Lợi nhuận:
- Khả năng diễn giải tính phân cực, cường độ và chủ đề đầu ra của phân tích tình cảm và phân loại hàng trăm nhận xét bằng trí tuệ nhân tạo
- Biết các ranh giới như mỉa mai, tiếng lóng và cảm xúc lẫn lộn và có thể xác minh tỷ lệ phần trăm bằng các ví dụ thực tế
- Khả năng kết nối sự tiêu cực với một chủ đề và biến nó thành hành động cụ thể cũng như kiểm tra lý do như một giả thuyết
Những gì một thương hiệu nói đến trên mạng xã hội cũng quan trọng như những gì được nói đến. Giữ nhịp đập của thương hiệu giữa hàng trăm bình luận, hàng nghìn lượt đề cập và những tin nhắn liên tục được gửi đi là một đống dữ liệu quá lớn để có thể theo dõi thủ công. Đây là nơi phân tích tình cảm phát huy tác dụng. Phương pháp này, được gọi là phân tích tình cảm trong tiếng Anh, là quá trình tự động phân loại các sắc thái cảm xúc (tích cực, tiêu cực, trung tính) của văn bản. Trí tuệ nhân tạo có thể đọc hàng trăm bài đánh giá trong vài giây và đưa ra bản tóm tắt như "nhận xét tích cực trong tuần này là 62%, tiêu cực 28%, trung lập 10%; hầu hết tiêu cực là về vận chuyển". Điều này mang lại cho người quản lý phương tiện truyền thông xã hội một công cụ cảnh báo sớm và hiểu biết sâu sắc vô giá. Nhưng phân tích tình cảm cũng chỉ là phỏng đoán: nó có thể hiểu sai sự mỉa mai, hài hước và tiếng lóng địa phương. Điều quan trọng là không nhìn vào con số mà nhìn vào những ví dụ đằng sau con số.
Phân tích tình cảm đo lường được điều gì và không đo lường được điều gì?
Phân tích tình cảm đưa ra ba kết quả đầu ra cơ bản. Phân cực: là văn bản tích cực, tiêu cực hoặc trung tính. Cường độ: sức mạnh của cảm xúc (không hài lòng hoặc tức giận nhẹ). Chủ đề/chủ đề: cảm xúc đó nói về điều gì (giá cả, vận chuyển, chất lượng, dịch vụ). Kết quả có giá trị nhất là kết quả thứ ba: chỉ “tiêu cực gia tăng” thôi không chuyển thành hành động; “70% tiêu cực là do hàng hóa bị chậm trễ” tạo ra hành động trực tiếp.
Điều cần thiết là phải biết giới hạn của phân tích tình cảm. Trớ trêu và mỉa mai: AI có thể coi câu "Tuyệt vời, nó không hoạt động nữa 👏" là một câu tích cực. Tiếng lóng và tiếng địa phương: có thể đọc sai thành ngữ khu vực. Bối cảnh: Từ "bom" mang ý nghĩa tích cực trong một sản phẩm và tiêu cực trong một câu chuyện thời sự. Tâm lý trái chiều: “Sản phẩm đẹp nhưng đắt” mang cả mặt tích cực và tiêu cực. Vì vậy, hãy sử dụng phân tích tình cảm làm điểm khởi đầu chứ không phải là sự thật dứt khoát.
đầu ra
Nó làm gì?
Giới hạn/rủi ro
Phân cực (tích cực/âm/trung tính)
xem tâm trạng chung
Trớ trêu và nghiệp chướng lỡ cảm xúc
mật độ
Hiểu được sự cấp bách
Có thể đo mức độ phóng đại không chính xác
chủ đề/chủ đề
sản xuất hành động
Có thể gán nó vào chủ đề sai
Xu hướng theo thời gian
cảnh báo sớm
Gây hiểu lầm ở cỡ mẫu nhỏ
Lưu ý: Không bao gồm tỷ lệ phần trăm được đưa ra bởi phân tích cảm tính trong báo cáo quản lý mà không xác minh chúng. Đọc một vài ví dụ thực tế từ mỗi danh mục và kiểm tra trực quan xem phân loại đó có đúng hay không; đặc biệt là những thứ được dán nhãn “tiêu cực”.
Từng bước: một nghiên cứu phân tích tình cảm
- Thu thập và làm sạch dữ liệu. Tổng hợp các nhận xét/đề cập trong một khoảng thời gian cụ thể; che dấu dữ liệu cá nhân.
- Kiểm tra kích thước mẫu. Trừ phần trăm từ 20 nhận xét là sai lệch; Hãy nhắm đến một con số có ý nghĩa (ví dụ: 100+).
- Phân loại. Nhờ AI thực hiện phân cực + gắn thẻ chủ đề.
- Xác minh bằng các ví dụ. Đọc 5 ví dụ từ mỗi lớp; sửa các thẻ sai.
- Ưu tiên các chủ đề. Xác định 3 chủ đề tạo ra sự tiêu cực nhất.
- Hãy buộc nó vào hành động. Đưa ra dự thảo đề xuất/hành động cho từng chủ đề và chuyển đến đơn vị liên quan.
