ ਬਾਅਦ ਇੱਕ ਤੁਰੰਤ ਮੁਆਫੀ ਮੁਹਿੰਮ ਸ਼ੁਰੂ ਕੀਤੀ; ਹਾਲਾਂਕਿ, ਨਮੂਨਾ ਬਹੁਤ ਛੋਟਾ ਸੀ ਅਤੇ ਆਮ ਤਸਵੀਰ ਦੇ ਉਲਟ ਸੀ. ਬੇਲੋੜੀ ਮੁਹਿੰਮ ਨੇ ਭੰਬਲਭੂਸਾ ਪੈਦਾ ਕੀਤਾ। ਸਬਕ: ਛੋਟੇ ਨਮੂਨੇ ਤੋਂ ਵੱਡੇ ਸਿੱਟੇ ਨਾ ਕੱਢੋ।

ਆਮ ਗਲਤੀਆਂ

• ਵਿਅੰਗ ਨੂੰ ਨਜ਼ਰਅੰਦਾਜ਼ ਕਰਨਾ. ਵਿਅੰਗਾਤਮਕ ਟਿੱਪਣੀਆਂ ਨੂੰ ਸਕਾਰਾਤਮਕ ਸਮਝੋ।
• ਪ੍ਰਤੀਸ਼ਤ ਦੀ ਪੁਸ਼ਟੀ ਨਹੀਂ ਕੀਤੀ ਜਾ ਰਹੀ ਹੈ। ਉਦਾਹਰਨ: ਬਿਨਾਂ ਪੜ੍ਹੇ ਰਿਪੋਰਟ 'ਤੇ ਨੰਬਰ ਲਗਾਉਣਾ।
• ਛੋਟਾ ਨਮੂਨਾ. 15-20 ਟਿੱਪਣੀਆਂ ਤੋਂ ਇੱਕ ਨਿਸ਼ਚਿਤ ਰੁਝਾਨ ਪ੍ਰਾਪਤ ਕਰਨਾ.
• ਸੰਪਰਕ ਰਹਿਤ ਵਿਸ਼ਲੇਸ਼ਣ. "ਇਹ ਨਕਾਰਾਤਮਕ ਤੌਰ 'ਤੇ ਵਧਿਆ ਹੈ" ਅਤੇ ਕਾਰਨ ਨਾ ਲੱਭਣਾ; ਕਾਰਵਾਈ ਪੈਦਾ ਨਹੀਂ ਕਰਦਾ।
• ਨਿੱਜੀ ਡੇਟਾ ਨੂੰ ਮਾਸਕ ਨਹੀਂ ਕਰਨਾ। ਟੂਲ ਨੂੰ ਸਮੀਖਿਅਕਾਂ ਦਾ ਨਾਮ ਦੇਣਾ।
• ਕਾਰਨ ਦਾ ਨਿਸ਼ਚਤ ਤੌਰ 'ਤੇ ਐਲਾਨ ਕਰਨਾ। ਕਾਰਣ-ਕਾਰਨ ਲਈ ਗਲਤ ਸਬੰਧ ਬਣਾਉਣਾ ਅਤੇ ਗਲਤ ਕਾਰਵਾਈ ਕਰਨਾ।

