6 Stappen Om Inzichten Te Krijgen Vanuit Social Media Met Natural Language Processing

Sentimentanalyse en natural language processing (NLP) van social media is een bewezen manier om inzicht te krijgen in mensen en de samenleving. In plaats van een analist te vragen om weken te besteden aan het lezen van social media-opmerkingen en een rapport te bieden, kan sentimentanalyse u een snel overzicht geven. Dat betekent dat u sneller beslissingen kunt nemen.

Waarom Hebt U Sentimentanalyse en NLP Nodig in Social Media?

U leeft in de tijd van big data. Neem social media-gebruikers als voorbeeld. In 2019 waren er 3,4 miljard actieve social media-gebruikers in de wereld. Alleen op YouTube worden elke dag een miljard uur aan video-inhoud bekeken. Elk indicatie wijst erop dat we in de toekomst meer data zullen zien, niet minder.

Er is gewoon te veel data om handmatig te controleren. Zelfs organisaties met grote budgetten, zoals nationale overheden en mondiale ondernemingen, gebruiken data-analysetools, algoritmes en natural language processing.

Door deze technieken te gebruiken, kunt u begrijpen wat mensen over uw merk zeggen. De mogelijkheid om selectiebias te minimaliseren en niet te vertrouwen op anekdotes betekent dat uw beslissingen een stevige basis zullen hebben. Dat betekent dat u minder fouten zult maken bij het reageren op een snel veranderende wereld.

Sentimentanalyse en NLP in Actie: Werving, Openbare Gezondheid en Marketing

U vraagt zich misschien af of deze data-analysetools nuttig zijn in de echte wereld of dat ze betrouwbaar zijn om te gebruiken. Deze tools bestaan al meer dan een decennium en worden elk jaar beter. Met NLP en sentimentanalyse kunt u problemen sneller oplossen.

Tijd Besparen Tijdens Werving

Bij werving is het vinden van kwaliteitskandidaten moeilijk. Workopolis schat dat “zo veel als 75% van de sollicitanten voor een bepaalde functie niet eens gekwalificeerd zijn om het te doen.” Tijd besteden aan die kandidaten is niet productief. Gelukkig kunnen natural language processing en analytics u helpen om kandidaten te identificeren die goed bij u passen, zodat u uw tijd productief kunt gebruiken. Daarom werkte Blue Orange Digital samen met een hedgefonds om hun human resources-proces te optimaliseren. Met tien jaar aan sollicitatiegegevens en cv’s heeft het bedrijf nu een geavanceerd scoresysteem om kandidaten te vinden die goed bij hen passen.

Openbare Gezondheid en Noodgevallen

In 2020 hebben we allemaal geleerd over de waarde van grote openbare gezondheidsdata-analyse vanwege de snelle verspreiding van COVID. In deze crisissituaties is het snel detecteren van veranderingen in sociaal gedrag essentieel. Met NLP kunt u social media analyseren om de sentiment te evalueren. Zo heeft een recent project meer dan 1.000 tweets geanalyseerd met de trefwoord masks om te begrijpen hoe mensen denken en voelen over masks.

Marketing

In marketing moet u op de hoogte blijven van hoe uw doelmarkt denkt en voelt. Een 2019-studie gebruikte Twitter-sentimentanalyse om kledingmerken beter te begrijpen: Nike en Adidas. Door 30.895 Engelstalige tweets te analyseren, vonden de onderzoekers “Adidas heeft een positievere sentiment dan Nike.” Echter, meer dan 50% van de tweets had een neutraal sentiment. Dat betekent dat er nog steeds een significante kans is om meer positieve vermeldingen te krijgen van de markt.

Likes zijn de nieuwe valuta, NLP in social media

Hoe Werkt Sentimentanalyse Technisch?

Om sentimentanalyse effectief te laten werken, zijn er een paar essentiële technische punten om in gedachten te houden.

1) Ontwikkel Een Relevante Bedrijfsvraag

Bepaal welke vragen u wilt beantwoorden en of deze data-technieken een goede fit zijn voor die vragen. Laten we twee marketingvragen overwegen

• Moeten we een marketingpartnerschap aangaan met een creditcardmaatschappij om meer verkoop te genereren?
• Krijgen we rendement op onze influencer-marketingcampagnes?

De eerste vraag heeft betrekking op strategie en toekomstige mogelijkheden, dus er zal niet veel data zijn om te analyseren. Daarom zouden we niet aanbevelen om deze vraag met sentimentanalyse te beantwoorden. In tegenstelling tot de tweede vraag is meerbelovend voor natural language processing. Het vereist nog verdere verfijning, maar u heeft het begin van een passende vraag.

