Sentimentide analüüs sotsiaalmeedias
Inimestel on huvitav teada saada, mida inimesed teistest arvavad? Keegi ei jäta kasutamata võimalust teada saada, mida nende sõbrad, kolleegid, naabrid, sugulased neist arvavad ja enamasti ei pruugi meie järeldused olla õiged, kuid see ei lase kellelgi arvata, et töötab see, mida teised nende kohta arvavad. arutame siin sotsiaalmeedias sentimentaalianalüüsi teemat.
Ärimaailmas soovivad kaubamärgid ja nende promootorid teada, mida teised ettevõttest ja brändist arvavad. See saavutatakse sentimentide analüüsi abil. Sentimentide analüüs on automatiseeritud tänu ülesande tohutule ulatusele ja ilmnenud uutele tööriistadele, mis lihtsustavad seda.
Kaua aega tagasi polnud ettevõtte kohta tundeid lihtne mõõta, kuid nüüd on tagasiside tänu sotsiaalmeedias laialt levinud sentimentaalsusele ulatuslik - see sisaldab klientide hääli, arvamusi, tooteülevaateid, uudiseid ja analüüse.
Meeleolu analüüs sotsiaalmeedias on seda tavaliselt tehtud viidete põhjal ettevõttele või kaubamärgile veebis, trükis, elektroonilises meedias ja uudistes. Sentimentide analüüs sotsiaalmeedias mitte ainult ei aita ettevõtetel / turundajatel mõista, mida teised nende arvates mõtlevad, vaid aitab ka selliseid andmeid analüüsida ja selle põhjal on vaja võtta parandusmeetmeid. Seda kasutatakse ka sisu (sissetuleva turunduse) algatuste jälgimiseks ja kuidas see mõjutab ettekujutust ettevõttest.
8 parimat sentimentaalianalüüsi strateegiat sotsiaalses analüüsis
Siin on 8 strateegiat, kuidas ühiskonnaanalüüsis paremini kasutada tundeanalüüsi ja kuidas kõige paremini kasutada selle jaoks saadaolevaid tööriistu.
-
Tehke oma tundeanalüüs sotsiaalmeedias kui võimalik
Sentimentide analüüs oleks mõttekas alles siis, kui seda tehakse ulatuslikult. See peaks hõlmama sotsiaalmeediat, teie enda CRM-i andmeid (Kliendisuhete haldus), veebisaite, uudiseid, ajaveebid ja nii edasi. See on võimalik mitmesuguste saadaolevate tööriistade abil, mis on kas tellimispõhised või tasuta.
Analüüsi tuleks teha Twitteris, Facebookis, Pinterestis, Google+., Quora, LinkedIn, YouTube, Slideshare, Instagram ja LinkedIn. Kampaania-eelse ja -järgse hindamise jaoks peaks olema sobiv mehhanism, et näha, kui palju kampaania on avaldanud mõju tarbijatele kaubamärgi suhtes. Töö tegemiseks on saadaval mitmesuguseid tööriistu.
-
Jälgige tarbijate tundeid lisaks kaubamärgi märkimistele või meeldimistele
Mitu korda on ettevõtted vaevunud, mitu korda mainitakse nende ettevõtte nime või kaubamärki. Või siis sotsiaalmeedias häirivad nad rohkem meeldimiste pärast. Tähtsam on aga jälgida tootega seotud tundeid, seda, kuidas tarbijad suhtuvad konkurentidesse ja kuidas avalikkuse ettekujutus organisatsiooni võtmetöötajatest on.
Kas nad on tarbijate suhtes sõbralikud, töökad ja vastutulelikud? Veelgi olulisem on see, kas ettevõttel on olemas süsteem tarbijate päringute ja kaebuste käsitlemiseks? Organisatsiooni võtmeisikute veebimaine võib mõjutada ka tarbijate meelsust ettevõtte suhtes.
Mitmesugused sotsiaalmeedias ja veebis sentimentide analüüsi võimaldavad tööriistad on Meltwater, Google Alerts, People Browser, Google Analytics, HootSuite, Tweetstats, Facebook Insights, Pagelever, Social Mention ja Hubspot's Marketing Grader. Marketing Graderiga on võimalik teada saada, kui aktiivsed olete ajaveebides, mis on saadaval sotsiaalmeedias ja veebis sentimentide analüüsiks. Samuti võimaldab see turundajatel välja selgitada, kuidas tunded viivad müügikonversioonideni. Üle 30 meeldimisega Facebooki lehel on võimalik saada teavet külastaja käitumise kohta, näiteks meeldimised, aktiivsed kasutajad, demograafia, välised suunamised ja palju muud.