ਵਿਸ਼ਾ-ਅਧਾਰਿਤ ਵਿਸ਼ਲੇਸ਼ਣ ਅਤੇ ਪ੍ਰਤੀਯੋਗੀ ਤੁਲਨਾ

ਭਾਵਨਾ ਵਿਸ਼ਲੇਸ਼ਣ ਨੂੰ ਇੱਕ ਕਦਮ ਹੋਰ ਅੱਗੇ ਲਿਜਾਣ ਦਾ ਤਰੀਕਾ ਪਹਿਲੂ-ਅਧਾਰਿਤ ਵਿਸ਼ਲੇਸ਼ਣ ਹੈ: ਇੱਕ ਟਿੱਪਣੀ ਨੂੰ ਇੱਕ ਸਕਾਰਾਤਮਕ/ਨਕਾਰਾਤਮਕ ਟੈਗ ਵਿੱਚ ਸੰਕੁਚਿਤ ਕਰਨ ਦੀ ਬਜਾਏ, ਇਸਦੇ ਅੰਦਰ ਵੱਖ-ਵੱਖ ਵਿਸ਼ਿਆਂ ਦਾ ਵੱਖਰੇ ਤੌਰ 'ਤੇ ਮੁਲਾਂਕਣ ਕਰਨਾ। ਉਦਾਹਰਨ ਲਈ, ਵਾਕ "ਉਤਪਾਦ ਬਹੁਤ ਵਧੀਆ ਹੈ, ਪਰ ਸ਼ਿਪਿੰਗ ਭਿਆਨਕ ਹੈ ਅਤੇ ਕੀਮਤ ਵਾਜਬ ਹੈ" ਇੱਕ ਸਿੰਗਲ ਪੋਲਰਿਟੀ ਵਿੱਚ ਫਿੱਟ ਨਹੀਂ ਹੁੰਦਾ; ਵਿਸ਼ਾ-ਅਧਾਰਿਤ ਵਿਸ਼ਲੇਸ਼ਣ ਇਸਨੂੰ "ਉਤਪਾਦ: ਸਕਾਰਾਤਮਕ, ਸ਼ਿਪਿੰਗ: ਨਕਾਰਾਤਮਕ, ਕੀਮਤ: ਸਕਾਰਾਤਮਕ" ਵਿੱਚ ਵੰਡਦਾ ਹੈ। ਇਹ ਅੰਤਰ ਬਹੁਤ ਜ਼ਿਆਦਾ ਕਿਰਿਆ-ਮੁਖੀ ਹੈ, ਕਿਉਂਕਿ ਇਹ ਸਪੱਸ਼ਟ ਤੌਰ 'ਤੇ ਦਰਸਾਉਂਦਾ ਹੈ ਕਿ ਕਿਹੜਾ ਮੁੱਦਾ ਸੰਤੁਸ਼ਟੀ ਪੈਦਾ ਕਰਦਾ ਹੈ ਅਤੇ ਕਿਹੜਾ ਅਸੰਤੁਸ਼ਟੀ ਪੈਦਾ ਕਰਦਾ ਹੈ। ਤੁਸੀਂ ਆਰਟੀਫੀਸ਼ੀਅਲ ਇੰਟੈਲੀਜੈਂਸ ਨੂੰ "ਹਰੇਕ ਟਿੱਪਣੀ ਨੂੰ ਇਸਦੇ ਵਿਸ਼ਿਆਂ ਵਿੱਚ ਵੰਡਣ ਅਤੇ ਹਰੇਕ ਵਿਸ਼ੇ ਲਈ ਇੱਕ ਵੱਖਰੀ ਧਰੁਵੀਤਾ ਦੇਣ ਲਈ" ਦੱਸ ਕੇ ਇਸ ਡੂੰਘਾਈ ਨੂੰ ਪ੍ਰਾਪਤ ਕਰ ਸਕਦੇ ਹੋ।

ਦੂਜੀ ਸ਼ਕਤੀਸ਼ਾਲੀ ਵਰਤੋਂ ਪ੍ਰਤੀਯੋਗੀ ਬੈਂਚਮਾਰਕਿੰਗ ਹੈ (ਤੁਹਾਡੇ ਆਪਣੇ ਪ੍ਰਦਰਸ਼ਨ ਦੀ ਮੁਕਾਬਲੇਬਾਜ਼ਾਂ ਨਾਲ ਤੁਲਨਾ ਕਰਨਾ)। ਜੇ ਤੁਸੀਂ ਆਪਣੇ ਮੁਕਾਬਲੇਬਾਜ਼ਾਂ ਦੇ ਨਾਲ ਆਪਣੇ ਖੁਦ ਦੇ ਬ੍ਰਾਂਡ ਬਾਰੇ ਭਾਵਨਾਵਾਂ ਨੂੰ ਜੋੜਦੇ ਹੋ, ਤਾਂ "ਸਾਡੀ ਨਕਾਰਾਤਮਕਤਾ 30% ਹੈ" ਦਾ ਸੰਖਿਆ ਅਰਥ ਰੱਖਦਾ ਹੈ: ਜੇਕਰ ਉਦਯੋਗ ਔਸਤ 45% ਹੈ, ਤਾਂ ਤੁਸੀਂ ਚੰਗਾ ਕਰ ਰਹੇ ਹੋ, ਜੇਕਰ ਇਹ 15% ਹੈ, ਤਾਂ ਤੁਸੀਂ ਪਛੜ ਰਹੇ ਹੋ। ਹਾਲਾਂਕਿ, ਪ੍ਰਤੀਯੋਗੀ ਡੇਟਾ ਇਕੱਠਾ ਕਰਦੇ ਸਮੇਂ, ਸਿਰਫ ਜਨਤਕ ਤੌਰ 'ਤੇ ਉਪਲਬਧ, ਜਾਇਜ਼ ਸਰੋਤਾਂ ਦੀ ਵਰਤੋਂ ਕਰੋ; ਅਣਅਧਿਕਾਰਤ ਡਾਟਾ ਇਕੱਠਾ ਕਰਨ ਅਤੇ ਗੋਪਨੀਯਤਾ ਦੀ ਉਲੰਘਣਾ ਤੋਂ ਬਚੋ। ਬੈਂਚਮਾਰਕਿੰਗ ਦਾ ਉਦੇਸ਼ ਮੁਕਾਬਲੇ ਦੀ ਨਕਲ ਕਰਨਾ ਨਹੀਂ ਹੈ, ਪਰ ਤੁਹਾਡੀਆਂ ਆਪਣੀਆਂ ਸ਼ਕਤੀਆਂ ਅਤੇ ਕਮਜ਼ੋਰੀਆਂ ਨੂੰ ਪ੍ਰਸੰਗਿਕ ਬਣਾਉਣਾ ਹੈ। ਦੋਵਾਂ ਤਰੀਕਿਆਂ ਵਿੱਚ, ਮੂਲ ਨਿਯਮ ਇੱਕੋ ਜਿਹਾ ਰਹਿੰਦਾ ਹੈ: ਅਸਲ ਉਦਾਹਰਣਾਂ ਦੇ ਨਾਲ AI ਦੇ ਵਰਗੀਕਰਨ ਦੀ ਪੁਸ਼ਟੀ ਕਰੋ ਅਤੇ ਕਾਰਨ ਨੂੰ ਇੱਕ ਨਿਸ਼ਚਤ ਦੀ ਬਜਾਏ ਇੱਕ ਪਰਿਕਲਪਨਾ ਵਜੋਂ ਪੇਸ਼ ਕਰੋ।

