Analiza sentymentu

Marketing Analytics dla biznesu

Sarah DeAtley

Principal Data Scientist

Podstawy analizy sentymentu

obrazek przedstawiający uśmiechniętą, neutralną i smutną twarz z polami wyboru

Marki reklamują się w mediach społecznościowych, takich jak Twitter, Instagram i Facebook
Jednym ze sposobów monitorowania kondycji w mediach społecznościowych jest analiza sentymentu

Analiza sentymentu: technika określania, czy dane mają wydźwięk pozytywny, negatywny czy neutralny

¹ athree23 from Pixabay

Sentyment jest subiektywny! Marki chcą monitorować go w czasie rzeczywistym
Kontekst jest kluczowy:
- "Well done" w sporcie ma inne znaczenie niż w restauracji

Sentyment może wykraczać poza pozytywny, negatywny lub neutralny:
- Gniew, radość lub smutek
- Pilny lub niepilny
Należy też uwzględnić emotikony i sarkazm

obrazek steku po lewej i golfistów po prawej z napisem "well done"

różne emotikony z etykietą "reactions"

¹ Denis Cherkashin on Unsplash

Należy ocenić złożoność i rozmiar danych:
- Automatyczna dla dużych zbiorów danych w wielu językach
- Ręczna dla łatwiejszej interpretacji mniejszych danych
Reguły ręczne mogą trenować automatyczne modele NLP (podejście hybrydowe)

mężczyzna drapiący się w głowę, patrzący na kartkę z uśmiechniętymi, neutralnymi i radosnymi twarzami

¹ mohamed Hassan from Pixabay

różne wykresy na pulpicie nawigacyjnym

Opcje modeli NLP:
- Gotowy model z analizą sentymentu NLP
- Budowanie i utrzymanie własnego modelu NLP
Dopiero zaczynasz z NLP? Zacznij od gotowego modelu
Masz doświadczenie z modelami NLP? Własny model daje większą elastyczność
Weź pod uwagę długoterminowe potrzeby raportowania dla obu opcji!

¹ Carlos Muza on Unsplash

Marketing Analytics dla biznesu