6 кроків, щоб отримати інформацію з соціальних медіа з обробкою природної мови

Аналіз настроїв і обробка природної мови (NLP) соціальних медіа є перевіреним способом отримати інформацію від людей і суспільства. Замість того, щоб просити аналітика тижнями читати коментарі в соціальних мережах і надавати звіт, аналіз настроїв може дати вам короткий підсумок. Це означає, що ви можете швидше приймати рішення.

Чому вам потрібен аналіз настроїв і НЛП у соціальних мережах?

Ви живете в епоху великих даних. Візьмемо, наприклад, користувачів соціальних мереж. У 2019, у світі було 3.4 мільярда активних користувачів соціальних мереж. Увімкнено YouTube лише один мільярд годин відеовмісту переглядається щодня. Кожен показник свідчить про те, що з часом ми побачимо більше даних, а не менше.

Просто забагато даних, щоб ви могли переглядати їх вручну. Навіть організації з великими бюджетами, такі як національні уряди та глобальні корпорації, використовують інструменти аналізу даних, алгоритми та обробку природної мови.

Використовуючи ці методи, ви можете зрозуміти, що люди говорять про ваш бренд прямо зараз. Здатність звести до мінімуму упередженість у виборі та уникнути покладення на анекдоти означає, що ваші рішення матимуть міцну основу. Це означає, що ви будете робити менше помилок, реагуючи на світ, що швидко змінюється.

Аналіз настроїв і НЛП у дії: Наймання, охорона здоров’я та маркетинг

Можливо, вам цікаво, чи корисні ці інструменти аналізу даних у реальному світі чи надійні у використанні. Ці інструменти існують уже більше десяти років, і з кожним роком вони стають кращими. Завдяки НЛП і аналізу настроїв ви можете швидше вирішувати проблеми.

Економія часу під час найму

При прийомі на роботу знайти якісних кандидатів важко. Воркополіс оцінюється, що «цілих 75% кандидатів на певну посаду насправді не кваліфіковані для неї». Витрачати час на цих кандидатів непродуктивно. На щастя, обробка та аналітика природної мови можуть допомогти вам визначити кандидатів, які підходять, щоб ви могли продуктивно використовувати час. Ось чому Blue Orange Digital працював з хедж-фондом оптимізувати процес управління персоналом. Використовуючи дані та резюме кандидатів за десять років, фірма тепер має складну модель оцінювання для пошуку кандидатів, які підходять.

Охорона здоров'я та надзвичайні ситуації

У 2020 році ми всі почали усвідомлювати цінність масштабного аналізу даних громадського здоров'я через швидке поширення COVID. У цих кризах швидке виявлення змін у соціальній поведінці є надзвичайно важливим. За допомогою NLP ви можете аналізувати соціальні мережі, щоб оцінити настрої. Наприклад, нещодавній Проект проаналізував понад 1,000 твітів використовуючи ключове слово маски, щоб зрозуміти, як люди думають і відчувають про маски.

Маркетинг

У сфері маркетингу ви повинні бути в курсі того, як думає та відчуває ваш цільовий ринок. А 2019 дослідження використав аналіз настроїв у Twitter, щоб краще зрозуміти бренди одягу: Nike і Adidas. Проаналізувавши 30,895 50 твітів англійською мовою, дослідники виявили: «Adidas має більше позитивних настроїв, ніж Nike». Однак понад XNUMX% твітів мали нейтральні настрої. Це означає, що все ще є значна можливість заробити більше позитивних згадок на ринку.

Лайки - це нова валюта, НЛП у соціальних мережах

Як технічно працює аналіз настроїв?

Щоб аналіз настроїв працював ефективно, слід пам’ятати про кілька важливих технічних моментів.

1) Розробіть релевантне бізнес-запитання

Визначте, на які питання ви хочете відповісти, і чи підходять ці методи обробки даних для вирішення цих питань. Розглянемо два маркетингові питання.

• Чи варто нам розпочати маркетингове партнерство з компанією, що видає кредитні картки, щоб збільшити продажі?
• Чи отримуємо ми прибутки від наших маркетингових кампаній із впливовими особами?

Перше питання стосується стратегії та майбутніх можливостей, тому не буде багато даних для аналізу. Тому ми радимо не намагатися відповісти на це запитання за допомогою аналізу настроїв. Навпаки, друге питання є більш перспективним для обробки природної мови. Він ще потребує подальшого уточнення, але у вас є початок відповідного запитання.

