6 шагов, чтобы получить информацию из социальных сетей с помощью обработки естественного языка

Анализ настроений и обработка естественного языка (NLP) в социальных сетях – это проверенный способ получить информацию из людей и общества. Вместо того, чтобы просить аналитика потратить недели на чтение комментариев в социальных сетях и предоставление отчета, анализ настроений может дать вам быстрый обзор. Это означает, что вы можете принимать решения быстрее.

Почему вам нужен анализ настроений и NLP в социальных сетях?

Вы живете в эпоху больших данных. Возьмем в качестве примера пользователей социальных сетей. В 2019 году было 3,4 миллиарда активных пользователей социальных сетей в мире. На YouTubealone, один миллиард часов видеоконтента смотрят ежедневно. Каждый показатель говорит о том, что мы увидим больше данных, произведенных со временем, а не меньше.

Просто слишком много данных, чтобы просмотреть их вручную. Даже организации с большими бюджетами, такие как национальные правительства и глобальные корпорации, используют инструменты анализа данных, алгоритмы и обработку естественного языка.

Используя эти методы, вы можете понять, что люди говорят о вашем бренде прямо сейчас. Способность минимизировать выборочную предвзятость и избежать полагания на анекдоты означает, что ваши решения будут иметь прочную основу. Это означает, что вы будете совершать меньше ошибок, реагируя на быстро меняющийся мир.

Анализ настроений и NLP в действии: подбор персонала, общественное здоровье и маркетинг

Вы можете задаться вопросом, являются ли эти инструменты анализа данных полезными в реальном мире или надежными для использования. Эти инструменты существуют уже более десяти лет и становятся лучше каждый год. С помощью NLP и анализа настроений вы можете решать проблемы быстрее.

Сэкономьте время при подборе персонала

При подборе персонала найти качественных кандидатов сложно. Workopolisоценивает, что “до 75% заявителей на определенную должность не имеют необходимых квалификаций для ее выполнения”. Тратить время на этих кандидатов не продуктивно. К счастью, обработка естественного языка и анализ могут помочь вам определить подходящих кандидатов, чтобы вы могли использовать время продуктивно. Вот почему Blue Orange Digitalработал с хедж-фондом, чтобы оптимизировать их процесс подбора персонала. Используя десять лет данных о заявителях и резюме, компания теперь имеет сложную модель оценки, чтобы найти подходящих кандидатов.

Общественное здоровье и чрезвычайные ситуации

В 2020 году мы все начали учиться ценности анализа общественных данных в масштабе из-за быстрого распространения COVID. В этих кризисах быстрое обнаружение изменений в социальном поведении имеет важное значение. С помощью NLP вы можете проанализировать социальные сети, чтобы оценить настроения. Например, недавний проект проанализировал более 1 000 твитов, используя ключевое слово маски, чтобы понять, как люди думают и чувствуют о масках.

Маркетинг

В маркетинге вам нужно быть в курсе того, как ваш целевой рынок думает и чувствует. В 2019 году был проведен исследование, которое использовало анализ настроений в Twitter, чтобы лучше понять бренды одежды: Nike и Adidas. Проанализировав 30 895 англоязычных твитов, исследователи обнаружили, что “Adidas имеет более положительные настроения, чем Nike”. Однако более 50% твитов имели нейтральное настроение. Это означает, что все еще есть значительная возможность получить больше положительных упоминаний на рынке.

Лайки – это новая валюта, NLP в социальных сетях

Как работает анализ настроений технически?

Для того, чтобы анализ настроений работал эффективно, есть несколько важных технических моментов, которые следует учитывать.

1) Разработайте релевантный бизнес-вопрос

Решите, какие вопросы вы хотите ответить и подходят ли эти методы анализа данных для этих вопросов. Давайте рассмотрим два маркетинговых вопроса

• Следует ли нам запустить маркетинговое партнерство с кредитной компанией, чтобы увеличить продажи?
• Получаем ли мы доход от наших кампаний по маркетингу влиятельных лиц?