Oluline on, et teid ei mõjutaks meeldimiste, kaubamärgi mainimiste, säutsude arv, vaid see, kas see põhjustab müügivihjeid, müügikonversioone või ettevõtte positiivset mainet. Kvaliteedimõõdikuid sageli ei mõõdeta, vaid neid ignoreeritakse. Nende hulka kuuluvad rahulolu hinnangud, vastused, vestlused, uuesti säutsud, arvamused.
Kõik jõupingutused hõlmavad aega ja kulusid, seetõttu on mõistlik pingutusi korralikult hinnata.
Sentimentide analüüsi andmekogumit ei tohiks kasutada pelgalt teie kaubamärgi tunnete hindamiseks. Selle abil saab teada saada, millised kaubamärgid on sotsiaalmeedias kõige enam haaratud, millistest teie tööstusega seotud teemadest räägitakse rohkem, millised mõjutajad räägivad rohkem teie kaubamärgist ja konkurentsist.
Soovitud tulemuse saavutamiseks on oluline kasutada sentimentide analüüsiks õigeid tööriistu. Näiteks IBM-il on IBM Social Sentiment Index, mis võib sotsiaalmeedias tundeid koondada. See on võimeline eristama sarkasmi, siirust, valib, milline meediumikommentaar on asjakohane ja mis lihtsalt tekitab taustamüra. Tarkvara kasutab analüütikat ja looduslikku keeletöötlust (NLP), et saada täpsem ülevaade sellest, mida tarbijad tunnevad.
-
Tunnete analüüsi andmestiku jagamine
Sentimentide analüüsi andmekogumite ja analüüside eesmärk ei ole piirduda turunduse või ettevõtte kommunikatsiooni osakonnaga. Seda tuleb jagada organisatsiooni sidusrühmadega. Kõik ärijuhid ja üksuse juhid peavad olema teadlikud tarbijate suhtumisest ettevõttesse - see aitab strateegiate, plaanide ja poliitikate sõnastamisel. Lisaks on sentimentide analüüsi andmekogum vaidlustatav - kui toodete kvaliteedi või teenuse suhtes on negatiivne hinnang, tuleb see heastada ja esimene samm on teavitada asjast huvitatud meeskondi sellest küsimusest. Tunnetusanalüüsi andmestiku eesmärk ei ole piirduda osakonnaga, vaid see tuleks levitada asjaomastele sidusrühmadele, kes omakorda aitavad parema poliitika väljatöötamisel.
-
Liiga palju tuginedes automatiseeritud tunnete analüüsi tarkvarale
Tunnetusanalüüsi probleem on see, et suurte organisatsioonide jaoks on veebisaitidel, sotsiaalmeedias ja muus digitaalses meedias nii palju jälgitavat. Eksimine on inimlik, nagu ka masinate või tarkvara puhul. Kui juhtiv restoran saab arvustuse, mis on toidu suhtes positiivne, kuid teeninduse suhtes negatiivne, siis milliseid tundeid võiks esile tõsta? Eksperdid soovitavad, et sentimentaalianalüüsi tööriistade kasutamisel otsige selline, mis aitab sentimente alistada ja ebaolulisi tulemusi visata. Tööriistad, mis võimaldavad tunnete käsitsi alistamist, aitavad saada hoiatusi kõrgetasemeliste suundumuste kohta, mida saab seejärel käsitsi analüüsida või jälgida.
Kui analüüsitavaid sentimentide analüüsi andmekogumeid on palju, oleks sentimentaaltarkvara kasutamine odavam ja tõhusam kui inimanalüütikud. Kuid eksperdid märgivad, et sentimentaalse tarkvara analüüsi ja käsitsi analüüsi jaoks peaks olema ideaalne segu.
