6 שלבים לקבלת תובנות ממדיה חברתית עם עיבוד שפה טבעית

ניתוח סנטימנטים ועיבוד שפה טבעית (NLP) של מדיה חברתית היא דרך מוכחת להפיק תובנות מאנשים ומהחברה. במקום לבקש מאנליסט להקדיש שבועות לקריאת תגובות במדיה החברתית ולספק דוח, ניתוח סנטימנטים יכול לתת לך סיכום מהיר. זה אומר שאתה יכול לקבל החלטות מהר יותר.

למה אתה צריך ניתוח סנטימנטים ו-NLP במדיה חברתית?

אתה חי בעידן הביג דאטה. קחו לדוגמה משתמשי מדיה חברתית. ב 2019, היו 3.4 מיליארד משתמשי מדיה חברתית פעילים בעולם. עַל YouTube לבד, מיליארד שעות של תוכן וידאו נצפים מדי יום. כל אינדיקטור מצביע על כך שנראה יותר נתונים שנוצרו לאורך זמן, לא פחות.

פשוט יש יותר מדי נתונים בשביל שתוכל לסקור באופן ידני. אפילו ארגונים עם תקציבים גדולים כמו ממשלות לאומיות ותאגידים גלובליים משתמשים בכלי ניתוח נתונים, אלגוריתמים ועיבוד שפה טבעית.

על ידי שימוש בטכניקות אלה, אתה יכול להבין מה אנשים אומרים על המותג שלך עכשיו. היכולת למזער את הטיית הבחירה ולהימנע מהסתמכות על אנקדוטות פירושה שלהחלטות שלך תהיה בסיס איתן. זה אומר שאתה תעשה פחות טעויות כשאתה מגיב לעולם המשתנה במהירות.

ניתוח סנטימנטים ו-NLP בפעולה: גיוס עובדים, בריאות הציבור ושיווק

אולי אתה תוהה אם כלי ניתוח הנתונים האלה שימושיים בעולם האמיתי או שהם אמינים לשימוש. הכלים הללו קיימים כבר למעלה מעשור, והם משתפרים מדי שנה. עם NLP וניתוח סנטימנטים, אתה יכול לפתור בעיות מהר יותר.

חסוך זמן במהלך הגיוס

בגיוס עובדים קשה למצוא מועמדים איכותיים. ווקופוליס מעריך כי "כ-75% מהמועמדים לתפקיד נתון אינם מוסמכים בפועל לעשות זאת." לבזבז זמן על אותם מועמדים אינו פרודוקטיבי. למרבה המזל, עיבוד וניתוח של שפה טבעית יכולים לעזור לך לזהות מועמדים בכושר טוב כדי שתוכל להשתמש בזמן בצורה פרודוקטיבית. בגלל זה Blue Orange Digital עבדה עם קרן גידור כדי לייעל את תהליך משאבי האנוש שלהם. באמצעות נתוני מועמדים וקורות חיים של עשר שנים, לחברה יש כעת מודל ניקוד מתוחכם למציאת מועמדים בכושר טוב.

בריאות הציבור ומצבי חירום

בשנת 2020, כולנו התחלנו ללמוד את הערך של ניתוח נתוני בריאות הציבור בקנה מידה גדול עקב ההתפשטות המהירה של COVID. במשברים אלו, זיהוי מהיר של שינויים בהתנהגות חברתית הוא חיוני. עם NLP, אתה יכול לנתח מדיה חברתית כדי להעריך סנטימנט. לדוגמה, לאחרונה הפרויקט ניתח למעלה מ-1,000 ציוצים שימוש במילות המפתח מסכות כדי להבין איך אנשים חושבים ומרגישים לגבי מסכות.

שיווק

בשיווק, אתה צריך להישאר מעודכן לגבי איך שוק היעד שלך חושב ומרגיש. א מחקר 2019 השתמש בניתוח סנטימנטים בטוויטר כדי להבין טוב יותר את מותגי הלבוש: נייקי ואדידס. בניתוח 30,895 ציוצים בשפה האנגלית, החוקרים מצאו, "לאדידס יש סנטימנט חיובי יותר מנייקי". עם זאת, יותר מ-50% מהציוצים היו בעלי סנטימנט ניטרלי. זה אומר שעדיין ישנה הזדמנות משמעותית להרוויח יותר אזכורים חיוביים מהשוק.

לייקים הם המטבע החדש, NLP במדיה החברתית

כיצד עובד ניתוח סנטימנטים מבחינה טכנית?

כדי שניתוח סנטימנטים יעבוד ביעילות, יש לזכור כמה נקודות טכניות חיוניות.

1) פתח שאלה עסקית רלוונטית

החליטו על אילו שאלות ברצונכם לענות והאם טכניקות הנתונים הללו מתאימות לשאלות אלו. הבה נבחן שתי שאלות שיווקיות

• האם עלינו להשיק שותפות שיווקית עם חברת כרטיסי אשראי כדי לבצע יותר מכירות?
• האם אנו מקבלים החזר על מסעות הפרסום השיווקיים המשפיעים שלנו?

השאלה הראשונה נוגעת לאסטרטגיה ואפשרויות עתידיות, כך שלא יהיו הרבה נתונים לנתח. לכן, אנו מציעים לא לנסות לענות על שאלה זו בניתוח סנטימנטים. לעומת זאת, שאלה שניה מבטיחה יותר לעיבוד שפה טבעית. זה עדיין דורש חידוד נוסף, אבל יש לך התחלה של שאלה מתאימה.