ਸੰਖੇਪ ਵਿੱਚ

ਭਾਵਨਾ ਦਾ ਵਿਸ਼ਲੇਸ਼ਣ ਭਾਈਚਾਰੇ ਦੀ ਨਬਜ਼ ਨੂੰ ਮਾਪਦਾ ਹੈ: ਧਰੁਵੀਤਾ, ਤੀਬਰਤਾ ਅਤੇ ਸਭ ਤੋਂ ਮਹੱਤਵਪੂਰਨ ਥੀਮ ਦਿੰਦਾ ਹੈ। AI ਪ੍ਰਤੀ ਸਕਿੰਟ ਸੈਂਕੜੇ ਟਿੱਪਣੀਆਂ ਨੂੰ ਛਾਂਟਦਾ ਹੈ, ਪਰ ਵਿਅੰਗਾਤਮਕ, ਗਾਲੀ-ਗਲੋਚ ਅਤੇ ਮਿਸ਼ਰਤ ਭਾਵਨਾਵਾਂ ਨੂੰ ਗੁਆ ਸਕਦਾ ਹੈ। ਮੁੱਲ ਇੱਕ ਥੀਮ ਨਾਲ ਨਕਾਰਾਤਮਕਤਾ ਨੂੰ ਜੋੜਦਾ ਹੈ ਅਤੇ ਇਸਨੂੰ ਕਾਰਵਾਈ ਵਿੱਚ ਬਦਲਦਾ ਹੈ. ਢੁਕਵੇਂ ਨਮੂਨੇ ਦੀ ਵਰਤੋਂ ਕਰੋ, ਅਸਲ ਨਮੂਨਿਆਂ ਨਾਲ ਪ੍ਰਤੀਸ਼ਤਾਂ ਦੀ ਪੁਸ਼ਟੀ ਕਰੋ, ਕਾਰਨ ਦੀ ਕਲਪਨਾ ਕਰੋ ਅਤੇ ਇਸਦੀ ਪੁਸ਼ਟੀ ਕਰੋ। ਨੰਬਰ ਇੱਕ ਸ਼ੁਰੂਆਤ ਹੈ; ਫੈਸਲਾ ਤੁਹਾਡਾ ਹੈ।