Oluline on sentimentaalianalüüsi auditeerimine, et eristada sarkasmi ja positiivseid asju. Vaja on koolitatud inimesi, et kontrollida ja kontrollida tarkvara, mida pakub sentimentaalsuse analüüsi andmekogum. Aruandeesitlused peavad olema lühikesed ja lihtsad, et seda saaks teiste osakondadega jagada.
Mõnikord võivad grammatika ja kasutuse nüansid arvutit segadusse ajada ja halva otsuse teha. “Kohv maitses mõru, nagu peaks olema, kuid puudus värvusest”. Kas sellises lauses tuuakse välja positiivne või negatiivne? Selliste sentimentaalsete tulemuste alistamiseks kasutab mõni tarkvara reegleid, et selgitada välja, kuidas kontekst võib sisu heli mõjutada. Seda tehakse ka käsitsi.
-
Märksõna töötlemise ja NLP kasutamine on üsna usaldusväärne
Märksõna töötlemise algoritmid eristavad negatiivseid ja positiivseid sõnu, mida on kiire ja odav rakendada ning käitada. Looduskeele töötlemine on loodud sõnadest, lausetest ja fraasidest arusaamise alusel, et saada tunne, mida suheldakse. Mõnikord võib NLP keeletöötlemisel valesti minna - kuidas eristada "haiget" jahedaks või haigeks.
-
Kasutades ennustavat analüüsi, mis põhineb tunnetel
Ennustavat analüüsi saab kasutada tarbijate käitumise ennustamiseks, tuginedes sotsiaalmeedias ja veebisaitidel teostatavale tundeanalüüsile. Valdavaks tendentsiks on artiklitaseme tunnete kasutamine, kuid juhtivate analüütikute sõnul on entiteeditunnetustega rohkem edu saavutatav.
-
Ärge ignoreerige mobiili
Paljud üksteisest vestlused ja grupivestlused toimuvad mobiilis. Lisaks toimub mobiilirakenduste populaarsuse tõttu suur osa suhtlusest Androidis või iPhone'is. On ilmnenud mitmeid uusi tööriistu, mis kasutasid keerulist NLP-d vestluste, SMS-ide, sotsiaalmeedia ja külalislahkuse analüüsimiseks ning need on enamasti pilvepõhised rakendused. Ettevõtte tasemel NLP for Android käivitanud Lexalytics rõhutab asjaolu, et kõiki analüüsitud andmeid hoitakse telefonis ega saadeta pilve, tagades sellega privaatsuse. Toode pealkirjaga Salience hoiatab kasutajaid viivitamatult negatiivsete ja positiivsete / kiiduväärt e-kirjade ja sõnumite osas ning kokkuvõte sellistest leidudest antakse igal nädalal ja kuus.
Kaasaegses kontekstis, kus mobiiltelefon saavutab tänu Androidi ja Windowsi platvormile suurema leviku ja universaalse rakenduse, peavad ettevõtted aktiivselt jälgima mobiilsidet võimalike vihjete osas, mis käsitlevad tarbijate tundeid oma kaubamärkide suhtes.
-
Hoiduge täpsusnõuetest
On tõsi, et tundeanalüüs kogub populaarsust ja muutub üha keerukamaks, kuid ole ettevaatlik suurte väidetega selle strateegia täpsuse kohta. Analüütikute sõnul pole erinevate sentimentaalanalüsaatori tööriistade täpsuse kontrollimiseks standardset meedet ja seetõttu on 70% usaldusväärsus vastuvõetavam kui 90% või üle selle, kuna osa töötab üksuse tasandil, mõni artikli tasemel, mõni kasutab NLP-d, teine aga erinevad algoritmid, et jõuda selleni, mida tarbijad teie toote või kaubamärgi suhtes tunnevad.
On väga oluline kasutada hübriidtüüpe, mis võivad ühendada artiklitaseme, olemi taseme, suuna, pakkumise taseme, märksõnataseme tunde sisu veebilehtedel, ajaveebides ja sotsiaalmeedias. Üks selline rakendus on IBMi Alchemy Sentiment Analysis
Asjatundjate sõnul võib sentimentaalsuse analüüsil olla laialdane mõju sisu edastamise viisidele kogu meedias. Näiteks võib Facebook seada Newsfeedisse positiivsete uudistega seotud prioriteedi juhtiva tööstuse või ettevõtte jaoks või isegi vastupidi. See võib omakorda aidata neil meediumitel pakkuda paremat sisu kanalites, mis on konstrueeritud või valitud masinluure abil. See võib kindlasti olla samm kõrgemal töötlemata uudiste voogudest, mis tehakse lihtsalt teemade juhusliku valiku abil kasutaja eelistuste põhjal.