Bốn mẫu có thể sao chép
Để phân loại hàng loạt:
Phân loại từng đánh giá sau: tính phân cực [tích cực/tiêu cực/trung lập] và chủ đề [giá/vận chuyển/chất lượng/dịch vụ/khác]. Đánh dấu sự mỉa mai có thể xảy ra bằng [?]. Cuối cùng đưa ra một bản tóm tắt: tỷ lệ phần trăm của mỗi cực và 3 chủ đề tiêu cực thường gặp nhất. Che dấu dữ liệu cá nhân. Nhận xét:1) ...2) ...
Để đào sâu chủ đề:
Đọc những đánh giá tiêu cực này và đào sâu chủ đề "vận chuyển": những vấn đề phụ nào nổi bật (sự chậm trễ, hư hỏng, theo dõi, liên lạc)? Cho biết bao nhiêu ý kiến và 1 trích dẫn tiêu biểu cho mỗi vấn đề phụ. Đừng tạo nên những con số; Chỉ cần dựa vào những ý kiến tôi đã đưa ra. Bình luận: ...
Để so sánh xu hướng:
So sánh tóm tắt tình cảm của hai kỳ. Tháng trước: dương 58%, âm 30%, trung tính 12%; chủ đề tiêu cực chính: giá cả. Tháng này: tích cực 49%, tiêu cực 41%, trung tính 10%; Chủ đề tiêu cực chính: vận chuyển. Điều gì đã thay đổi, những lý do có thể là gì? KHÔNG YÊU CẦU lý do chính xác; Xác minh giả thuyết và viết cách xác minh cho từng giả thuyết.
Để biến cái nhìn sâu sắc thành hành động:
Từ bản tóm tắt phân tích cảm tính sau đây, xuất hiện 3 đề xuất hành động cụ thể (ngắn hạn). Đối với mỗi đề xuất: vấn đề, hành động đề xuất, đơn vị nào, cách đo lường. Tóm tắt: [dán tóm tắt].
Dấu nhắc yếu / Dấu nhắc mạnh
Dấu nhắc yếu:
Hãy phân tích cảm xúc của những bình luận này.
Cả định dạng phân cực, chủ đề và tóm tắt đều không rõ ràng; AI tạo ra một kết quả lộn xộn, không thể kiểm chứng và bỏ sót điều trớ trêu.
Lời nhắc mạnh mẽ:
Sắp xếp 60 đánh giá bên dưới (tích cực/tiêu cực/trung lập + chủ đề: giá/vận chuyển/chất lượng/dịch vụ/khác). Đánh dấu [?] cho những người nghi ngờ có sự mỉa mai. Chỉ cần tạo nên những con số dựa trên những ý kiến tôi đã đưa ra. Đầu ra: (1) tỷ lệ phần trăm phân cực, (2) 3 chủ đề tiêu cực thường gặp nhất và 1 trích dẫn cho mỗi chủ đề, (3) 3 thẻ đáng ngờ mà tôi cần xác minh.
Cái sau cung cấp một kết quả đáng tin cậy, có thể thực hiện được vì nó bao gồm định dạng, ranh giới và bước xác minh.
ba trường hợp nhỏ
Trường hợp 1. Một thương hiệu viễn thông đã phân tích 1.400 bình luận sau chiến dịch bằng AI; nhận thấy rằng 64% sự tiêu cực tập trung vào chủ đề “sự nhầm lẫn về hóa đơn”. Với thông tin chi tiết này, họ đã tinh chỉnh Câu hỏi thường gặp và thông tin liên lạc về chiến dịch; tháng tiếp theo chủ đề tương tự giảm từ 64% xuống 22%.
Trường hợp 2. Một thương hiệu thực phẩm trình bày bản tóm tắt "80% tích cực" của AI cho ban quản lý mà không xác minh. Sau khi đọc các ví dụ, có thể thấy rõ rằng hầu hết các nhận xét được coi là "tích cực" đều mang tính mỉa mai ("Tôi rất thích nó, nó đã bị hỏng lần thứ ba"). Tỷ lệ tích cực thực tế là 52%. Bài học: đừng báo cáo tỷ lệ phần trăm mà không kiểm chứng bằng ví dụ.
Trường hợp 3. Một thương hiệu thương mại điện tử tung chiến dịch xin lỗi ngay lập tức sau khi kết luận “tiêu cực bùng nổ” chỉ từ 18 bình luận; Tuy nhiên, mẫu rất nhỏ và mâu thuẫn với bức tranh chung. Chiến dịch không cần thiết đã tạo ra sự nhầm lẫn. Bài học: đừng rút ra kết luận lớn từ một mẫu nhỏ.
Những lỗi thường gặp
- Bỏ qua sự trớ trêu. Hãy coi những bình luận mỉa mai là tích cực.
- Không xác minh tỷ lệ phần trăm. Ví dụ: Ghi số vào báo cáo mà không đọc.
- Mẫu nhỏ. Đưa ra một xu hướng dứt khoát từ 15-20 ý kiến.
