6 trinn for å få innsikt fra sosiale medier med naturlig språkbehandling

Analyse av holdninger og naturlig språkbehandling (NLP) av sosiale medier er en bevist måte å trekke ut innsikt fra mennesker og samfunn. I stedet for å be en analytiker om å bruke uker på å lese sosiale medier-kommentarer og levere en rapport, kan holdningsanalyse gi deg en rask sammenfatting. Det betyr at du kan ta beslutninger raskere.

Hvorfor trenger du holdningsanalyse og NLP i sosiale medier?

Du lever i en tid med stor mengde data. Ta sosiale mediebrukere som et eksempel. I 2019, var det 3,4 milliarder aktive sosiale mediebrukere i verden. På YouTube alene, blir det sett en milliard timer med videoinnhold daglig. Alle indikatorer tyder på at vi vil se mer data produsert over tid, ikke mindre.

Det er enkelt for mye data for deg å gjennomgå manuelt. Selv organisasjoner med store budsjett, som nasjonalregjeringer og globale selskaper, bruker dataanalyseverktøy, algoritmer og naturlig språkbehandling.

Ved å bruke disse teknikkene, kan du forstå hva mennesker sier om ditt merke nå. Evnen til å minimere seleksjonsfeil og unngå å stole på anekdoter, betyr at dine beslutninger vil ha en solid grunn. Det betyr at du vil gjøre færre feil når du reagerer på en raskt foranderlig verden.

Holdningsanalyse og NLP i praksis: Rekruttering, folkehelser og markedsføring

Du kan lure på om disse dataanalyseverktøyene er nyttige i den virkelige verden eller om de er pålitelige å bruke. Disse verktøyene har vært rundt i over ett tiår, og de blir bedre hver år. Med NLP og holdningsanalyse, kan du løse problemer raskere.

Spar tid under rekruttering

Ved rekruttering, er det vanskelig å finne kvalifiserte kandidater. Workopolis estimerer at “så mye som 75% av søkerne for en gitt rolle ikke er kvalifisert til å gjøre det.” Å bruke tid på disse kandidatene er ikke produktivt. Heldigvis kan naturlig språkbehandling og analyse hjelpe deg med å identifisere kandidater som passer bra, så du kan bruke tiden produktivt. Det er derfor Blue Orange Digital arbeidet med en hedgefond for å optimalisere deres menneskelige ressurser-prosess. Ved å bruke ti års verdt av søkerdata og CV-er, har selskapet nå et sofistikert vurderingsmodell for å finne kandidater som passer bra.

Folkehelser og nødsituasjoner

I 2020, har vi alle begynt å lære verdien av stor skala folkehelser-dataanalyse på grunn av den raske spredningen av COVID. I disse krisene, er det viktig å oppdage endringer i sosial atferd raskt. Med NLP, kan du analysere sosiale medier for å vurdere holdninger. For eksempel, analyserer et prosjekt over 1 000 tweets som bruker nøkkelordet masker for å forstå hvordan mennesker tenker og føler om masker.

Markedsføring

I markedsføring, må du holde deg informert om hvordan din målgruppe tenker og føler. En 2019-studie bruker Twitter-holdningsanalyse for å forstå klesmerker: Nike og Adidas bedre. Ved å analysere 30 895 engelskspråklige tweets, fant forskerne at “Adidas har mer positiv holdning enn Nike.” Men, over 50% av tweetene hadde en nøytral holdning. Det betyr at det fortsatt er en betydelig mulighet til å tjene mer positive omtaler fra markedet.

Likes er den nye valutaen, NLP i sosiale medier

Hvordan fungerer holdningsanalyse teknisk?

For at holdningsanalyse skal fungere effektivt, er det noen viktige tekniske punkter å huske på.

1) Utvikle en relevant forretnings-spørsmål

Bestemm hva du vil spørre og om disse data-teknikkene er en god passende for disse spørsmålene. La oss se på to markedsførings-spørsmål

• Skal vi lansere et markedsførings-samarbeid med et kredittkortselskap for å øke salget?
• Får vi avkastning på våre influencer-markedsførings-kampanjer?

Det første spørsmålet handler om strategi og fremtidige muligheter, så det vil ikke være mye data å analysere. Derfor vil vi foreslå å ikke prøve å svare på dette spørsmålet med holdningsanalyse. I motsetning, er det andre spørsmålet mer lovende for naturlig språkbehandling. Det krever fortsatt videre finjustering, men du har starten på et passende spørsmål.

