Анализ настроений: типы, инструменты и сценарии использования

Типы, инструменты и сценарии использования анализа настроения

Что вы делаете перед покупкой чего-то, что стоит дороже упаковки жевательной резинки? Хотите ли вы побаловать себя новыми кроссовками, ноутбуком или заграничным туром, обработка заказа без проверки похожих продуктов или предложений и чтения обзоров больше не имеет большого смысла. Благодаря разделам комментариев на сайтах электронной коммерции, в социальных сетях, платформах для обзоров или на специализированных форумах вы можете узнать много нового о продукте или услуге и оценить, стоит ли это денег. Другие клиенты, в том числе ваши потенциальные клиенты, сделают все вышеперечисленное. Желание людей взаимодействовать с бизнесом и общее восприятие бренда во многом зависят от общественного мнения. Согласно опросу, проведенному Podium , 93 процента потребителей говорят, что онлайн-обзоры влияют на их решения о покупке. Пользователи могут не дать вам шанса, прочитав несколько плохих отзывов. Они не будут исследовать, была ли обратная связь фальшивкой или нет. Они выберут другой вариант. В этом контексте организации, которые постоянно следят за своей репутацией, могут своевременно решать проблемы и улучшать операции на основе отзывов. Анализ настроений позволяет эффективно измерять отношение людей к организации в век информации.

Что такое сентимент-анализ

Анализ тональности – это тип исследования текста, также известный как добыча полезных ископаемых. Он применяет сочетание статистики, обработки естественного языка (NLP) и машинного обучения для выявления и извлечения субъективной информации из текстовых файлов, например, чувств, мыслей, суждений или оценок рецензента по определенной теме, событию или компании. и его деятельность, как указано выше. Этот тип анализа также известен как анализ мнений (с упором на извлечение информации) или эмоциональный рейтинг. Некоторые специалисты также используют термины « классификация настроений» и « извлечение» . Независимо от названия, цель анализа настроений одна и та же: узнать мнение пользователя или аудитории о целевом объекте путем анализа огромного количества текста из различных источников.

Вы можете анализировать текст на разных уровнях детализации, и уровень детализации зависит от ваших целей. Например, вы можете определить средний эмоциональный тон группы отзывов, чтобы узнать, какой процент клиентов понравилась ваша новая коллекция одежды. Если вам нужно знать, что посетителям нравится или не нравится в конкретном предмете одежды и почему, и сравнивают ли они его с аналогичными предметами других брендов, вам необходимо проанализировать каждое предложение обзора с акцентом на конкретных аспектах и использовать или конкретные ключевые слова.

В зависимости от масштаба могут использоваться два типа анализа: крупнозернистый и мелкозернистый. Крупнозернистый анализ позволяет определить тональность документа или предложения. А с помощью детального анализа вы можете выделить тональность в каждой части предложения.

Грубый анализ тональности: анализ сообщений / обзоров или предложений целиком

Фактически, большинство специалистов используют его для анализа предложений, а не целых документов. Грубая SA влечет за собой две взаимосвязанные задачи: классификация субъективности и обнаружение и классификация настроений.

1. Классификация субъективности . Во-первых, необходимо определить, является ли предложение объективным или субъективным. Объективное предложение содержит некоторые факты об объекте или теме: трое незнакомцев воссоединяются по удивительному совпадению после того, как родились идентичными тройняшками, разлучены при рождении и усыновлены тремя разными семьями.

Субъективное предложение, как следует из названия, выражает чье-то отношение к предмету: эта квартира прекрасна. Я наслаждаюсь каждой минутой, которую провожу здесь.

2. Обнаружение и классификация настроений. Цель этой операции – определить, есть ли в предложении сантименты или нет, и если да, то определить, является ли эмоция положительной, отрицательной или нейтральной.