- Phân tích không tiếp xúc. Cho rằng “tăng tiêu cực” và không tìm ra nguyên nhân; không tạo ra hành động.
- Không che giấu dữ liệu cá nhân. Cung cấp tên của người đánh giá cho công cụ.
- Tuyên bố lý do một cách dứt khoát. Hiểu nhầm mối tương quan với quan hệ nhân quả và thực hiện hành động sai lầm.
Phân tích dựa trên chủ đề và so sánh đối thủ cạnh tranh
Phương pháp đưa phân tích cảm tính tiến thêm một bước là phân tích dựa trên khía cạnh: thay vì nén nhận xét vào một thẻ tích cực/tiêu cực duy nhất, hãy đánh giá các chủ đề khác nhau trong đó một cách riêng biệt. Ví dụ: câu "Sản phẩm thì tuyệt vời, nhưng vận chuyển thì tệ và giá cả thì hợp lý" không phù hợp với một cực duy nhất; phân tích dựa trên chủ đề chia điều này thành “sản phẩm: tích cực, vận chuyển: tiêu cực, giá cả: tích cực”. Sự phân biệt này thiên về hành động hơn nhiều vì nó cho thấy rõ ràng vấn đề nào tạo ra sự hài lòng và vấn đề nào tạo ra sự không hài lòng. Bạn có thể đạt được độ sâu này bằng cách yêu cầu trí tuệ nhân tạo "chia từng nhận xét thành các chủ đề của nó và đưa ra một phân cực riêng cho từng chủ đề".
Công dụng mạnh mẽ thứ hai là so sánh điểm chuẩn của đối thủ cạnh tranh (so sánh hiệu suất của chính bạn với đối thủ cạnh tranh). Nếu bạn đặt cảm xúc về thương hiệu của mình cạnh đối thủ cạnh tranh, thì con số "tiêu cực của chúng tôi là 30%" là hợp lý: nếu mức trung bình của ngành là 45% thì bạn đang làm tốt, nếu là 15% thì bạn đang tụt hậu. Tuy nhiên, khi thu thập dữ liệu của đối thủ cạnh tranh, chỉ sử dụng các nguồn hợp pháp, có sẵn công khai; Tránh thu thập dữ liệu trái phép và vi phạm quyền riêng tư. Mục đích của việc so sánh điểm chuẩn không phải là bắt chước đối thủ cạnh tranh mà là để bối cảnh hóa điểm mạnh và điểm yếu của chính bạn. Trong cả hai phương pháp, quy tắc cơ bản vẫn giống nhau: xác minh phân loại của AI bằng các ví dụ thực tế và trình bày lý do dưới dạng giả thuyết thay vì giả thuyết dứt khoát.
Tóm lại
Phân tích tình cảm đo lường nhịp đập của cộng đồng: đưa ra sự phân cực, cường độ và quan trọng nhất là chủ đề. AI sắp xếp hàng trăm bình luận mỗi giây nhưng có thể bỏ sót những câu châm biếm, tiếng lóng và cảm xúc lẫn lộn. Giá trị kết nối sự tiêu cực với một chủ đề và biến nó thành hành động. Sử dụng đủ mẫu, xác minh tỷ lệ phần trăm với mẫu thật, đưa ra giả thuyết nguyên nhân và xác nhận nó. Con số là sự khởi đầu; Quyết định là của bạn.
Mẹo: Hãy coi việc phân tích cảm xúc như một đoạn phim liên tục chứ không phải một bức ảnh chụp một lần. Nếu bạn lặp lại cùng một phép đo với cùng một phương pháp mỗi tuần, bạn sẽ thấy xu hướng (tăng hay giảm) có giá trị hơn nhiều so với tỷ lệ phần trăm tuyệt đối. Xem xu hướng thay đổi như thế nào sau một chiến dịch, sản phẩm hoặc khủng hoảng là thông tin đưa ra quyết định mạnh mẽ hơn nhiều so với tỷ lệ phần trăm trong một tuần.
Nhiệm vụ ứng dụng
Thu thập (hoặc viết) ít nhất 40 bình luận mẫu. Nhờ AI làm phân cực + phân loại và tóm tắt chủ đề. Đọc 5 mẫu của mỗi cực bằng tay và sửa ít nhất 3 nhãn sai/có nghi vấn. Chọn chủ đề tiêu cực thường gặp nhất, đưa ra 3 đề xuất hành động cụ thể và viết ra cách đo lường chúng cho từng chủ đề.
danh sách kiểm tra
- [ ] Tôi đã sử dụng đủ mẫu (hơn 100 mẫu lý tưởng).
- [ ] Tôi đã che giấu dữ liệu cá nhân.
- [ ] Tôi đã hoàn thành phân cực + phân loại chủ đề.
- [ ] Tôi đọc các ví dụ từ mỗi lớp và xác minh nhãn.
- [ ] Tôi đã đánh dấu riêng các nghi phạm trớ trêu.
- [ ] Tôi thường gán chủ đề tiêu cực cho hành động này.
- [ ] Tôi trình bày lý do như một giả thuyết cần được xác minh chứ không phải một giả thuyết chắc chắn.