6 корака за добијање увида из друштвених медија уз обраду природног језика

Анализа осећања и обрада природног језика (НЛП) друштвених медија је доказан начин да се извуче увид од људи и друштва. Уместо да тражите од аналитичара да проведе недеље читајући коментаре на друштвеним мрежама и дајући извештај, анализа сентимента може вам дати брзи резиме. То значи да можете брже доносити одлуке.

Зашто вам је потребна анализа осећања и НЛП у друштвеним медијима?

Живите у доба великих података. Узмите за пример кориснике друштвених медија. Ин 2019, у свету је било 3.4 милијарде активних корисника друштвених медија. на ИоуТубе само, дневно се гледа милијарду сати видео садржаја. Сваки индикатор сугерише да ћемо током времена видети више података, а не мање.

Једноставно има превише података да бисте их могли ручно прегледати. Чак и организације са великим буџетом као што су националне владе и глобалне корпорације користе алате за анализу података, алгоритме и обраду природног језика.

Користећи ове технике, можете разумети шта људи тренутно говоре о вашем бренду. Способност да се минимизира пристрасност одабира и да се избегне ослањање на анегдоте значи да ће ваше одлуке имати чврст темељ. То значи да ћете правити мање грешака док реагујете на свет који се брзо мења.

Анализа расположења и НЛП у акцији: запошљавање, јавно здравље и маркетинг

Можда се питате да ли су ови алати за анализу података корисни у стварном свету или су поуздани за употребу. Ови алати постоје више од једне деценије и сваке године постају све бољи. Помоћу НЛП-а и анализе осећања можете брже да решавате проблеме.

Уштедите време током запошљавања

Приликом запошљавања, проналажење квалитетних кандидата је тешко. Воркополис процењује да „чак 75% кандидата за дату улогу заправо није квалификовано да то уради“. Трошење времена на те кандидате није продуктивно. На срећу, обрада природног језика и аналитика могу вам помоћи да идентификујете кандидате који вам одговарају како бисте могли продуктивно да користите време. Зато Блуе Оранге Дигитал је радио са хеџ фондом да оптимизују свој процес људских ресурса. Користећи десетогодишње податке о кандидатима и биографије, компанија сада има софистицирани модел бодовања за проналажење кандидата који одговарају.

Јавно здравље и ванредне ситуације

У 2020. години, сви смо почели да учимо вредност анализе података јавног здравља великих размера због брзог ширења ЦОВИД-а. У овим кризама, од суштинског је значаја брзо откривање промена у друштвеном понашању. Помоћу НЛП-а можете анализирати друштвене медије да бисте проценили расположење. На пример, недавно пројекат анализирао преко 1,000 твитова користећи кључну реч маске да бисте разумели како људи размишљају и осећају се о маскама.

Marketing

У маркетингу, морате бити информисани о томе како ваше циљно тржиште размишља и осећа. А КСНУМКС студија користио анализу расположења на Твитеру да боље разуме брендове одеће: Нике и Адидас. Анализирајући 30,895 твитова на енглеском језику, истраживачи су открили: „Адидас има позитивније расположење од Никеа“. Међутим, преко 50% твитова је имало неутралан сентимент. То значи да још увек постоји значајна прилика да се заради више позитивних помена на тржишту.

Лајкови су нова валута, НЛП у друштвеним медијима

Како технички функционише анализа расположења?

Да би анализа осећања функционисала ефикасно, треба имати на уму неколико битних техничких тачака.

1) Развијте релевантно пословно питање

Одлучите на која питања желите да одговорите и да ли су ове технике података погодне за та питања. Хајде да размотримо два маркетиншка питања

• Да ли треба да покренемо маркетиншко партнерство са компанијом за кредитне картице да бисмо остварили већу продају?
• Да ли добијамо поврате од наших утицајних маркетиншких кампања?

Прво питање се тиче стратегије и будућих могућности, тако да неће бити много података за анализу. Стога бисмо предложили да не покушавате да одговорите на ово питање анализом осећања. Насупрот томе, друго питање је обећавајуће за обраду природног језика. И даље је потребно додатно усавршавање, али имате почетак одговарајућег питања.

