6 خطوات للحصول على رؤى من وسائل التواصل الاجتماعي مع معالجة اللغة الطبيعية

تحليل المشاعر ومعالجة اللغة الطبيعية (NLP) لوسائل التواصل الاجتماعي هو وسيلة مثبتة لاستخلاص رؤى من الناس والمجتمع. بدلاً من طلب تحليل من المحللين لقراءة تعليقات وسائل التواصل الاجتماعي وتقديم تقرير ، يمكن لتحليل المشاعر أن يقدم لك ملخصًا سريعًا. هذا يعني أنك يمكنك اتخاذ قرارات أسرع.

لماذا تحتاج إلى تحليل المشاعر ومعالجة اللغة الطبيعية في وسائل التواصل الاجتماعي؟

أنت تعيش في عصر البيانات الكبيرة. خذ مستخدمي وسائل التواصل الاجتماعي على سبيل المثال. في 2019، كان هناك 3.4 مليار مستخدم نشط لوسائل التواصل الاجتماعي في العالم. على يوتيوب وحده ، يتم مشاهدة أكثر من مليار ساعة من محتوى الفيديو يوميًا. كل المؤشرات تشير إلى أننا سوف نرى المزيد من البيانات التي يتم إنتاجها مع مرور الوقت ، وليس أقل.

هناك الكثير من البيانات لدرجة أنك لا تستطيع استعراضها يدويًا. حتى المنظمات التي لديها ميزانيات كبيرة مثل الحكومات الوطنية والشركات العالمية تستخدم أدوات تحليل البيانات والخوارزميات ومعالجة اللغة الطبيعية.

من خلال استخدام هذه التقنيات ، يمكنك فهم ما يقوله الناس عن علامتك التجارية الآن. القدرة على تقليل انحياز الاختيار وتجنب الاعتماد على الحكايات تعني أن قراراتك سوف تكون على أساس صلب. هذا يعني أنك سوف تخطئ أقل عند phản應 إلى عالم يتغير بسرعة.

تحليل المشاعر ومعالجة اللغة الطبيعية في العمل: التوظيف والصحة العامة والتسويق

قد تتساءل عما إذا كانت هذه أدوات تحليل البيانات مفيدة في العالم الحقيقي أو إذا كانت موثوقة للاستخدام. هذه الأدوات موجودة منذ أكثر من عقد من الزمن ، وهي تتحسن كل عام. مع NLP و تحليل المشاعر ، يمكنك حل المشكلات بشكل أسرع.

توفير الوقت خلال التوظيف

في التوظيف ، يعتبر العثور على مرشحين جيدون أمرًا صعبًا. Workopolis يقدر أن “ما يصل إلى 75٪ من المتقدمين للوظيفة ليسوا مؤهلين فعليًا للقيام بها”. إن قضاء الوقت على هؤلاء المرشحين ليس منتجًا. لحسن الحظ ، يمكن لمعالجة اللغة الطبيعية والتحليل أن يساعدك على تحديد المرشحين المناسبين بحيث يمكنك استخدام الوقت بفعالية. هذا هو السبب في أن Blue Orange Digital عملت مع صندوق استثمار لتحسين عملية الموارد البشرية. باستخدام بيانات عشر سنوات من المتقدمين والمتقدمين الناجحين ، أصبح الصندوق الآن لديه نموذج تصنيف متقدم لتحديد المرشحين المناسبين.

الصحة العامة والطوارئ

في عام 2020 ، بدأنا جميعًا في التعلم قيمة تحليل بيانات الصحة العامة على نطاق واسع بسبب انتشار سريع لمرض كوفيد. في هذه الأزمات ، من الضروري الكشف عن التغييرات في السلوك الاجتماعي بسرعة. مع NLP ، يمكنك تحليل وسائل التواصل الاجتماعي لتقييم المشاعر. على سبيل المثال ، قامت مشروع最近 بتحليل أكثر من 1000 تويت باستخدام كلمة الكلمة Masks لفهم كيف يفكر الناس ويشعرون تجاه الكمامات.

التسويق

في التسويق ، تحتاج إلى البقاء على اطلاع دائم عن كيفية تفكير سوقك المستهدف وكيف يشعر. دراسة 2019 استخدمت تحليل مشاعر تويتر لفهم العلامات التجارية لملابس أفضل: نايكي وأديداس. بتحليل 30895 تويت بلغة إنجليزية ، وجد الباحثون أن “أديداس لديها مشاعر إيجابية أكثر من نايكي”. ومع ذلك ، فإن أكثر من 50٪ من التغريدات كانت لها مشاعر محايدة. هذا يعني أن هناك فرصة كبيرة لتحقيق المزيد من الإشارات الإيجابية من السوق.

Likes are the new currency, NLP in social media

كيف يعمل تحليل المشاعر تقنيًا؟

لكي يعمل تحليل المشاعر بشكل فعال ، هناك بعض النقاط التقنية الأساسية التي يجب مراعاتها.

1) وضع سؤال أعمال ذي صلة

قرر ما هي الأسئلة التي تريد الإجابة عليها وما إذا كانت هذه تقنيات البيانات مناسبة لتلك الأسئلة. دعونا نعتبر سؤالين في التسويق

• هل يجب أن نطلق شراكة تسويقية مع شركة بطاقات ائتمانية لتحقيق المزيد من المبيعات؟
• هل نحصل على عائدات من حملات التسويق التأثيري؟

السؤال الأول يتعلق بالاستراتيجية والاحتمالات المستقبلية ، لذلك لن يكون هناك الكثير من البيانات للتحليل. لذلك ، سنقترح عدم محاولة الإجابة على هذا السؤال مع تحليل المشاعر. في المقابل ، السؤال الثاني أكثر وعدًا لمعالجة اللغة الطبيعية. لا يزال يحتاج إلى المزيد من التحسين ، ولكنك لديك بداية لاسئلة مناسبة.