Источник: KDnuggets

Иногда люди делятся своей точкой зрения без эмоций. Например, автор предложения, я думаю, каждый заслуживает второго шанса выразить свое субъективное мнение. Однако сложно понять, как именно писатель относится ко всем . Итак, предложение не выражает настроения и нейтрально. Нейтральные предложения – те, в которых отсутствует сантимент, – относятся к отдельной категории, которую не следует рассматривать как нечто среднее .

Давайте посмотрим на этот комментарий: Один из самых удивительных и приятных фильмов года. Судя по этой фразе, рецензенту фильм понравился, поэтому в этом предложении есть положительные эмоции.

И следующий обзор является ярким примером субъективного предложения с негативным настроем: тот факт, что он также неуклюже сделан и изобилует посредственными выступлениями, кажется почти несущественным в контексте того, насколько бессмысленно это вообще.

Однако объективные предложения могут также выразить мнение: я купил этот водонепроницаемый чехол для камеры, потому что он должен быть более надежным, чем стандартный. Из контекста ясно, что дело не в том, чего ожидал человек. В предложении есть негативный тон, но он выражен неявно .

Настроение не зависит от субъективности или объективности, что может усложнить анализ. Но нам по-прежнему необходимо отличать предложения с выраженными эмоциями, оценками или установками от предложений, которые их не содержат, чтобы получить ценную информацию из данных обратной связи.

Детальный анализ тональности: анализ предложения по частям

Как говорится, дьявол кроется в деталях. Если вам нужны более точные результаты, вы можете использовать детальный анализ.

Вы применяете детальный анализ на уровне вложенного предложения, и он предназначен для определения цели (темы) настроения. Предложение разбито на фразы или предложения, и каждая часть анализируется в связи с другими. Проще говоря, вы можете определить, кто говорит о продукте и о чем конкретно говорит человек в своем отзыве. Кроме того, это помогает понять, почему писатель так его оценивает.

Детальный анализ полезен, например, для обработки сравнительных выражений (например, Samsung намного лучше, чем iPhone ) или коротких сообщений в социальных сетях.

Мало того, что это позволит вам понять , как люди оценивают ваш продукт или услугу, он также определяет , какую функцию или аспект они обсуждают: тачпад на моем ноутбуке перестал работать после 4 месяцев использования. Таким образом, вы точно знаете, что нужно улучшить или пересмотреть.

Возможность определять интенсивность настроений – еще одно преимущество детального анализа. В дополнение к трем оценкам настроения (отрицательное, нейтральное и положительное) вы можете использовать очень положительные и очень отрицательные категории.

Как проводить анализ настроений: подходы и инструменты

Анализ настроений позволяет взглянуть на свою деятельность с точки зрения клиента. Но как извлечь эти знания из пользовательских данных?

Сбор и подготовка данных. Во-первых, вам нужно собрать все соответствующие упоминания бренда в одном документе. Рассмотрите критерии выбора – если эти упоминания ограничены по времени, используются только на одном языке, происходят из определенного места и т. Д. Затем данные должны быть подготовлены для анализа: их нужно прочитать, удалить весь нетекстовый контент, исправить грамматические ошибки или опечатки, исключите весь нерелевантный контент, например информацию о рецензентах и т. д. Подготовив данные, мы можем проанализировать их и извлечь из них мнение. Подробнее о подготовке данных вы можете узнать из нашей истории.

Поскольку десятки или даже сотни тысяч упоминаний могут потребовать анализа, лучше всего автоматизировать эту утомительную работу с программным обеспечением.

Использование готовых инструментов и API. Различные программы для работы с клиентами (например, InMoment, Clarabridge) собирают отзывы из множества источников, предупреждают об упоминаниях в режиме реального времени, анализируют текст и визуализируют результаты. Платформы анализа текста (например, DiscoverText, IBM Watson Natural Language Understanding, Google Cloud Natural Language или Microsoft Text Analytics API) имеют в своем наборе функций анализ тональности.