Järeldus - tunnete analüüs sotsiaalmeedias
Sentimentide analüüs sotsiaalmeedias võib aidata ettevõtetel parandada klienditeenindust, taaselustada longus kaubamärgi varandusi, aidata üle saada konkurentsist ja hankida äriteavet, mida on vaja edasiliikumiseks. On leitud, et hinnanguid laias laastus negatiivseteks, positiivseteks või neutraalseteks on hea hinnata.
Internetis tegutsev piletimüügiettevõte StubHub otsustas konkreetse mängu pileteid mitte tagastada. See tõi kaasa populaarse rahulolematuse ajaveebides ja seda kinnitas tõhusalt sentimentaalianalüüs, mis aitas ettevõttel võtta parandusmeetmeid.
Arukas tarkvara kasutab inimese mõju või populaarsust, et tema vaadetele rohkem kaalu määrata. Twitteri kasutaja, kellel on suur jälgija, arvamust avaldav kuulsus, saab rohkem eelise inimese suhtes, kellel on väiksem mõju, vähem jälgijaid sotsiaalmeedias ja tööelus.
Sentimentide analüüs on jõudnud kaugele 2011. aastast, kui Dow Jones lõi koos Columbia Notre Dame'i ülikooli Columbia ülikooliga 3700-sõnalise sõnaraamatu. Seda hakati nimetama Dow Jonesi leksikoniks - mõned positiivsed sõnad sisaldasid leidlikkust, võidukäiku ja tugevust, samas kui negatiivse varjundiga sõnad on kokku leppinud, riskinud, kohtuprotsessis. Sotsiaalmeedias valitsev sentimentaalianalüüs põhineb sellel leksikonil juhtivatel ärilehtedel, mis oskasid paremini ennustada kauplemisstrateegiaid ja avalikkuse seisukohti USA majanduse kohta. Thomson Reutersil oli ka sarnane vahend positiivsete või negatiivsete uudiste mõju hindamiseks tööstusele ja ettevõtetele. Seda hakati nimetama masinloetavaks uudisteteenuseks.
Sotsiaalmeedias on vaja tundeanalüüsi järele tohutut nõudlust, kuna see võimaldab kaevandada kümneid ja tuhandeid dokumente, et tekitada tarbijatel või kasutajatel kaubamärgi või ettevõtte kohta tundeid. Liiga suurel määral automatiseeritud tundeanalüüsile tuginemise lõkse on juba rõhutatud. . Inimese keeles ja kirjutamises on kultuurilisi erinevusi, slänge, kirjavead ja masinate jaoks arusaamine kontekstist, milles seda öeldi või kirjutati, on hirmutav ülesanne. Isegi kui eksperdid osutavad automatiseerimise kiirele paranemisele, on kogu protsess lollikindlaks muutmiseks vajalik inimeste piisav sekkumine ja analüüs.
Ükski tarkvara ei saa mõõta skeptitsismi, muret, ärevust, lootust või selle puudumist ning seetõttu pole selle 100% usaldusväärse muutmine lihtne ülesanne, ehkki organisatsioonid proovivad viise, kuidas selle kasutamist kogu tööstusharus mõistlikumaks muuta.
Tarbijate hoiakute hindamise eduks on vaja semantika ja sentimentaalianalüüsi abielu. Kui kasutaja kirjeldab koleda Ford Exploreri istmeid kui suurepäraseid, tähistab see kaubamärgi vastumeelsust, kuid mitte selle mudeli polsterdust.
Soovitatavad artiklid
See on olnud sotsiaalmeedias toimuva sentimentide analüüsi juhend. Siin arutame sotsiaalmeedias sentimentaalsuse analüüsi 8 parimat strateegiat. Võite vaadata ka järgmisi artikleid.
- 10 tõhusat sotsiaalmeedia turunduse näpunäidet | Plaan | Kasu | Äri
- Parim kliendisuhete juhtimine - CRM-i tarkvara (kasulik)
- Teksti kaevandamine vs tekstianalüüs - kumb on parem