2) Пронађите свој извор података

Ваш следећи корак је да пронађете релевантан извор података за анализу. У идеалном случају, потражите изворе података које већ имате уместо да креирате нешто ново. За запошљавање, вероватно имате базу података кандидата и успешних запослених у вашем систему за праћење кандидата. У маркетингу, можете преузети податке са платформи друштвених медија помоћу АПИ-ја.

Савет: Обим података је од виталног значаја за функционисање анализе расположења. Као правило, ваш скуп података треба да има најмање 1,000 примера (нпр. 1,000 твитова или 1,000 профила кандидата). Било шта мање од тога, и мања је вероватноћа да ћете добити статистички значајне резултате.

Прочитајте више о алтернативним изворима података и допуни података подацима треће стране.

3) Предобрадите своје податке

Већина извора података, посебно друштвених медија и садржаја који генерише корисник, захтевају претходну обраду пре него што можете да радите са њима. Под претпоставком да анализирате текстуални ресурс, почните уклањањем непотребних знакова интерпункције, знакова и другог текста за чишћење. Трошење времена на овом кораку ће побољшати квалитет резултирајуће анализе.

Пошто обимнији скупови података имају тенденцију да дају боље резултате, користите алате за даље чишћење података. На пример, тхе Портер Стеммер алгоритам је користан начин за чишћење текстуалних података. Овај алгоритам помаже да се идентификују корен речи и смањи шум у вашим подацима.

4) Анализирајте податке

У зависности од ваших циљева, доступни су различити софтверски алати и алгоритми за анализу података. Под претпоставком да анализирате текст, Наивни Бајес алгоритам је прави избор за спровођење анализе сентимента.

5) Критички проценити резултате

Не можете само некритички прихватити анализу података коју генеришу машине. Истраживачи су открили да алати за машинско учење имају тенденцију да одражавају људску пристрасност. На пример, Амазон је укинуо алгоритам људских ресурса јер је дискриминисао кандидаткиње. На крају крајева, историјски подаци, у овом случају, углавном су били засновани на мушкарцима. Ту ваше вредности – попут посвећености инклузији и разноликости – треба да уравнотеже увиде засноване на подацима. 

Ово се такође односи на резултате које дају претраживачи. Извршни директор КИССПатент Д'ворах Граесер даје пример како НЛП побољшава резултате својих претраживача када анализира информације из Светске организације за интелектуалну својину 

„Употреба НЛП-а је посебно релевантна и корисна када се покушавају тражити патенти за нове технологије као што су блокчејн или вештачка интелигенција, које немају дефинисане категорије у Светској организацији за интелектуалну својину, на пример. Могућност претраживања и проналажења патената важна је за све иноваторе јер на тај начин могу знати ко ради на одређеним иновацијама и да ли су њихове иновације јединствене и нове као што мисле.“

Директор КИССПатента, Д'ворах Граесер

6) Одредите следеће кораке

Сама по себи, анализа расположења неће променити ваше пословање. Морате да размотрите те увиде и донесете одлуку. На пример, можете открити да имате све већи број негативних ставова о свом бренду на мрежи. У том случају можете покренути истраживачки пројекат да бисте идентификовали забринутости купаца, а затим објавили побољшану верзију свог производа.

Нисте сигурни где да почнете са НЛП-ом на друштвеним медијима?

Проналажење правих података, примена алгоритама на те податке и добијање употребљивих пословних увида није лако. На крају крајева, велике компаније са дубоким ресурсима су направиле грешке у својим пројектима обраде природног језика. Зато се исплати да добијете спољну перспективу ваших података. Контакт Плава наранџаста дигитална данас да бисте сазнали како можете добити брже увиде из друштвених медија и других података у вашој организацији.

За више информација о АИ и технолошким трендовима, погледајте Џоша Мираманта, извршног директора Блуе Оранге Дигитал-ових решења заснованих на подацима за Ланац набавке, Аутоматизација здравствених докумената, и више студија случаја.