InMoment предлагает пять продуктов, которые вместе составляют платформу оптимизации клиентского опыта. Один из них, «Голос клиента», позволяет предприятиям собирать и анализировать отзывы клиентов в текстовой, видео- и голосовой формах. Количество источников данных достаточное и включает опросы, социальные сети, CRM и т. Д. Разработчики предоставляют пользователям уведомления в реальном времени, настраиваемые информационные панели и различные варианты отчетности.

Clarabridge – это платформа управления клиентским опытом (CEM). Он извлекает и анализирует текст из чатов, платформ для опросов, блогов, форумов и сайтов обзоров. Пользователи также могут получать информацию из электронных писем, заметок сотрудников и операторов, записей разговоров и опросов с интерактивным голосовым ответом (IVR): система может преобразовывать их в текст. Они также обеспечивают прослушивание в социальных сетях. Система учитывает отрасль и источник, понимая значение и контекст каждого комментария. Результаты анализа тональности отображаются по 11-балльной шкале. При необходимости пользователи могут изменять оценки настроений, чтобы они были более специфичными для бизнеса.

DiscoverText – это облачная система совместной текстовой аналитики для исследователей, предпринимателей и правительств. Пользователи Capterra отмечают, что решение отлично подходит для импорта / извлечения, фильтрации и анализа данных из различных источников, включая Twitter, SurveyMonkey, электронную почту и электронные таблицы. Анализ тональности – один из многочисленных методов анализа текста DiscoverText.

IBM Watson Natural Language Understanding – это набор расширенных систем текстовой аналитики. Анализируя текст с помощью этой службы, пользователи могут извлекать такие метаданные, как концепции, сущности, ключевые слова, а также категории и отношения. Это также позволяет определять отрасль и область, к которой принадлежит текст, семантические роли частей предложения, эмоции писателя и изменение настроений в документе. IBM Watson Natural Language Understanding в настоящее время поддерживает анализ на 13 языках. Также предоставляются инструменты для разработчиков, чтобы они могли создавать свои решения (например, чат-боты) с помощью служб IBM Watson.

Пользователи Microsoft Text Analytics API могут извлекать ключевые фразы, сущности (например, людей, компании или местоположения), настроения, а также определять, на каком из 120 поддерживаемых языков написан их текст. API анализа настроений возвращает результаты с использованием оценки тональности от 0 (отрицательное) до 1 (положительное). На сегодняшний день программа может определять тональность в текстах на английском, испанском, немецком и французском языках. Разработчики указывают, что анализ должен проводиться по всему документу, и советуют использовать документы, состоящие из одного или двух предложений, для достижения большей точности.

Вот как Microsoft Text Analytics API анализирует обзор для The Nun фильма. Он обнаружил английский язык со 100-процентной достоверностью, и настроение измеряется в процентах. Результаты анализа также возвращаются в формате JSON.

Результаты анализа тональности с помощью Microsoft Text Analytics API

API Google Cloud Natural Language будет извлекать настроения из электронных писем, текстовых документов, новостных статей, социальных сетей и сообщений в блогах. Его использование включает извлечение информации из аудиофайлов, отсканированных документов и документов на других языках в сочетании с другими облачными сервисами.

Узнайте больше о платформах облачного машинного обучения в нашей специальной статье.

Разработчики предлагают пользователям сразу опробовать сервис и посмотреть, на что он способен. Вот пример отзыва покупателей наушников от Amazon.

Результаты анализа настроений с помощью Google Cloud Natural Language API

Инструмент присваивает оценку настроения и величину каждому предложению, позволяя легко увидеть, что больше всего понравилось или не понравилось клиенту, а также отличить эмоциональные предложения от предложений без сантиментов.

