6 ขั้นตอนในการรับข้อมูลจากโซเชียลมีเดียด้วยการประมวลผลภาษาธรรมชาติ

การวิเคราะห์ความรู้สึกและประมวลผลภาษาธรรมชาติ (NLP) ของโซเชียลมีเดียเป็นวิธีที่พิสูจน์แล้วในการดึงข้อมูลจากคนและสังคม แทนที่จะขอให้นักวิเคราะห์ใช้เวลาหลายสัปดาห์อ่านความคิดเห็นในโซเชียลมีเดียและให้รายงาน การวิเคราะห์ความรู้สึกสามารถให้สรุปผลได้อย่างรวดเร็ว ซึ่งหมายความว่าคุณสามารถตัดสินใจได้เร็วขึ้น

ทำไมคุณต้องการการวิเคราะห์ความรู้สึกและ NLP ในโซเชียลมีเดีย?

คุณกำลังอยู่ในยุคของข้อมูลขนาดใหญ่ ให้พิจารณาผู้ใช้โซเชียลมีเดียเป็นตัวอย่าง ในปี 2019 มีผู้ใช้โซเชียลมีเดียที่ใช้งานอยู่ 3.4 พันล้านคนในโลก ใน YouTube เพียงอย่างเดียว มีการดูวิดีโอเนื้อหามากกว่า 1,000 ชั่วโมงต่อวัน ทุกตัวชี้วัดบ่งชี้ว่าเราจะเห็นข้อมูลที่ผลิตมากขึ้นตามเวลา ไม่น้อยลง

มีข้อมูลมากเกินไปที่คุณจะทบทวนได้ด้วยตนเอง แม้แต่องค์กรที่มีงบประมาณขนาดใหญ่ เช่น รัฐบาลแห่งชาติและองค์กรระดับโลก ก็ใช้เครื่องมือวิเคราะห์ข้อมูล อัลกอริทึม และการประมวลผลภาษาธรรมชาติ

โดยใช้เทคนิคเหล่านี้ คุณสามารถเข้าใจสิ่งที่คนพูดเกี่ยวกับแบรนด์ของคุณได้ ณ ตอนนี้ ความสามารถในการลดความเอนเอียงในการเลือกและหลีกเลี่ยงการใช้เรื่องราวทำให้การตัดสินใจของคุณมีพื้นฐานที่มั่นคง ซึ่งหมายความว่าคุณจะทำผิดพลาดน้อยลงเมื่อตอบสนองต่อโลกที่เปลี่ยนแปลงอย่างรวดเร็ว

การวิเคราะห์ความรู้สึกและ NLP ในการดำเนินการ: การจ้างงาน สาธารณสุข และการตลาด

คุณอาจสงสัยว่าเครื่องมือวิเคราะห์ข้อมูลเหล่านี้มีประโยชน์ในโลกแห่งความเป็นจริงหรือไม่ หรือว่าพวกมันเชื่อถือได้ในการใช้งาน เครื่องมือเหล่านี้มีอยู่แล้วมากกว่าหนึ่งทศวรรษ และพวกมันกำลังดีขึ้นทุกปี ด้วย NLP และการวิเคราะห์ความรู้สึก คุณสามารถแก้ปัญหาได้เร็วขึ้น

ประหยัดเวลาในการจ้างงาน

ในการจ้างงาน การค้นหาพนักงานที่มีคุณภาพเป็นเรื่องที่ยาก Workopolis ประมาณการว่า “มากถึง 75% ของผู้สมัครงานสำหรับตำแหน่งใดตำแหน่งหนึ่งไม่มีคุณสมบัติที่จะทำงานนั้น” การใช้เวลากับผู้สมัครเหล่านั้นไม่ใช่เรื่องที่มีประสิทธิภาพ幸い การประมวลผลภาษาธรรมชาติและเครื่องมือวิเคราะห์ข้อมูลสามารถช่วยคุณระบุผู้สมัครที่เหมาะสมได้ เพื่อให้คุณใช้เวลาอย่างมีประสิทธิภาพ นั่นคือเหตุผลที่ Blue Orange Digital ร่วมมือกับกองทุนเพื่อเพิ่มประสิทธิภาพกระบวนการทรัพยากรบุคคลของพวกเขา โดยใช้ข้อมูลผู้สมัครและประวัติการทำงานที่มีอายุ 10 ปี บริษัทนี้มีแบบจำลองการให้คะแนนที่ซับซ้อนในการค้นหาผู้สมัครที่เหมาะสม

สาธารณสุขและเหตุฉุกเฉิน

ในปี 2020 เราได้เรียนรู้คุณค่าของการวิเคราะห์ข้อมูลสาธารณสุขขนาดใหญ่เนื่องจากการแพร่กระจายของ COVID-19 อย่างรวดเร็ว ในช่วงวิกฤตเหล่านี้ การตรวจจับการเปลี่ยนแปลงพฤติกรรมทางสังคมอย่างรวดเร็วเป็นสิ่งจำเป็น ด้วย NLP คุณสามารถวิเคราะห์โซเชียลมีเดียเพื่อประเมินความรู้สึก ตัวอย่างเช่น โครงการหนึ่งวิเคราะห์มากกว่า 1,000 ทวีตโดยใช้คำค้นหามาสก์ในการเข้าใจว่าคนคิดและรู้สึกเกี่ยมาสก์อย่างไร

