6 sammu, et saada teavet sotsiaalmeediast loomuliku keele töötlemisega

Sotsiaalmeedia sentimendianalüüs ja loomuliku keele töötlemine (NLP) on tõestatud viis inimestelt ja ühiskonnalt ülevaate saamiseks. Selle asemel, et paluda analüütikul kulutada nädalaid sotsiaalmeedia kommentaaride lugemisele ja aruande esitamisele, võib sentimentaalanalüüs anda teile kiire kokkuvõtte. See tähendab, et saate otsuseid teha kiiremini.

Miks vajate sotsiaalmeedias sentimentide analüüsi ja NLP-d?

Elate suurte andmete ajastul. Võtke näiteks sotsiaalmeedia kasutajad. sisse 2019, oli maailmas 3.4 miljardit aktiivset sotsiaalmeedia kasutajat. Peal Youtube üksi vaadatakse iga päev miljard tundi videosisu. Iga näitaja viitab sellele, et aja jooksul toodetakse rohkem andmeid, mitte vähem.

Andmeid on lihtsalt liiga palju, et saaksite käsitsi üle vaadata. Isegi suure eelarvega organisatsioonid, nagu riikide valitsused ja ülemaailmsed ettevõtted, kasutavad andmeanalüüsi tööriistu, algoritme ja loomuliku keele töötlemist.

Neid tehnikaid kasutades saate aru, mida inimesed teie kaubamärgi kohta praegu räägivad. Võimalus minimeerida valiku kallutatust ja vältida anekdootidele tuginemist tähendab, et teie otsustel on kindel alus. See tähendab, et teete vähem vigu, kui reageerite kiiresti muutuvale maailmale.

Sentiment Analysis & NLP in Action: palkamine, rahvatervis ja turundus

Võite küsida, kas need andmeanalüüsi tööriistad on reaalses maailmas kasulikud või on need usaldusväärsed kasutada. Need tööriistad on olnud kasutusel üle kümne aasta ja muutuvad iga aastaga paremaks. NLP ja sentimentanalüüsi abil saate probleeme kiiremini lahendada.

Säästke palkamise ajal aega

Töölevõtmisel on kvaliteetsete kandidaatide leidmine raske. Workopolis hinnangul "75% teatud rolli kandidaatidest ei ole tegelikult selleks kvalifitseeritud." Nendele kandidaatidele aja kulutamine ei ole produktiivne. Õnneks võivad loomuliku keele töötlemine ja analüüs aidata teil leida sobivaid kandidaate, et saaksite aega produktiivselt kasutada. Sellepärast Blue Orange Digital töötas riskifondiga oma personaliprotsessi optimeerimiseks. Kasutades kümne aasta pikkuseid taotlejate andmeid ja CV-sid, on ettevõttel nüüd keerukas hindamismudel sobivate kandidaatide leidmiseks.

Rahvatervis ja hädaolukorrad

2020. aastal oleme COVID-i kiire leviku tõttu hakanud õppima suuremahulise rahvatervise andmete analüüsi väärtust. Nendes kriisides on sotsiaalse käitumise muutuste kiire avastamine hädavajalik. NLP abil saate sentimentide hindamiseks analüüsida sotsiaalmeediat. Näiteks hiljutine projekt analüüsis üle 1,000 säutsu kasutades märksõna maskid, et mõista, kuidas inimesed maskidest mõtlevad ja tunnevad.

Turundus

Turunduses peate olema kursis sellega, kuidas teie sihtturg mõtleb ja tunneb. A 2019 uuring kasutas Twitteri sentimentaalanalüüsi, et mõista paremini rõivabrände: Nike ja Adidas. Analüüsides 30,895 50 ingliskeelset säutsu, leidsid teadlased: "Adidasel on positiivsem meeleolu kui Nike'il." Kuid üle XNUMX% säutsudest olid neutraalsed. See tähendab, et turul on endiselt märkimisväärne võimalus teenida rohkem positiivseid mainimisi.

Meeldimised on sotsiaalmeedias uus valuuta NLP

Kuidas tundeanalüüs tehniliselt töötab?

Sentimentanalüüsi tõhusaks toimimiseks tuleb meeles pidada mõnda olulist tehnilist punkti.

1) Töötage välja asjakohane äriküsimus

Otsustage, millistele küsimustele soovite vastata ja kas need andmetehnikad sobivad nende küsimuste jaoks hästi. Vaatleme kahte turundusküsimust

• Kas peaksime alustama turunduspartnerlust krediitkaardiettevõttega, et suurendada müüki?
• Kas me saame oma mõjutajate turunduskampaaniatelt tulu?

Esimene küsimus puudutab strateegiat ja tulevikuvõimalusi, seega pole analüüsimiseks palju andmeid. Seetõttu soovitame mitte proovida sellele küsimusele vastata sentimentianalüüsiga. Seevastu küsimus kaks on lootustandvam loomuliku keele töötlemiseks. See vajab veel täpsustamist, kuid teil on õige küsimuse algus.