2) מצא את מקור הנתונים שלך

הצעד הבא שלך הוא למצוא מקור נתונים רלוונטי לניתוח. באופן אידיאלי, חפש מקורות נתונים שכבר יש לך במקום ליצור משהו חדש. לגיוס עובדים, כנראה יש לך מאגר מועמדים ועובדים מוצלחים במערכת מעקב המועמדים שלך. בשיווק, אתה יכול להוריד נתונים מפלטפורמות מדיה חברתית באמצעות ממשקי API.

טיפ: נפח הנתונים חיוני כדי שניתוח סנטימנטים יעבוד. ככלל אצבע, מערך הנתונים שלך צריך לכלול לפחות 1,000 דוגמאות (למשל, 1,000 ציוצים או 1,000 פרופילי מועמדים). כל דבר פחות מזה, ויש לך פחות סיכוי להשיג תוצאות בעלות משמעות סטטיסטית.

קרא עוד על מקורות נתונים חלופיים והשלמת הנתונים שלך עם נתונים של צד שלישי.

3) עבד את הנתונים שלך מראש

רוב מקורות הנתונים, במיוחד מדיה חברתית ותוכן שנוצר על ידי משתמשים, דורשים עיבוד מוקדם לפני שתוכל לעבוד איתו. בהנחה שאתה מנתח משאב טקסט, התחל בהסרת סימני פיסוק, תווים וטקסט ניקוי מיותר. הוצאת זמן על שלב זה ישפר את איכות הניתוח המתקבל.

מכיוון שמערכות נתונים נרחבות יותר נוטות להניב תוצאות טובות יותר, השתמש בכלים כדי לנקות את הנתונים עוד יותר. לדוגמה, ה אלגוריתם פורטר סטמר היא דרך מועילה לנקות נתוני טקסט. אלגוריתם זה עוזר לזהות מילות שורש ולצמצם את הרעש בנתונים שלך.

4) נתח את הנתונים

בהתאם למטרות שלך, ישנם כלי תוכנה שונים ואלגוריתמים זמינים לניתוח הנתונים. בהנחה שאתה מנתח טקסט, האלגוריתם Naive Bayes הוא הבחירה הנכונה לבצע ניתוח סנטימנטים.

5) להעריך באופן ביקורתי את התפוקות

אתה לא יכול רק לקבל את ניתוח הנתונים שנוצר על ידי מכונות ללא ביקורת. חוקרים מצאו שכלי למידת מכונה נוטים לשקף הטיה אנושית. לדוגמה, אמזון ביטלה אלגוריתם משאבי אנוש כי היא מפלה לרעה מועמדות. אחרי הכל, נתונים היסטוריים, במקרה הזה, התבססו בעיקר על גברים. זה המקום שבו הערכים שלך - כמו מחויבות להכלה וגיוון - צריכים לאזן בין תובנות מונעות נתונים. 

זה חל גם על התפוקות שהניבו מנועי החיפוש. מנכ"ל KISSPatent D'vorah Graeser מספק דוגמה לאופן שבו NLP משפר את תוצאות מנועי החיפוש שלהם בעת ניתוח מידע מארגון הקניין הרוחני העולמי 

"השימוש ב-NLP רלוונטי ושימושי במיוחד כאשר מנסים לחפש פטנטים לטכנולוגיות חדשות כמו בלוקצ'יין או בינה מלאכותית, שאין להן קטגוריות מוגדרות בארגון הקניין הרוחני העולמי, למשל. היכולת לחפש ולמצוא פטנטים חשובה לכל המחדשים כי כך הם יכולים לדעת מי עובד על חידושים מסוימים ואם החידושים שלהם ייחודיים וחדשים כמו שהם חושבים”.

מנכ"ל KISSPatent, D'vorah Graeser

6) קבע את השלבים הבאים

כשלעצמו, ניתוח סנטימנטים לא ישנה את העסק שלך. אתה צריך לבדוק את התובנות האלה ולקבל החלטה. לדוגמה, אתה עשוי לגלות שיש לך כמות הולכת וגוברת של סנטימנט שלילי לגבי המותג שלך באינטרנט. במקרה כזה, ייתכן שתתחיל פרויקט מחקר לזיהוי חששות של לקוחות ולאחר מכן תשחרר גרסה משופרת של המוצר שלך.

לא בטוח מאיפה להתחיל עם NLP במדיה חברתית?

זה לא קל למצוא את הנתונים הנכונים, להחיל אלגוריתמים על הנתונים האלה ולקבל תובנות עסקיות שמישות. אחרי הכל, חברות גדולות עם משאבים עמוקים עשו טעויות בפרויקטים של עיבוד השפה הטבעית שלהן. לכן כדאי לקבל נקודת מבט חיצונית על הנתונים שלך. איש קשר כחול כתום דיגיטלי היום כדי לגלות כיצד תוכל לקבל תובנות מהירות יותר ממדיה חברתית ונתונים אחרים בארגון שלך.

למידע נוסף על AI ומגמות טכנולוגיות, ראה ג'וש מיראמנט, מנכ"ל הפתרונות מונעי הנתונים של Blue Orange Digital עבור שרשרת אספקה, אוטומציה של מסמכי בריאותועוד תיאורי מקרה.