ਸੰਕੇਤ: ਭਾਵਨਾ ਦੇ ਵਿਸ਼ਲੇਸ਼ਣ ਨੂੰ ਇੱਕ ਨਿਰੰਤਰ ਫਿਲਮ ਦੇ ਰੂਪ ਵਿੱਚ ਸੋਚੋ, ਨਾ ਕਿ ਇੱਕ-ਸ਼ਾਟ ਫੋਟੋ। ਜੇਕਰ ਤੁਸੀਂ ਹਰ ਹਫ਼ਤੇ ਇੱਕੋ ਢੰਗ ਨਾਲ ਇੱਕੋ ਮਾਪ ਨੂੰ ਦੁਹਰਾਉਂਦੇ ਹੋ, ਤਾਂ ਤੁਸੀਂ ਰੁਝਾਨ ਦੇਖੋਗੇ (ਕੀ ਇਹ ਵੱਧ ਰਿਹਾ ਹੈ ਜਾਂ ਘਟ ਰਿਹਾ ਹੈ) ਜੋ ਕਿ ਪੂਰਨ ਪ੍ਰਤੀਸ਼ਤ ਨਾਲੋਂ ਬਹੁਤ ਜ਼ਿਆਦਾ ਕੀਮਤੀ ਹੈ। ਇਹ ਦੇਖਣਾ ਕਿ ਕਿਸੇ ਮੁਹਿੰਮ, ਉਤਪਾਦ ਜਾਂ ਸੰਕਟ ਤੋਂ ਬਾਅਦ ਰੁਝਾਨ ਕਿਵੇਂ ਬਦਲਦਾ ਹੈ, ਇੱਕ ਹਫ਼ਤੇ ਦੇ ਪ੍ਰਤੀਸ਼ਤ ਨਾਲੋਂ ਇੱਕ ਬਹੁਤ ਜ਼ਿਆਦਾ ਸ਼ਕਤੀਸ਼ਾਲੀ ਫੈਸਲਾ ਇਨਪੁਟ ਹੈ।

ਐਪਲੀਕੇਸ਼ਨ ਦਾ ਕੰਮ

ਘੱਟੋ-ਘੱਟ 40 ਨਮੂਨਾ ਟਿੱਪਣੀਆਂ ਇਕੱਠੀਆਂ ਕਰੋ (ਜਾਂ ਲਿਖੋ)। AI do polarity + ਥੀਮ ਵਰਗੀਕਰਣ ਅਤੇ ਸੰਖੇਪ ਕਰੋ। ਹੱਥਾਂ ਨਾਲ ਹਰੇਕ ਪੋਲਰਿਟੀ ਦੇ 5 ਨਮੂਨੇ ਪੜ੍ਹੋ ਅਤੇ ਘੱਟੋ-ਘੱਟ 3 ਗਲਤ/ਸੰਦੇਹਯੋਗ ਲੇਬਲਾਂ ਨੂੰ ਠੀਕ ਕਰੋ। ਸਭ ਤੋਂ ਵੱਧ ਵਾਰ-ਵਾਰ ਨਕਾਰਾਤਮਕ ਥੀਮ ਚੁਣੋ, 3 ਠੋਸ ਕਾਰਵਾਈ ਸੁਝਾਅ ਤਿਆਰ ਕਰੋ, ਅਤੇ ਲਿਖੋ ਕਿ ਉਹਨਾਂ ਨੂੰ ਹਰੇਕ ਲਈ ਕਿਵੇਂ ਮਾਪਿਆ ਜਾਵੇਗਾ।

ਚੈੱਕਲਿਸਟ

• [ ] ਮੈਂ ਢੁਕਵੇਂ ਨਮੂਨੇ ਦੀ ਵਰਤੋਂ ਕੀਤੀ (100+ ਆਦਰਸ਼)।
• [ ] ਮੈਂ ਨਿੱਜੀ ਡੇਟਾ ਨੂੰ ਮਾਸਕ ਕੀਤਾ ਹੈ।
• [ ] ਮੈਂ ਪੋਲਰਿਟੀ + ਥੀਮ ਵਰਗੀਕਰਣ ਕੀਤਾ ਸੀ।
• [ ] ਮੈਂ ਹਰੇਕ ਕਲਾਸ ਦੀਆਂ ਉਦਾਹਰਨਾਂ ਪੜ੍ਹੀਆਂ ਅਤੇ ਲੇਬਲਾਂ ਦੀ ਪੁਸ਼ਟੀ ਕੀਤੀ।
• [ ] ਮੈਂ ਵਿਅੰਗਾਤਮਕ ਸ਼ੱਕੀਆਂ ਨੂੰ ਵੱਖਰੇ ਤੌਰ 'ਤੇ ਚਿੰਨ੍ਹਿਤ ਕੀਤਾ।
• [ ] ਮੈਂ ਅਕਸਰ ਨਕਾਰਾਤਮਕ ਥੀਮ ਨੂੰ ਕਾਰਵਾਈ ਲਈ ਜ਼ਿੰਮੇਵਾਰ ਠਹਿਰਾਉਂਦਾ ਹਾਂ।
• [ ] ਮੈਂ ਕਾਰਨ ਨੂੰ ਪ੍ਰਮਾਣਿਤ ਕਰਨ ਲਈ ਇੱਕ ਪਰਿਕਲਪਨਾ ਵਜੋਂ ਪੇਸ਼ ਕੀਤਾ, ਨਾ ਕਿ ਇੱਕ ਨਿਸ਼ਚਤ।