2) Leidke oma andmeallikas

Järgmine samm on analüüsimiseks asjakohase andmeallika leidmine. Ideaalis otsige andmeallikaid, mis teil juba on, selle asemel, et luua midagi uut. Palkamiseks on teie taotlejate jälgimissüsteemis tõenäoliselt taotlejate ja edukate palkade andmebaas. Turunduses saate API-de abil alla laadida andmeid sotsiaalmeedia platvormidelt.

Näpunäide. Andmemaht on sentimentianalüüsi toimimiseks ülioluline. Rusikareegel peaks olema, et teie andmekogumil peaks olema vähemalt 1,000 näidet (nt 1,000 säutsu või 1,000 taotleja profiili). Midagi vähemat ja on väiksem tõenäosus saada statistiliselt olulisi tulemusi.

Lugege lisateavet alternatiivsete andmeallikate ja andmete täiendamise kohta kolmanda osapoole andmetega.

3) Eeltöötlege oma andmeid

Enamik andmeallikaid, eriti sotsiaalmeedia ja kasutajate loodud sisu, vajavad enne nendega töötamist eeltöötlust. Eeldades, et analüüsite tekstiressurssi, alustage ebavajalike kirjavahemärkide, märkide ja muu puhastusteksti eemaldamisega. Sellele etapile aja kulutamine parandab saadud analüüsi kvaliteeti.

Kuna ulatuslikumad andmekogumid annavad tavaliselt paremaid tulemusi, kasutage andmete täiendavaks puhastamiseks tööriistu. Näiteks Porter Stemmeri algoritm on kasulik viis tekstiandmete puhastamiseks. See algoritm aitab tuvastada tüvisõnu ja vähendada teie andmete müra.

4) Analüüsige andmeid

Sõltuvalt teie eesmärkidest on andmete analüüsimiseks saadaval erinevad tarkvaratööriistad ja algoritmid. Eeldades, et analüüsite teksti, on Naive Bayesi algoritm sentimentanalüüsi läbiviimiseks õige valik.

5) Hinnake väljundeid kriitiliselt

Te ei saa lihtsalt kriitiliselt aktsepteerida masinate genereeritud andmeanalüüsi. Teadlased on avastanud, et masinõppe tööriistad kipuvad peegeldama inimeste eelarvamusi. Näiteks, Amazon kaotas inimressursside algoritmi sest see diskrimineeris naiskandidaate. Lõppude lõpuks põhinesid ajaloolised andmed antud juhul peamiselt meestel. See on koht, kus teie väärtused – nagu pühendumine kaasamisele ja mitmekesisusele – peavad tasakaalustama andmepõhiseid teadmisi. 

See kehtib ka otsingumootorite väljundite kohta. KISSPatenti tegevjuht D'vorah Graeser toob näite, kuidas NLP parandab oma otsingumootorite tulemusi, analüüsides Maailma Intellektuaalomandi Organisatsioonilt saadud teavet. 

„NLP kasutamine on eriti asjakohane ja kasulik, kui püütakse otsida patente uutele tehnoloogiatele, nagu plokiahel või tehisintellekt, millel pole näiteks Maailma Intellektuaalomandi Organisatsioonis määratletud kategooriaid. Patentide otsimise ja leidmise võimalus on oluline kõikidele uuendajatele, sest nii saavad nad teada, kes teatud uuendustega töötab ja kas nende uuendused on nii ainulaadsed ja uued, kui nad arvavad.

KISSPatenti tegevjuht D'vorah Graeser

6) Tehke kindlaks järgmised sammud

Ainuüksi sentimentianalüüs ei muuda teie ettevõtet. Peate need arusaamad üle vaatama ja tegema otsuse. Näiteks võite avastada, et teil on veebis üha rohkem negatiivseid emotsioone oma kaubamärgi kohta. Sel juhul võite alustada uurimisprojekti, et tuvastada klientide mured ja seejärel lasta välja oma toote täiustatud versioon.

Kas pole kindel, kust alustada NLP-ga sotsiaalmeedias?

Õigete andmete leidmine, nendele andmetele algoritmide rakendamine ja kasutatava äriülevaate hankimine ei ole lihtne. On ju sügavate ressurssidega suured ettevõtted oma loomuliku keele töötlemise projektides vigu teinud. Sellepärast tasub oma andmetest väljastpoolt vaadata. Võtke ühendust Sinine oranž digitaalne juba täna, et teada saada, kuidas saada kiiremini teavet sotsiaalmeediast ja muudest oma organisatsiooni andmetest.

AI ja tehnoloogia suundumuste kohta lisateabe saamiseks vaadake Josh Miramant, Blue Orange Digitali andmepõhiste lahenduste tegevjuht. Tarneahel, Tervishoiu dokumentide automatiseerimineja rohkem juhtumiuuringuid.