การตลาด

ในการตลาด คุณต้องติดตามความคิดเห็นของกลุ่มเป้าหมายเกี่ยวกับแบรนด์ของคุณ การศึกษาในปี 2019 ใช้การวิเคราะห์ความรู้สึกของ Twitter เพื่อทำความเข้าใจแบรนด์เสื้อผ้าอย่าง Nike และ Adidas ได้ดีขึ้น โดยวิเคราะห์ทวีตภาษาอังกฤษ 30,895 ทวีต นักวิจัยพบว่า “Adidas มีความรู้สึกที่ดีกว่า Nike” อย่างไรก็ตาม มากกว่า 50% ของทวีตมีความรู้สึกที่เป็นกลาง ซึ่งหมายความว่ายังมีโอกาสที่จะสร้างความพึงพอใจเชิงบวกจากตลาดอยู่

Likes are the new currency, NLP in social media

การวิเคราะห์ความรู้สึกทำงานอย่างไรทางเทคนิค?

สำหรับการวิเคราะห์ความรู้สึกที่จะทำงานได้อย่างมีประสิทธิภาพ มีหลายจุดทางเทคนิคที่ต้องคำนึงถึง

1) พัฒนาคำถามทางธุรกิจที่เกี่ยวข้อง

ตัดสินว่าคุณต้องการตอบคำถามอะไรและว่าเทคนิคข้อมูลเหล่านี้เหมาะสมกับคำถามเหล่านั้นหรือไม่ มาพิจารณาคำถามการตลาดสองข้อ

• เราควรเปิดตัวการร่วมมือทางการตลาดกับบริษัทบัตรเครดิตเพื่อเพิ่มยอดขายหรือไม่?
• เรากำลังได้รับผลตอบแทนจากการตลาดผู้มีอิทธิพลหรือไม่?

คำถามแรกเกี่ยวข้องกับกลยุทธ์และความเป็นไปได้ในอนาคต ดังนั้นจึงไม่มีข้อมูลมากนักในการวิเคราะห์ ดังนั้นเราจึงแนะนำไม่ควรพยายามตอบคำถามนี้ด้วยการวิเคราะห์ความรู้สึก ในทางกลับกัน คำถามที่สองมีแนวโน้มมากขึ้นสำหรับการประมวลผลภาษาธรรมชาติ มันจำเป็นต้องมีการปรับให้เหมาะสมเพิ่มเติม แต่ก็มีจุดเริ่มต้นที่ดี

2) ค้นหาต้นข้อมูลของคุณ

ขั้นตอนต่อไปคือการค้นหาต้นข้อมูลที่เกี่ยวข้องในการวิเคราะห์ ควรหาต้นข้อมูลที่คุณมีอยู่แล้วแทนการสร้างสิ่งใหม่ สำหรับการจ้างงาน คุณอาจมีฐานข้อมูลผู้สมัครและผู้สมัครที่ประสบความสำเร็จในระบบติดตามผู้สมัครของคุณ ในการตลาด คุณสามารถดาวน์โหลดข้อมูลจากแพลตฟอร์มโซเชียลมีเดียโดยใช้ API

คำแนะนำ: ปริมาณข้อมูลมีความสำคัญอย่างยิ่งในการวิเคราะห์ความรู้สึกที่จะทำงานได้ ตามกฎการขีดจำกัด ควรจะมีตัวอย่างข้อมูลอย่างน้อย 1,000 ตัวอย่าง (เช่น 1,000 ทวีตหรือ 1,000 โปรไฟล์ผู้สมัคร) สิ่งนี้จะช่วยให้คุณได้ผลลัพธ์ที่มีความหมายทางสถิติ

อ่านเพิ่มเติมเกี่ยวกับต้นข้อมูลทางเลือกและเสริมข้อมูลของคุณด้วยข้อมูลของบุคคลที่สาม

3) ประมวลผลข้อมูลของคุณ

ต้นข้อมูลส่วนใหญ่ โดยเฉพาะโซเชียลมีเดียและเนื้อหาที่สร้างโดยผู้ใช้ ต้องการการประมวลผลก่อนที่คุณจะสามารถทำงานกับมันได้ สมมติว่าคุณกำลังวิเคราะห์แหล่งข้อมูลข้อความ ให้เริ่มต้นด้วยการลบเครื่องหมายวรรคตอนที่ไม่จำเป็น ตัวอักษร และการทำความสะอาดข้อความอื่นๆ การใช้เวลาในขั้นตอนนี้จะช่วยปรับปรุงคุณภาพของการวิเคราะห์ที่ตามมา