Первый вопрос касается стратегии и будущих возможностей, поэтому здесь не будет много данных для анализа. Поэтому мы не рекомендуем пытаться ответить на этот вопрос с помощью анализа настроений. Напротив, второй вопрос более перспективен для обработки естественного языка. Он все еще требует дальнейшего уточнения, но у вас есть начало подходящего вопроса.

2) Найдите источник данных

Ваш следующий шаг – найти релевантный источник данных для анализа. Идеально найти источники данных, которые у вас уже есть, а не создавать что-то новое. Для подбора персонала у вас, вероятно, есть база данных заявителей и успешных наймов в вашей системе отслеживания заявок. В маркетинге вы можете скачать данные из социальных сетей, используя API.

Совет: Объем данных имеет важное значение для анализа настроений. Как правило, ваш набор данных должен содержать не менее 1 000 примеров (например, 1 000 твитов или 1 000 профилей заявителей). Все, что меньше этого, и вы менее вероятно получите статистически значимые результаты.

Прочитайте больше об альтернативных источниках данных и дополнении ваших данных с помощью третьих сторон.

3) Предварительно обработайте данные

Большинство источников данных, особенно социальных сетей и пользовательского контента, требуют предварительной обработки перед тем, как вы сможете работать с ними. Предполагая, что вы анализируете текстовый ресурс, начните с удаления ненужной пунктуации, символов и других очисток текста. Тратя время на этот шаг, вы улучшите качество полученного анализа.

Поскольку более обширные наборы данных, как правило, производят лучшие результаты, используйте инструменты для дальнейшей очистки данных. Например, алгоритм Porter Stemmer Algorithm– это полезный способ очистить текстовые данные. Этот алгоритм помогает определить корневые слова и сократить шум в ваших данных.

4) Проанализируйте данные

В зависимости от ваших целей есть различные программные инструменты и алгоритмы, доступные для анализа данных. Предполагая, что вы анализируете текст, алгоритм Naïve Bayes – правильный выбор для проведения анализа настроений.

5) Критически оцените выводы

Вы не можете просто принять анализ данных, сгенерированный машинами, без критической оценки. Исследователи обнаружили, что инструменты машинного обучения имеют тенденцию отражать человеческую предвзятость. Например, Amazonотменил алгоритм человеческих ресурсов, потому что он дискриминировал женщин-кандидатов. В конце концов, исторические данные, в данном случае, были в основном основаны на мужчинах. Вот где ваши ценности – такие как приверженность инклюзивности и разнообразию – должны сбалансировать данные, полученные из данных.

Это также применяется к выводам, полученным поисковыми системами. CEO KISSPatent D’vorah Graeser предоставляет пример того, как NLP улучшает результаты поиска при анализе информации из Всемирной организации интеллектуальной собственности

“Использование NLP особенно актуально и полезно, когда вы пытаетесь найти патенты для новых технологий, таких как блокчейн или искусственный интеллект, которые не имеют определенных категорий в Всемирной организации интеллектуальной собственности, например. Способность искать и находить патенты важна для всех инноваторов, потому что так они могут узнать, кто работает над определенными инновациями и являются ли их инновации такими уникальными и новыми, как они думают.”

CEO KISSPatent, D’vorah Graeser

6) Определите следующие шаги

Сам по себе анализ настроений не изменит ваш бизнес. Вам нужно просмотреть эти идеи и принять решение. Например, вы можете обнаружить, что у вас растет количество негативных настроений о вашем бренде в Интернете. В этом случае вы можете начать исследовательский проект, чтобы определить проблемы клиентов, а затем выпустить улучшенную версию вашего продукта.

Не уверены, с чего начать с NLP в социальных сетях?

Поиск правильных данных, применение алгоритмов к этим данным и получение полезных бизнес-идей не легко. Ведь крупные компании с глубокими ресурсами допустили ошибки в своих проектах по обработке естественного языка. Поэтому стоит получить внешнюю перспективу на ваши данные. Свяжитесь с Blue Orange Digitalсегодня, чтобы узнать, как вы можете получить более быстрые идеи из социальных сетей и других данных в вашей организации.

Для получения более подробной информации об ИИ и технологических тенденциях см. Джош Миромант, CEO Blue Orange Digital, данные решения для цепочки поставок, автоматизацию документов здравоохранения и многое другое Кейс-стади.