6단계로 소셜 미디어에서 자연어 처리를 통해 통찰력을 얻는 방법

소셜 미디어의 감정 분석과 자연어 처리(NLP)는 사람과 사회에서 통찰력을 얻는 검증된 방법입니다. 분석가가 수 주간 소셜 미디어 댓글을 읽고 보고서를 제공하도록 요청하는 대신 감정 분석을 사용하여 빠른 요약을 얻을 수 있습니다. 즉, 더 빠르게 의사 결정을 할 수 있습니다.

소셜 미디어에서 감정 분석과 NLP가 필요한 이유는 무엇입니까?

빅 데이터의 시대에 살고 있습니다. 소셜 미디어 사용자를 예로 들어보겠습니다. 2019년에 전 세계에 34억 명의 활성 소셜 미디어 사용자가 있었습니다. 유튜브에서만 하루에 10억 시간의 비디오 콘텐츠가 시청됩니다. 모든 지표는 시간이 지남에 따라 더 많은 데이터가 생성될 것으로 나타납니다.

수동으로 검토할 수 있는 데이터의 양이 너무 많습니다. 심지어 대규모 예산을 가진 국가 정부와 글로벌 기업도 데이터 분석 도구, 알고리즘 및 자연어 처리를 사용하고 있습니다.

이러한 기술을 사용하면 현재 브랜드에 대한 사람들이 무엇을 말하는지 이해할 수 있습니다. 선택 편향을 최소화하고 증언에 의존하지 않도록 하는 기능으로 인해 의사 결정은 확고한 기초를 갖출 것입니다. 즉, 빠르게 변화하는 세계에 반응할 때 더少한 실수를 할 것입니다.

감정 분석 및 NLP를 실제로 적용한 사례: 채용, 공중 보건, 마케팅

이러한 데이터 분석 도구가 실제로 유용한지, 신뢰할 수 있는지 궁금하실 것입니다. 이러한 도구는 10년 이상 사용되어 왔으며 매년 개선되고 있습니다. NLP와 감정 분석을 사용하면 문제를 더 빠르게 해결할 수 있습니다.

채용 과정에서 시간 절약

채용에서 우수한 후보자를 찾는 것은 어렵습니다. Workopolis에 따르면 “특정 역할에 지원하는 지원자의 75%는 실제로 그 역할을 수행할 수 없습니다.” 이러한 지원자에게 시간을 보내는 것은 생산적이지 않습니다.幸い, 자연어 처리와 분석을 사용하면 적합한 후보자를 식별하여 시간을 효율적으로 사용할 수 있습니다. đó가 Blue Orange Digital이 헤지 펀드와 함께 인사 과정 최적화를 위해 협력한 이유입니다. 10년간의 지원자 데이터와 이력서를 사용하여, 이제는 우수한 후보자를 찾는 고급 스코어링 모델을 갖추게 되었습니다.

공중 보건 및 비상 사태

2020년에 우리는 모두 대규모 공중 보건 데이터 분석의 가치를 배웠습니다. 이러한 위기 상황에서 사회적 행동의 변화를 빠르게 감지하는 것이 중요합니다. NLP를 사용하여 소셜 미디어를 분석하여 감정을 평가할 수 있습니다. 예를 들어, 최근 프로젝트는 마스크에 대한 사람들의 생각과 감정을 이해하기 위해 1,000개 이상의 트윗을 분석했습니다.

마케팅

마케팅에서는 타겟 마켓이 어떻게 생각하고 느끼는지에 대해 최신 정보를 유지해야 합니다. 2019년 연구에서는 트위터 감정 분석을 사용하여 의류 브랜드(나이키와 아디다스)를 더 잘 이해하기 위해 30,895개의 영어 트윗을 분석했습니다. 연구자들은 “아디다스가 나이키보다 더 긍정적인 감정을 가지고 있다”는 것을 발견했습니다. 그러나 50% 이상의 트윗은 중립적인 감정을 가지고 있었습니다. 즉, 여전히 시장에서 더 많은 긍정적인 언급을 얻을 수 있는 기회가 있습니다.

라이크는 새로운 화폐, 소셜 미디어의 NLP

감정 분석이 기술적으로 어떻게 작동하는지

감정 분석이 효과적으로 작동하려면 몇 가지 중요한 기술적 사항을 고려해야 합니다.

1) 관련 비즈니스 질문 개발

回答하고 싶은 질문을 결정하고 이러한 데이터 기술이 해당 질문에 적합한지 여부를 확인하십시오. 두 가지 마케팅 질문을 고려해 보겠습니다.

• 신용 카드 회사와의 마케팅 파트너십을 통해 더 많은 판매를 할 수 있을까요?
• 인플루언서 마케팅 캠페인에서 ROI를 얻고 있나요?