เนื่องจากชุดข้อมูลที่ใหญ่ขึ้นมักจะให้ผลลัพธ์ที่ดีกว่า คุณสามารถใช้เครื่องมือเพื่อทำความสะอาดข้อมูลเพิ่มเติม ตัวอย่างเช่น อัลกอริทึม Porter Stemmer เป็นวิธีที่มีประโยชน์ในการทำความสะอาดข้อมูลข้อความ อัลกอริทึมนี้ช่วยระบุคำรากและลดความเสี่ยงในข้อมูลของคุณ

4) วิเคราะห์ข้อมูล

ขึ้นอยู่กับเป้าหมายของคุณ มีเครื่องมือซอฟต์แวร์และอัลกอริทึมที่แตกต่างกันในการวิเคราะห์ข้อมูล สมมติว่าคุณกำลังวิเคราะห์ข้อความ อัลกอริทึม Naïve Bayes เป็นตัวเลือกที่เหมาะสมในการวิเคราะห์ความรู้สึก

5) ประเมินผลลัพธ์อย่างมีวิจารณญาณ

คุณไม่สามารถยอมรับผลการวิเคราะห์ข้อมูลที่สร้างโดยเครื่องจักรได้อย่างไม่มีวิจารณญาณ นักวิจัยพบว่าเครื่องมือการเรียนรู้ของเครื่องมักจะสะท้อนถึงความเอนเอียงของมนุษย์ ตัวอย่างเช่น Amazon (AMZN ) ตัดเครื่องมืออัลกอริทึมทรัพยากรบุคคลเพราะมันเลือกปฏิบัติต่อผู้หญิง หลังจากทั้งหมดแล้ว ข้อมูลทางประวัติศาสตร์ในกรณีนี้มีฐานะเป็นส่วนใหญ่จากผู้ชาย นั่นคือที่ที่คุณต้องสร้างสมดุลระหว่างข้อมูลเชิงลึกที่ขับเคลื่อนด้วยข้อมูลกับค่านิยมของคุณ เช่น การมุ่งมั่นต่อความ包容และความหลากหลาย

สิ่งนี้ยังใช้กับผลลัพธ์ที่ได้รับจากเครื่องมือค้นหา CEO ของ KISSPatent D’vorah Graeser ให้ตัวอย่างของวิธีการที่ NLP ปรับปรุงผลการค้นหาเมื่อวิเคราะห์ข้อมูลจากองค์การทรัพย์สินทางปัญญาโลก

“การใช้ NLP มีความเกี่ยวข้องและเป็นประโยชน์อย่างยิ่งเมื่อต้องค้นหาพatent สำหรับเทคโนโลยีใหม่ๆ เช่น blockchain หรือ AI ซึ่งไม่มีหมวดหมู่ที่กำหนดไว้ในองค์การทรัพย์สินทางปัญญาโลก ตัวอย่างเช่น การค้นหาและค้นพบนายจ้างที่สำคัญสำหรับนักนวัตกรทุกคนเพื่อให้พวกเขารู้ว่าใครกำลังทำงานในนวัตกรรมใดและนวัตกรรมของพวกเขามีเอกลักษณ์และใหม่มากเพียงใด”

CEO ของ KISSPatent, D’vorah Graeser

6) กำหนดขั้นตอนต่อไป

การวิเคราะห์ความรู้สึกเพียงอย่างเดียวจะไม่เปลี่ยนแปลงธุรกิจของคุณ คุณต้องตรวจสอบข้อมูลเชิงลึกเหล่านั้นและตัดสินใจ ตัวอย่างเช่น คุณอาจพบว่าคุณมีความรู้สึกที่ไม่ดีเกี่ยวกับแบรนด์ของคุณออนไลน์มากขึ้น ในกรณีนั้น คุณอาจเริ่มโครงการวิจัยเพื่อระบุปัญหาและปล่อยเวอร์ชันที่ดีขึ้นของผลิตภัณฑ์

ไม่แน่ใจว่าจะเริ่มต้นกับ NLP ในโซเชียลมีเดียได้อย่างไร?

การค้นหาข้อมูลที่ถูกต้อง การใช้อัลกอริทึมกับข้อมูลนั้น และการรับข้อมูลเชิงธุรกิจที่ใช้ได้ไม่ใช่เรื่องง่าย หลังจากทั้งหมดแล้ว บริษัทขนาดใหญ่ที่มีทรัพยากรลึกได้ทำผิดพลาดในโครงการ NLP ของพวกเขา ดังนั้นจึงมีค่าใช้จ่ายในการรับคำแนะนำจากภายนอกเกี่ยวกับข้อมูลของคุณ ติดต่อ Blue Orange Digital วันนี้เพื่อดูว่าคุณสามารถรับข้อมูลเชิงลึกได้เร็วขึ้นจากโซเชียลมีเดียและข้อมูลอื่นๆ ในองค์กรของคุณ

สำหรับข้อมูลเพิ่มเติมเกี่ยวกับ AI และเทรนด์เทคโนโลยี ดู Josh Miramant, CEO ของ Blue Orange Digital สำหรับโซลูชันขับเคลื่อนข้อมูลสำหรับ โซเชียลมีเดีย, การอัตโนมัติเอกสารด้านสุขภาพ, และอื่นๆ