2) Vind Uw Gegevensbron

Uw volgende stap is om een relevante gegevensbron te vinden om te analyseren. Idealerwijze zoekt u naar gegevensbronnen die u al heeft in plaats van iets nieuws te creëren. Voor werving heeft u waarschijnlijk een database van sollicitanten en succesvolle wervingen in uw applicant tracking-systeem. In marketing kunt u gegevens downloaden van social media-platforms met behulp van API’s.

Tip: De hoeveelheid gegevens is essentieel voor sentimentanalyse om te werken. Als regel van duim moet uw gegevensset ten minste 1.000 voorbeelden hebben (bijv. 1.000 tweets of 1.000 sollicitatieprofielen). Alles minder dan dat, en u bent minder waarschijnlijk om statistisch significante resultaten te krijgen.

Lees meer over alternatieve gegevensbronnen en het aanvullen van uw gegevens met derdepartijgegevens.

3) Voorbewerk Uw Gegevens

De meeste gegevensbronnen, vooral social media en gebruikers gegenereerde inhoud, vereisen voorbewerking voordat u er mee kunt werken. Als u een tekstbron analyseert, begint u met het verwijderen van onnodige leestekens, tekens en andere tekstreiniging. Tijd besteden aan deze stap zal de kwaliteit van de resulterende analyse verbeteren.

Aangezien uitgebreidere gegevenssets tendens hebben om betere resultaten te produceren, gebruikt u tools om de gegevens verder te reinigen. Zo is de Porter Stemmer-algoritme een nuttige manier om tekstgegevens te reinigen. Dit algoritme helpt om basiswoorden te identificeren en lawaai in uw gegevens te verminderen.

4) Analyseer De Gegevens

Afhankelijk van uw doelen zijn er verschillende softwaretools en algoritmes beschikbaar om de gegevens te analyseren. Als u tekst analyseert, is de Naïve Bayes-algoritme de juiste keuze om sentimentanalyse uit te voeren.

5) Kritisch Evaluatie Van Uitvoer

U kunt de door machines gegenereerde data-analyse niet zomaar onkritisch accepteren. Onderzoekers hebben ontdekt dat machine learning-tools de neiging hebben om menselijke vooroordelen te weerspiegelen. Zo heeft Amazon een human resources-algoritme geschrapt (AMZN ) omdat het zich tegenover vrouwelijke kandidaten gedroeg. Uiteindelijk was de historische data in dit geval voornamelijk gebaseerd op mannen. Dat is waar uw waarden – zoals een toewijding aan inclusiviteit en diversiteit – nodig zijn om data-gedreven inzichten in evenwicht te brengen.

Dit geldt ook voor de uitvoer die door zoekmachines wordt gegenereerd. KISSPatent CEO D’vorah Graeser geeft een voorbeeld van hoe NLP de zoekresultaten van hun zoekmachine verbetert bij het analyseren van informatie van de Wereldorganisatie voor Intellectuele Eigendom

“Het gebruik van NLP is vooral relevant en nuttig wanneer u zoekt naar octrooien voor nieuwe technologieën zoals blockchain of kunstmatige intelligentie, die geen gedefinieerde categorieën hebben in de Wereldorganisatie voor Intellectuele Eigendom, bijvoorbeeld. Het zoeken en vinden van octrooien is belangrijk voor alle innovators, omdat ze zo kunnen weten wie aan bepaalde innovaties werkt en of hun innovaties zo uniek en nieuw zijn als ze denken.”

KISSPatent CEO, D’vorah Graeser

6) Bepaal De Volgende Stappen

Op zichzelf zal sentimentanalyse uw bedrijf niet veranderen. U moet die inzichten bekijken en een beslissing nemen. Als u bijvoorbeeld ontdekt dat u een groeiend aantal negatieve sentimenten over uw merk online heeft. In dat geval kunt u een onderzoeksproject starten om klantbezorgdheden te identificeren en vervolgens een verbeterde versie van uw product uitbrengen.

Weet U Niet Waar U Moet Beginnen Met NLP in Social Media?

Het vinden van de juiste gegevens, het toepassen van algoritmes op die gegevens en het krijgen van bruikbare bedrijfsinzichten is niet eenvoudig. Grote bedrijven met diepe bronnen hebben fouten gemaakt in hun natural language processing-projecten. Daarom is het verstandig om een externe perspectief op uw gegevens te krijgen. Neem vandaag contact op met Blue Orange Digital om te ontdekken hoe u sneller inzichten kunt krijgen van social media en andere gegevens in uw organisatie.

Meer over AI en technologie-trends, zie Josh Miramant, CEO van Blue Orange Digital’s data-gedreven oplossingen voor Supply Chain, Healthcare Document Automation, en meer Case Studies.