6 кроків, щоб отримати інформацію з соціальних мереж за допомогою обробки природної мови

Аналіз настрою та обробка природної мови (NLP) у соціальних мережах є доведеним способом отримання інформації від людей та суспільства. Замість того, щоб просити аналітика витратити тижні на читання коментарів у соціальних мережах та надання звіту, аналіз настрою може дати вам швидкий підсумок. Це означає, що ви можете приймати рішення швидше.

Чому вам потрібен аналіз настрою та NLP у соціальних мережах?

Ви живете в епоху великих даних. Взявши користувачів соціальних мереж як приклад, у 2019 році було 3,4 мільярда активних користувачів соціальних мереж у світі. На YouTube одному, одна мільярда годин відеоконтенту дивляться щодня. Кожний показник свідчить про те, що ми побачимо більше даних, згенерованих у майбутньому, а не менше.

Є просто занадто багато даних, щоб ви могли їх переглянути вручну. Навіть організації з великими бюджетами, такі як національні уряди та глобальні корпорації, використовують інструменти аналізу даних, алгоритми та обробку природної мови.

Використовуючи ці техніки, ви можете зрозуміти, про що люди говорять про ваш бренд зараз. Можливість мінімізувати вибірковий бIAS та уникнути залежності від анекдотів означає, що ваші рішення будуть мати тверду основу. Це означає, що ви будете робити менше помилок, реагуючи на швидко змінюваний світ.

Аналіз настрою та NLP у дії: підбор кадрів, громадське здоров’я та маркетинг

Ви можете запитати, чи ці інструменти аналізу даних корисні у реальному світі, чи вони надійні для використання. Ці інструменти існують уже понад десятиліття, і вони стають кращими щороку. З допомогою NLP та аналізу настрою ви можете вирішувати проблеми швидше.

Зекономіть час під час підбору кадрів

Під час підбору кадрів знаходження якісних кандидатів є складним завданням. Workopolis оцінює, що “до 75% заяв на певну посаду не відповідають вимогам для виконання цієї роботи”. Витрачання часу на цих кандидатів не є продуктивним. На щастя, обробка природної мови та аналіз можуть допомогти вам ідентифікувати кандидатів, які добре підходять для вашої компанії, щоб ви могли використовувати час продуктивно. Саме тому Blue Orange Digital працював з хедж-фондом для оптимізації їхнього процесу підбору кадрів. Використовуючи десять років даних про заявників та резюме, компанія тепер має розвинену систему оцінки для знаходження кандидатів, які добре підходять.

Громадське здоров’я та надзвичайні ситуації

У 2020 році ми всі почали вивчати цінність великомасштабного аналізу даних громадського здоров’я через швидке поширення COVID. У цих кризах швидке виявлення змін у поведінці людей є важливим. З допомогою NLP ви можете аналізувати соціальні медіа, щоб оцінити настрій. Наприклад, недавній проект проаналізував понад 1 000 твітів за допомогою ключового слова “маски”, щоб зрозуміти, про що люди думають і відчувають щодо масок.

Маркетинг

У маркетингу вам потрібно бути в курсі того, про що думає і відчуває ваша цільова аудиторія. Дослідження 2019 року використовувало аналіз настрою у Twitter, щоб краще зрозуміти бренди одягу: Nike та Adidas. Аналізуючи 30 895 англійських твітів, дослідники виявили, що “Adidas має більш позитивний настрій, ніж Nike”. Однак понад 50% твітів мали нейтральний настрій. Це означає, що все ще є значна можливість отримати більше позитивних згадок на ринку.

Лайки – це нова валюта, NLP у соціальних мережах

Як працює аналіз настрою технічно?

Для того, щоб аналіз настрою працював ефективно, є кілька технічних моментів, які потрібно пам’ятати.

1) Розробіть актуальне питання бізнесу

Визначте, які питання ви хочете відповісти, і чи ці техніки аналізу даних підходять для цих питань. Розгляньмо два маркетингових питання

• Чи повинні ми запустити маркетинговий партнерство з кредитною компанією, щоб збільшити продажі?
• Чи отримуємо ми повернення на наші маркетингові кампанії з впливовими людьми?