첫 번째 질문은 전략과 미래의 가능성에 관한 것으로, 분석할 수 있는 데이터가 많지 않습니다. 따라서 감정 분석을 사용하여 이 질문에 답변하려고 시도하지 않기를 권장합니다. 반면, 두 번째 질문은 자연어 처리에 더 적합합니다. 아직 더 많은 정제가 필요하지만, 적절한 질문의 시작을 갖고 있습니다.

2) 데이터 소스 찾기

다음 단계는 분석할 관련 데이터 소스를 찾는 것입니다. 가능하다면 새로 생성하는 대신 이미 가지고 있는 데이터 소스를 찾으십시오. 채용의 경우, 지원자와 성공적인 채용 데이터베이스가 있습니다. 마케팅의 경우, 소셜 미디어 플랫폼에서 API를 사용하여 데이터를 다운로드할 수 있습니다.

팁: 감정 분석이 작동하려면 데이터 양이 중요합니다. 규칙으로, 데이터 세트에는 최소 1,000개의 예시(예: 1,000개의 트윗 또는 1,000개의 지원자 프로필)가 있어야 합니다. 그보다 적으면 통계적으로 유의미한 결과를 얻을 가능성이 낮습니다.

대체 데이터 소스 및 3차 데이터로 데이터를 보충하는 방법에 대해 자세히 알아보세요.

3) 데이터 전처리

대부분의 데이터 소스, 특히 소셜 미디어와 사용자 생성 콘텐츠는 작업을 시작하기 전에 전처리가 필요합니다. 텍스트 리소스를 분석한다고 가정하면, 불필요한 구두점, 문자 및 기타 텍스트를 정리하기 시작합니다. 이 단계에서 시간을 투자하면 결과 분석의 품질이 향상됩니다.

보다 광범위한 데이터 세트는 일반적으로 더好的 결과를产生합니다. 따라서 데이터를 추가로 정리하기 위한 도구를 사용하십시오. 예를 들어, Porter Stemmer Algorithm은 텍스트 데이터를 정리하는 데 유용한 방법입니다. 이 알고리즘은 근본적인 단어를 식별하고 데이터의 노이즈를 줄이는 데 도움이 됩니다.

4) 데이터 분석

목표에 따라 다양한 소프트웨어 도구와 알고리즘이 있습니다. 텍스트를 분석한다고 가정하면, Naïve Bayes 알고리즘이 감정 분석을 수행하는 올바른 선택입니다.

5) 출력의 비판적 평가

머신에서 생성된 데이터 분석을 비판적으로 평가해야 합니다. 연구자들은 기계 학습 도구가 인간의 편향을 반영하는 경향이 있다고 발견했습니다. 예를 들어, 아마존은 여성 후보자에 대한 편향을 보여주었기 때문에 인사 알고리즘을 폐기했습니다. 역사적인 데이터는 주로 남성에 기반을 두었기 때문입니다. 그곳에서 귀하의 가치, 즉 包容性 및 多様性에 대한 헌신이 데이터 주도적인 통찰력을 균형있게 해야 합니다.

이는 검색 엔진의 출력에도 적용됩니다. KISSPatent의 CEO인 D’vorah Graeser는 NLP가 세계 지적 재산 기구의 정보를 분석할 때 검색 엔진 결과를 개선하는 방법에 대한 예를 제공합니다.

“NLP를 사용하는 것은 블록체인이나 인공지능과 같은 새로운 기술에 대한 특허를 찾을 때 특히 관련이 있고 유용합니다. 예를 들어, 세계 지적 재산 기구에서 이러한 기술에 대한 정의된 카테고리가 없을 수 있습니다. 특허를 검색하고 찾을 수 있으면 혁신가들이 누가 어떤 혁신을 진행하고 있는지, 그리고 그들의 혁신이 실제로 새로운지 여부를 알 수 있습니다.”

KISSPatent의 CEO, D’vorah Graeser

6) 다음 단계 결정

독자적으로 감정 분석은 비즈니스에 변화를 가져오지 않습니다. 통찰력을 검토하고 결정해야 합니다. 예를 들어, 온라인에서 브랜드에 대한 부정적인 감정이 증가하고 있음을 발견할 수 있습니다.那样 경우, 고객의 우려를 식별하기 위한 연구 프로젝트를 시작한 다음 제품의 개선된 버전을 출시할 수 있습니다.

소셜 미디어에서 NLP를 시작하는 방법을 모르는 경우

데이터를 찾고, 데이터에 알고리즘을 적용하고, 사용 가능한 비즈니스 통찰력을 얻는 것은 쉽지 않습니다. 깊은 자원을 가진 대기업조차 자연어 처리 프로젝트에서 실수를犯했습니다. đó가 Blue Orange Digital에 오늘 협력하여 조직의 데이터에서 더 빠른 통찰력을 얻는 방법을 알아보는 이유입니다.

인공지능 및 기술 트렌드에 대한 자세한 정보는 Blue Orange Digital의 CEO인 Josh Miramant의 데이터 기반 솔루션을 참조하십시오. 공급망, 의료 문서 자동화 및 더 많은 사례 연구에 대한 예입니다.