Наем команды по анализу данных для решения конкретных задач. Коммерческое программное обеспечение может быть менее точным при анализе текстов из таких областей, как здравоохранение или финансы. В 2011 году исследователи Лафран и Макдональд обнаружили, что три четверти отрицательных слов не являются отрицательными, если они используются в финансовом контексте. В таких случаях вы можете сотрудничать с командой специалистов по анализу данных, чтобы разработать решение, подходящее для вашей отрасли.

Примеры использования анализа настроений

Анализ тональности используется в различных отраслях. Хотя области применения анализа настроений взаимосвязаны, все они направлены на повышение производительности за счет анализа сдвигов в общественном мнении.

Мониторинг бренда

Если бы Интернет был горной рекой, то анализ пользовательского контента в социальных сетях и на других платформах был бы похож на рыбалку в сезон нереста форели. Людям нравится делиться своим мнением о последних новостях, местных и глобальных событиях, а также своим опытом в качестве клиентов. Twitter и Facebook – излюбленные места для ежедневных войн комментариев и энергичных (мягко говоря!) Разговоров. Новости о знаменитостях, предпринимателях и мировых компаниях привлекают тысячи пользователей в течение нескольких часов после публикации на Reddit. Медиа-гиганты, такие как Time , The Economist , CNBC, а также миллионы блогов, форумов и платформ для обзоров процветают с контентом на различные темы.

Почему бы не использовать эти источники данных для отслеживания того, что люди думают и говорят о вашей организации и почему они так воспринимают вас? Анализ настроений при упоминании бренда позволяет вам быть в курсе вашего авторитета в отрасли, выявлять возникающие или потенциальные репутационные кризисы и быстро на них реагировать. Вы можете сравнить результаты этого месяца, например, с результатами предыдущего квартала, и узнать, как изменился имидж вашего бренда за это время.

Важно не только знать общественное мнение о вашей организации, но и определять, кто о вас говорит. Измерение тона упоминания также может помочь определить, упоминают ли отраслевые влиятельные лица ваш бренд и в каком контексте. И что еще более интересно, программное обеспечение для анализа настроений выполняет все вышеперечисленное в режиме реального времени и по всем каналам.

Конкурентные исследования

Одно точно объединяет вас и ваших конкурентов – целевая аудитория. Вы можете отслеживать и исследовать, как общество оценивает конкурентов, так же как вы анализируете их отношение к вашему бизнесу. Что клиенты больше всего ценят в других игроках отрасли? Есть ли что-то, чего не хватает конкурентам или что они делают неправильно? Какие каналы используют клиенты для взаимодействия с другими компаниями? Используйте эти знания, чтобы улучшить свои коммуникативные и маркетинговые стратегии, общее обслуживание и предоставление услуг и продуктов, которые оценят клиенты.

Конкурентный анализ, который включает анализ настроений, также может помочь вам понять свои слабые и сильные стороны и, возможно, найти способы выделиться.

Обнаружение пламени и приоритезация обслуживания клиентов

Гостиничные бренды, финансовые учреждения, розничные торговцы, транспортные компании и другие предприятия используют классификацию настроений для оптимизации работы отдела обслуживания клиентов. С помощью платформ анализа текста, таких как IBM Watson Natural Language Understanding или MonkeyLearn , пользователи могут автоматизировать классификацию входящих сообщений службы поддержки клиентов по полярности, теме, аспекту и приоритету. Затем запросы отправляются специализированным командам и специалистам. Поскольку лучше потушить искру, прежде чем она превратится в пламя, в первую очередь обрабатываются новые сообщения от наименее счастливых и наиболее разгневанных клиентов. Satalytics , например, группирует отзывы по устройствам, этапам пути к покупке и новым или постоянным клиентам.

Анализ продукции

Каждый предприниматель умирает, видя фанатов, стоящих в очередях в ожидании открытия магазинов, чтобы они могли забежать внутрь, схватить этот новый продукт и стать одним из первых счастливых владельцев в мире. Как вывести желаемый товар на рынок? Единственный подход – спросить людей, чего они хотят. Успешные компании создают минимально жизнеспособный продукт (MVP) , собирают ранние отзывы, постоянно улучшая продукт даже после его выпуска. Данные обратной связи поступают из опросов, социальных сетей и форумов, а также взаимодействия со службой поддержки. Возникают вопросы, например, как определить, какие группы клиентов задать, проанализировать этот океан данных и классифицировать отзывы.

