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 для прикладу користувачів соціальних мереж. в 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 оцінює, що «аж 75% претендентів на певну роль насправді не кваліфіковані для цього». Витрачати час на цих кандидатів непродуктивно. На щастя, обробка природної мови та аналітика можуть допомогти вам визначити підходящих кандидатів, щоб ви могли продуктивно використовувати час. Ось чому Blue Orange Digital працював з хедж-фондом оптимізувати процес роботи з персоналом. Використовуючи дані про кандидатів і резюме за десять років, компанія тепер має складну модель підрахунку балів для пошуку підходящих кандидатів.

Охорона здоров'я та надзвичайні ситуації

У 2020 році ми всі почали розуміти цінність широкомасштабного аналізу даних у сфері охорони здоров’я через швидке поширення COVID. У цих кризах дуже важливо швидко виявити зміни в соціальній поведінці. За допомогою НЛП ви можете аналізувати соціальні мережі, щоб оцінити настрої. Наприклад, недавній 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

Вирішіть, на які запитання ви хочете відповісти та чи підходять ці методи даних для цих запитань. Розглянемо два питання маркетингу

• 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 жінок-кандидатів. Зрештою, історичні дані, в даному випадку, базувалися переважно на чоловіках. Саме тут ваші цінності, як-от прагнення до інклюзії та різноманітності, мають збалансувати розуміння, кероване даними. 

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 НЛП є особливо актуальним і корисним, коли ви намагаєтеся шукати патенти на нові технології, такі як блокчейн або штучний інтелект, які не мають визначених категорій у Всесвітній організації інтелектуальної власності, наприклад. Можливість шукати та знаходити патенти важлива для всіх інноваторів, оскільки так вони можуть знати, хто працює над певними інноваціями та 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 правильні дані, застосувати до них алгоритми та отримати корисну бізнес-аналитику нелегко. Зрештою, великі компанії з великими ресурсами припустилися помилок у своїх проектах обробки природної мови. Ось чому варто отримати сторонній погляд на свої дані. контакт 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 медичних документівта інші тематичні дослідження.