6つのステップでソーシャルメディアからインサイトを得るための自然言語処理

ソーシャルメディアの感情分析と自然言語処理（NLP）は、人々や社会からインサイトを得るための確立された方法です。分析者に数週間かけてソーシャルメディアのコメントを読み、報告書を提供するのではなく、感情分析によって迅速な要約を得ることができます。那意味して、より迅速に決定を下すことができます。

なぜソーシャルメディアで感情分析とNLPが必要か

あなたはビッグデータの時代に生きています。ソーシャルメディアユーザーを例に挙げます。2019年には、世界に34億人のアクティブなソーシャルメディアユーザーが存在しました。YouTubeだけで、1億時間のビデオコンテンツが毎日視聴されています。すべての指標は、将来にわたってより多くのデータが生成されることを示唆しています。

手動でこれらのデータを確認することは不可能です。国や大企業のような大きな予算を持つ組織でも、データ分析ツールやアルゴリズム、自然言語処理を使用しています。

これらの技術を使用することで、現在あなたのブランドについて人々が何を言っているかを理解することができます。選択バイアスを最小限に抑え、逸話に頼ることを避けることで、決定は堅固な基盤を持つことになります。那意味して、迅速に変化する世界に対応する際に、より少ないミスを犯すことになります。

感情分析とNLPの実践：採用、公衆衛生、そしてマーケティング

これらのデータ分析ツールは現実世界で役立つのか、信頼性があるのか疑問に思うかもしれません。これらのツールは10年以上前に登場しましたが、毎年改善されています。NLPと感情分析を使用することで、問題をより迅速に解決することができます。

採用における時間の節約

採用において、高品質の候補者を見つけることは難しいです。Workopolisによると、「ある役割への応募者の中で、最大75%は実際にはその役割を果たすことができない」ということです。そうした候補者に時間を費やすことは生産的ではありません。幸いなことに、自然言語処理と分析を使用することで、高品質の候補者を特定し、時間を生産的に使用することができます。那ため、Blue Orange Digitalはヘッジファンドと協力して、人事プロセスを最適化しました。10年分の応募データと履歴書を使用して、候補者を評価するための高度なスコアリングモデルを開発しました。

公衆衛生と緊急事態

2020年には、COVID-19の急速な拡散により、公衆衛生データ分析の重要性を学びました。緊急事態において、社会的行動の変化を迅速に検出することが不可欠です。NLPを使用することで、感情分析を実施し、人々がマスクについてどう考えているかを理解することができます。たとえば、最近のプロジェクトでは、1,000以上のツイートを分析して、マスクについて人々がどう考えているかを理解しました。

マーケティング

マーケティングにおいては、ターゲット市場がどう考えているかを理解する必要があります。2019年の研究では、Twitterの感情分析を使用して、NikeとAdidasのブランドについてよりよく理解しました。30,895の英語ツイートを分析した結果、「AdidasはNikeよりもよりポジティブな感情を持っている」ということがわかりました。ただし、50%以上のツイートは中立的な感情を持っていました。那意味して、市場からより多くのポジティブな言及を得る機会があります。

Likes are the new currency, NLP in social media

感情分析の技術的な仕組み

感情分析を効果的に実施するには、技術的な点を考慮する必要があります。

1）関連するビジネス質問を開発する

どのような質問に答えたいかを決定し、データ分析技術が適切かどうかを判断します。マーケティングの質問を2つ考えてみましょう

• クレジットカード会社とマーケティングパートナーシップを結ぶことで、より多くの販売を実現できるか
• インフルエンサーマーケティングキャンペーンからリターンを得ているか

最初の質問は戦略と将来の可能性に関するもので、分析するデータはほとんどありません。したがって、感情分析を使用してこの質問に答えることをお勧めしません。対照的に、2番目の質問はNLPに適しています。ただし、さらに洗練する必要があります。

2）データソースを見つける

次のステップは、関連するデータソースを見つけることです。可能であれば、既存のデータソースを使用することをお勧めします。採用の場合、応募者と採用された人のデータベースがあるかもしれません。マーケティングの場合、APIを使用してソーシャルメディアプラットフォームからデータをダウンロードできます。

ヒント：データ量は感情分析のために不可欠です。一般的なルールとして、データセットには少なくとも1,000の例（例：1,000ツイートまたは1,000人の応募者プロファイル）が必要です。そうでない場合は、統計的に有意な結果を得る可能性は低いです。

サードパーティーデータを使用してデータを補足する方法についてさらに詳しく知る

3）データを前処理する

ほとんどのデータソース、特にソーシャルメディアやユーザー生成コンテンツは、分析する前に前処理が必要です。テキストリソースを分析する場合、不要なピリオド、文字、テキストのクリーンアップから始めます。このステップに時間を費やすことで、分析結果の品質を向上させることができます。

より広範なデータセットはより良い結果をもたらすことが多いので、ツールを使用してデータをさらにクリーンアップする必要があります。たとえば、 Porter Stemmer Algorithmはテキストデータをクリーンアップするのに役立つ方法です。このアルゴリズムはルートワードを特定し、ノイズを減らすのに役立ちます。

4）データを分析する

目標に応じて、さまざまなソフトウェアツールとアルゴリズムが利用可能です。テキストを分析する場合は、Naïve Bayesアルゴリズムが感情分析を実施するために適しています。

5）出力を批判的に評価する

機械によって生成されたデータ分析を批判的に評価する必要があります。研究者は、機械学習ツールが人間のバイアスを反映する傾向があることを発見しました。たとえば、 Amazonは、女性候補者に対する偏見を示した人事アルゴリズムを廃止しました。そのアルゴリズムは歴史的なデータに基づいていたため、主に男性のデータで構成されていました。那ため、データ駆動型のインサイトをバランスさせるために、包括性や多様性への取り組みなどの価値観が必要です。

これは、検索エンジンの出力にも当てはまります。KISSPatent CEOのD’vorah Graeserは、世界知的所有権機関の情報を分析する際に、NLPが検索エンジンの結果を向上させていることを示しています

「NLPを使用することは、特にブロックチェーンや人工知能のような新しいテクノロジーに対する特許を探す場合に、非常に関連性があり、有用です。検索して特許を発見することは、すべてのイノベーターにとって重要です。なぜなら、それにより、彼らは誰が特定のイノベーションに取り組んでいるかを知ることができ、自分のイノベーションが本当に新しいかどうかを判断することができるからです。」

KISSPatent CEO、D’vorah Graeser

6）次のステップを決定する

感情分析だけではビジネスを変えることはできません。インサイトをレビューし、決定を下す必要があります。たとえば、オンラインでのブランドに対する否定的な感情が増加していることがわかった場合、顧客の懸念を特定し、製品を改良するプロジェクトを開始することができます。

ソーシャルメディアのNLPを始める方法がわからない場合

正しいデータを見つけて、それにアルゴリズムを適用し、ビジネスに役立つインサイトを得ることは簡単ではありません。大きなリソースを持つ大企業でも、NLPプロジェクトでミスを犯しています。那ため、外部の視点を得ることが重要です。Blue Orange Digitalに今日連絡して、ソーシャルメディアや組織内の他のデータからより迅速にインサイトを得る方法を知ります。

AIやテクノロジーのトレンドについてさらに知りたい場合は、Blue Orange DigitalのCEOであるJosh Miramantのデータ駆動型ソリューションを参照してください。サプライチェーン、ヘルスケア文書の自動化、さらに多くのケーススタディがあります。