2) Finn din datakilde

Ditt neste steg er å finne en relevant datakilde å analysere. Ideelt sett, søk etter datakilder du allerede har, i stedet for å lage noe nytt. Ved rekruttering, har du sannsynligvis en database med søkere og vellykkede ansatte i ditt søke-system. I markedsføring, kan du laste ned data fra sosiale medier ved å bruke API-er.

Tips: Data-volum er viktig for holdningsanalyse å fungere. Som en regel, bør din datasett ha minst 1 000 eksempler (f.eks. 1 000 tweets eller 1 000 søkerprofiler). Noe mindre enn det, og du er mindre sannsynlig å få statistisk meningsfulle resultater.

Les mer om alternative datakilder og hvordan du kan supplere din data med tredjeparts-data.

3) Forbehandle dine data

De fleste datakilder, spesielt sosiale medier og brukergenerert innhold, krever forbehandling før du kan arbeide med det. Anta at du analyserer en tekst-ressurs, start med å fjerne unødvendig punktering, tegn og andre renskings-tekst. Å bruke tid på dette steget vil forbedre kvaliteten på den resulterende analysen.

Ettersom mer omfattende datasett tenderer til å produsere bedre resultater, bruk verktøy for å rense dataene videre. For eksempel, er Porter Stemmer-algoritmen en nyttig måte å rense opp tekst-data. Denne algoritmen hjelper med å identifisere rot-ord og kutte ned på støy i dine data.

4) Analyser dine data

Avhengig av dine mål, er det forskjellige programvare-verktøy og algoritmer tilgjengelige for å analysere dataene. Anta at du analyserer tekst, er Naïve Bayes-algoritmen det riktige valget for å utføre holdningsanalyse.

5) Kritisk vurder utdata

Du kan ikke bare akseptere data-analysen generert av maskiner uten kritikk. Forskere har funnet at maskinlærings-verktøy tenderer til å reflektere menneskelig fordom. For eksempel, Amazon skrotet et menneskelige ressurser-algoritme (AMZN ) fordi det diskriminerte mot kvinnelige kandidater. Etter all, var historisk data, i dette tilfellet, hovedsakelig basert på menn. Det er der dine verdier – som en forpliktelse til inklusjon og mangfold – må balansere data-drevne innsikter. 

Dette gjelder også for utdataene som fremkommer fra søkemotorer. KISSPatent-sjef D’vorah Graeser gir et eksempel på hvordan NLP forbedrer søke-resultatene når de analyserer informasjon fra Verdens intellektuelle eiendomsorganisasjon 

“Bruke NLP er spesielt relevant og nyttig når du søker etter patenter for nye teknologier som blockchain eller kunstig intelligens, som ikke har definerte kategorier i Verdens intellektuelle eiendomsorganisasjon, for eksempel. Å kunne søke og finne patenter er viktig for alle innovatører, fordi de kan vite hvem som arbeider med bestemte innovasjoner og om deres innovasjoner er like unike og nye som de tror.”

KISSPatent-sjef, D’vorah Graeser

6) Bestemm neste steg

På egen hånd, vil holdningsanalyse ikke endre din forretning. Du må gjennomgå disse innsiktene og ta en beslutning. For eksempel, kan du finne at du har en økende mengde negativ holdning om ditt merke på nettet. I det tilfellet kan du starte et forskningsprosjekt for å identifisere kundens bekymringer og deretter utgi en forbedret versjon av ditt produkt.

Usikker på hvor du skal starte med NLP i sosiale medier?

Å finne riktig data, å bruke algoritmer på dataene og å få brukbare forretnings-innsikter, er ikke enkelt. Store selskaper med dype ressurser har gjort feil i sine naturlige språkbehandlings-prosjekter. Derfor betaler det å få en ekstern perspektiv på dine data. Kontakt Blue Orange Digital i dag for å finne ut hvordan du kan få raskere innsikter fra sosiale medier og andre data i din organisasjon.

For mer om kunstig intelligens og teknologitrender, se Josh Miramant, CEO av Blue Orange Digitals data-drevne løsninger for forsyningskjede, helse-dokumentautomatisering og mer saksstudier.