Вот когда пригодится сентиментальный анализ. Это позволяет узнать о преимуществах и недостатках продукта. Например, студент из Государственного университета Оклахомы проанализировал отзывы Amazon о двух моделях телефонов Samsung (Galaxy S6 и Galaxy S7) и двух устройствах Apple (iPhone 6 и iPhone 7), чтобы выяснить, почему клиенты предпочитают один бренд другому. Он выяснил, что телефоны Samsung выбирают пользователи, чьи приоритеты – надежный аккумулятор и хороший экран. А клиенты, которых больше интересует дизайн и камера, покупают айфоны.

Фильтруя комментарии по теме и настроению, вы также можете узнать, какие функции необходимы, а какие нужно исключить. Вооружившись результатами анализа настроений, команда разработчиков продукта будет точно знать, как создать продукт, который покупатели будут покупать и наслаждаться.

Исследование рынка и понимание отраслевых тенденций

Как мы уже говорили, сайты социальных сетей и форумы являются источниками информации по любой теме. Люди обсуждают новости и продукты, пишут о своих ценностях, мечтах, повседневных потребностях и событиях. Причем делают это добровольно 24/7.

Анализ тональности решает проблему обработки больших объемов неструктурированных данных. Используя этот тип анализа текста, маркетологи отслеживают и изучают модели поведения потребителей в режиме реального времени, чтобы предсказать будущие тенденции и помочь руководству принимать обоснованные решения. Еще одно преимущество анализа настроений заключается в том, что он не требует больших вложений и позволяет собирать надежные и достоверные данные с момента их создания пользователями.

Аналитика персонала / мониторинг вовлеченности сотрудников

Некоторые организации выходят за рамки использования анализа настроений для исследования рынка или оценки клиентского опыта, применяя его для внутренних процессов, связанных с HR. Эти компании измеряют удовлетворенность сотрудников, выявляют факторы, которые отпугивают членов команды и в конечном итоге снижают производительность компании. Специалисты автоматизируют анализ опросов сотрудников с помощью программного обеспечения SA, что позволяет им быстрее решать проблемы и опасения. Менеджеры по персоналу могут определять и отслеживать общий тон ответов, группировать результаты по отделам и ключевым словам, а также проверять, изменилось ли настроение сотрудников с течением времени или нет.

Анализ настроений выводит мониторинг настроения сотрудников на новый уровень благодаря возможностям мониторинга в реальном времени. Например, члены команды могут ежемесячно заполнять формы опроса, чтобы оценить условия своего рабочего места. Они также могут анализировать свои сообщения в социальных сетях, чтобы найти возможную связь между своим душевным состоянием и трудовой жизнью.

Заключительные слова

Анализ настроений позволяет компаниям использовать огромные объемы бесплатных данных, чтобы понять потребности клиентов и отношение к их бренду. Организации отслеживают онлайн-разговоры, чтобы улучшить продукты и услуги и сохранить свою репутацию. Анализ выводит обслуживание клиентов на новый уровень. Системы поддержки клиентов со встроенным SA классифицируют входящие запросы по срочности, позволяя сотрудникам в первую очередь помогать самым требовательным клиентам. Анализ настроений также является мощным инструментом для анализа трудовых ресурсов.

Рассмотрите эти шаги, если вы решили использовать анализ настроений в своей деятельности:

Собирать данные обратной связи
Убедитесь, что данные достаточно качественные для анализа
Ищите готовое ПО и API
Наймите команду по анализу данных, если вы работаете в определенной отрасли, например в здравоохранении, финансах или транспорте.