2) Знайдіть своє джерело даних

Ваш наступний крок — знайти відповідне джерело даних для аналізу. В ідеалі шукайте джерела даних, які у вас уже є, а не створюйте щось нове. Для найму у вашій системі відстеження претендентів, ймовірно, є база даних претендентів і успішних наймів. У сфері маркетингу ви можете завантажувати дані з платформ соціальних мереж за допомогою API.

Порада: обсяг даних є життєво важливим для роботи аналізу настроїв. Як правило, ваш набір даних повинен містити щонайменше 1,000 прикладів (наприклад, 1,000 твітів або 1,000 профілів заявників). Будь-що менше, і ви з меншою ймовірністю отримаєте статистично значущі результати.

Докладніше про альтернативні джерела даних і доповнення даних сторонніми даними.

3) Попередня обробка ваших даних

Більшість джерел даних, особливо соціальні медіа та контент, створений користувачами, потребують попередньої обробки, перш ніж ви зможете з ними працювати. Припускаючи, що ви аналізуєте текстовий ресурс, почніть із видалення непотрібних знаків пунктуації, символів та іншого чистого тексту. Витрачання часу на цей крок покращить якість отриманого аналізу.

Оскільки більші набори даних зазвичай дають кращі результати, використовуйте інструменти для подальшого очищення даних. Наприклад, Алгоритм Портера Стеммера це корисний спосіб очищення текстових даних. Цей алгоритм допомагає визначити кореневі слова та зменшити шум у ваших даних.

4) Проаналізуйте дані

Залежно від ваших цілей, для аналізу даних доступні різні програмні засоби та алгоритми. Якщо припустити, що ви аналізуєте текст, алгоритм Naive Bayes є правильним вибором для проведення аналізу настроїв.

5) Критично оцінюйте результати

Ви не можете просто некритично прийняти аналіз даних, створених машинами. Дослідники виявили, що інструменти машинного навчання, як правило, відображають упередженість людини. Наприклад, Amazon відмовився від алгоритму роботи з персоналом оскільки це дискримінувало кандидаток. Зрештою, історичні дані, у цьому випадку, базувалися переважно на чоловіках. Саме тут ваші цінності, такі як відданість інклюзивності та різноманітності, повинні збалансовуватися з висновками, заснованими на даних. 

Це також стосується результатів, які видають пошукові системи. Генеральний директор KISSPatent D'vorah Graeser наводить приклад того, як NLP покращує результати своїх пошукових систем, аналізуючи інформацію від Всесвітньої організації інтелектуальної власності 

«Використання NLP особливо актуальне та корисне, коли ви намагаєтеся знайти патенти на нові технології, такі як блокчейн або штучний інтелект, які, наприклад, не мають визначених категорій у Всесвітній організації інтелектуальної власності. Можливість шукати та знаходити патенти важлива для всіх новаторів, оскільки таким чином вони можуть знати, хто працює над певними інноваціями, і чи є їхні інновації настільки унікальними та новими, як вони думають».

Генеральний директор KISSPatent, D'vorah Graeser

6) Визначте наступні кроки

Сам по собі аналіз настроїв не змінить ваш бізнес. Вам потрібно переглянути цю інформацію та прийняти рішення. Наприклад, ви можете виявити, що у вас зростає кількість негативних настроїв щодо вашого бренду в Інтернеті. У такому випадку ви можете почати дослідницький проект, щоб виявити занепокоєння клієнтів, а потім випустити покращену версію свого продукту.

Не знаєте, з чого почати НЛП у соціальних мережах?

Знайти потрібні дані, застосувати до них алгоритми та отримати корисну бізнес-ідею непросто. Зрештою, великі компанії з глибокими ресурсами припускалися помилок у своїх проектах обробки природної мови. Ось чому варто отримати сторонню точку зору на ваші дані. Контакти Синьо-помаранчевий цифровий сьогодні, щоб дізнатися, як швидше отримувати статистичні дані із соціальних мереж та інших даних у вашій організації.

Щоб дізнатися більше про AI та технологічні тенденції, дивіться Джоша Міраманта, генерального директора Blue Orange Digital, керованого даними рішень для ланцюжок поставок, автоматизація документообігу охорони здоров’я та багато інших прикладів.