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

2) Знайдіть свій джерело даних

Ваш наступний крок – знайти актуальне джерело даних для аналізу. Ідеально шукайте джерела даних, які у вас вже є, а не створюйте щось нове. Для підбору кадрів у вас, ймовірно, є база даних заявників та успішних кандидатів у вашій системі відбору кадрів. У маркетингу ви можете завантажити дані з соціальних медіа-платформ за допомогою API.

Порада: Об’єм даних важливий для аналізу настрою. Як правило, ваш набір даних повинен мати щонайменше 1 000 прикладів (наприклад, 1 000 твітів або 1 000 профілів заявників). Все, що менше цього, і ви менше ймовірно отримаєте статистично значимі результати.

Дізнайтеся більше про альтернативні джерела даних та доповнення вашого набору даних даними третіх сторін.

3) Передобробіть свої дані

Більшість джерел даних, особливо соціальних медіа та згенерованих користувачами даних, потребують передобробки перед тим, як ви зможете з ними працювати. Припускаючи, що ви аналізуєте текстовий ресурс, почніть з видалення зайвої пунктуації, символів та інших текстових даних. Витрачання часу на цей крок покращить якість результатуючого аналізу.

Оскільки більш обширні набори даних tend до дають кращі результати, використовуйте інструменти для подальшої очистки даних. Наприклад, алгоритм Porter Stemmer Algorithm є корисним способом очистити текстові дані. Цей алгоритм допомагає ідентифікувати кореневі слова та скоротити шум у ваших даних.

4) Проаналізуйте дані

В залежності від ваших цілей існують різні програмні інструменти та алгоритми для аналізу даних. Припускаючи, що ви аналізуєте текст, алгоритм Naïve Bayes є правильним вибором для проведення аналізу настрою.

5) Критично оцініть результати

Ви не можете просто прийняти дані аналізу, згенерованих машинами, безкритично. Дослідники виявили, що інструменти машинного навчання tend до відображають упередженість людини. Наприклад, Amazon скасував алгоритм ресурсів людини (AMZN ) , оскільки він дискримінував жінок-кандидатів. Після всього, історичні дані в цьому випадку були в основному засновані на чоловіків. Саме там ваші цінності – такі як зобов’язання щодо інклюзивності та різноманітності – повинні збалансувати дані, отримані з допомогою інструментів.

Це також застосовується до результатів, отриманих пошуковими системами. CEO KISSPatent D’vorah Graeser надає приклад того, як NLP покращує результати їхніх пошукових систем при аналізі інформації з Всесвітньої організації інтелектуальної власності

“Використання NLP особливо актуально та корисно, коли ви намагаєтеся знайти патенти для нових технологій, таких як блокчейн або штучний інтелект, які не мають визначених категорій у Всесвітній організації інтелектуальної власності, наприклад. Здатність шукати та знаходити патенти важлива для всіх інноваторів, оскільки це дозволяє їм знати, хто працює над певними інноваціями, та чи їхні інновації є такими унікальними та новими, як вони думають.”

CEO KISSPatent, D’vorah Graeser

6) Визначіть наступні кроки

Сам по собі аналіз настрою не змінить ваш бізнес. Вам потрібно переглянути ці інсайти та прийняти рішення. Наприклад, ви можете виявити, що у вас зростаюча кількість негативного настрою щодо вашого бренду в Інтернеті. У цьому випадку ви можете розпочати дослідницький проєкт, щоб ідентифікувати проблеми клієнтів, а потім випустити покращену версію вашого продукту.

Не впевнені, з чого почати з NLP у соціальних медіа?

Знаходження правильних даних, застосування алгоритмів до цих даних та отримання корисних бізнес-інсайтів не є легким завданням. Після всього великі компанії з великими ресурсами зробили помилки у своїх проєктах обробки природної мови. Саме тому варто отримати зовнішню перспективу на ваші дані. Зв’яжіться з Blue Orange Digital сьогодні, щоб дізнатися, як ви можете отримати швидші інсайти з соціальних медіа та інших даних у вашій організації.

Для більшої інформації про штучний інтелект та технологічні тенденції дивіться Джоша Міраманта, генерального директора Blue Orange Digital, щодо даних про рішення для ланцюжків постачання, автоматизації документів у сфері охорони здоров’я та інших випадків.