2) العثور على مصدر البيانات

خطوةك التالية هي العثور على مصدر بيانات ذي صلة للتحليل. ابحث عن مصادر البيانات التي لديك بالفعل بدلاً من إنشاء شيء جديد. في التوظيف ، لديك على الأرجح قاعدة بيانات للمتقدمين والمتقدمين الناجحين في نظام تتبع المتقدمين. في التسويق ، يمكنك تحميل البيانات من منصات وسائل التواصل الاجتماعي باستخدام واجهات برمجة التطبيقات.

نصيحة: حجم البيانات ضروري لكي يعمل تحليل المشاعر. كقاعدة عامة ، يجب أن يكون لديك على الأقل 1000 مثال (على سبيل المثال ، 1000 تويت أو 1000 ملف تعريف متقدم). أي شيء أقل من ذلك ، وستكون أقل احتمالاً للحصول على نتائج إحصائية ذات معنى.

اقرأ المزيد حول مصادر البيانات البديلة وإضافة بياناتك مع بيانات الطرف الثالث.

3) معالجة البيانات مسبقًا

معظم مصادر البيانات ، خاصة وسائل التواصل الاجتماعي والمحتوى الذي ينتجه المستخدم ، يتطلب المعالجة المسبقة قبل أن تتمكن من العمل معها. افتراضًا أنك تحليل مورد نصي ، ابدأ bằng إزالة علامات الترقيم والرموز غير الضرورية وغيرها من تنظيف النص. سوف ي cải thiện جودة التحليل الناتج.

由于 مجموعات البيانات الأكبر تنتج نتائج أفضل ، استخدم الأدوات لتنظيف البيانات بشكل أكبر. على سبيل المثال ، خوارزمية Porter Stemmer هي طريقة مفيدة لتنظيف البيانات النصية. تساعد هذه الخوارزمية على تحديد الكلمات الجذرية وتقليل الضوضاء في بياناتك.

4) تحليل البيانات

اعتمادًا على أهدافك ، هناك أدوات برمجية و خوارزميات مختلفة متاحة لتحليل البيانات. افتراضًا أنك تحليل نص ، خوارزمية Naïve Bayes هي الخيار الصحيح لconduct تحليل المشاعر.

5) تقييم الإخراجات بشكل حرج

لا يمكنك قبول التحليل الذي تم توليده بواسطة الآلات دون نقد. وجد الباحثون أن أدوات التعلم الآلي تميل إلى تعكس انحياز الإنسان. على سبيل المثال ، ألغت أمازون أداة توظيف آلية لأنها تميزت ضد المرشحات الإناث. بعد كل شيء ، كانت البيانات التاريخية في هذه الحالة في الغالب dựa على الرجال. هذا هو المكان الذي يجب أن توازن فيه قيمك – مثل الالتزام بالشمول والتنوع – مع رؤى مدفوعة بالبيانات.

يطبق هذا أيضًا على الإخراجات التي تم إنتاجها بواسطة محركات البحث. يوفر CEO của KISSPatent D’vorah Graeser مثالًا عن كيفية تحسين NLP نتائج بحثهم عند تحليل المعلومات من المنظمة العالمية للملكية الفكرية

“استخدام NLP هو ذو صلة و مفيد خاصة عند محاولة البحث عن براءات اختراع لتقنيات جديدة مثل blockchain أو الذكاء الاصطناعي ، التي لا تمتلك فئات محددة في المنظمة العالمية للملكية الفكرية ، على سبيل المثال. القدرة على البحث والfinding براءات اختراع مهمة لجميع المبتكرين لأنهم يمكن أن يعرفوا من يعمل على ابتكارات معينة وإذا كانت ابتكاراتهم فريدة من نوعها وجديدة كما يعتقدون.”

KISSPatent CEO، D’vorah Graeser

6) تحديد الخطوات التالية

بذاته ، تحليل المشاعر لن يغير عملك. تحتاج إلى مراجعة تلك الرؤى واتخاذ قرار. على سبيل المثال ، قد تجد أن لديك كمية متزايدة من المشاعر السلبية حول علامتك التجارية على الإنترنت. في这种 الحالة ، قد تبدأ مشروع بحث لتحديد مخاوف العملاء ومن ثم إصدار نسخة محسنة من منتجك.

غير متأكد من حيث البدء مع NLP في وسائل التواصل الاجتماعي؟

العثور على البيانات الصحيحة ، وتطبيق الخوارزميات على تلك البيانات ، والحصول على رؤى أعمال قابلة للاستخدام ليس بالأمر السهل. بعد كل شيء ، حتى الشركات الكبيرة التي لديها موارد عميقة قد ارتكبت أخطاء في مشاريع معالجة اللغة الطبيعية. لذلك ، من الجيد الحصول على منظور خارجي على بياناتك. اتصل بـ Blue Orange Digital اليوم لمعرفة كيف يمكنك الحصول على رؤى أسرع من وسائل التواصل الاجتماعي وبيانات أخرى في منظمتك.

لمزيد من المعلومات حول الذكاء الاصطناعي و اتجاهات التكنولوجيا ، انظر جوش ميرامانت ، الرئيس التنفيذي لشركة Blue Orange Digital’s حلول مدفوعة بالبيانات لـ سلسلة التوريد ، وتحسين وثائق الرعاية الصحية ، والمزيد من دراسات الحالة。