ग्राहक भावना विश्लेषण के लिए डेटा कैसे एकत्रित करें

संपादक द्वारा छवि
 

ग्राहक भावना विश्लेषण मशीन लर्निंग (एमएल) का उपयोग करने की प्रक्रिया है, जो समीक्षाओं, मंचों, सर्वेक्षणों आदि में दी गई ग्राहक प्रतिक्रिया से किसी ब्रांड के बारे में ग्राहक की मंशा और राय जानने के लिए है। ग्राहक अनुभव डेटा का सेंटीमेंट विश्लेषण व्यवसायों को खरीद निर्णयों के पीछे की प्रेरणाओं, समयसीमा या घटनाओं के आधार पर ब्रांड भावना को बदलने के पैटर्न में गहरी अंतर्दृष्टि देता है, और बाजार-अंतर विश्लेषण जो उत्पाद और सेवा सुधार में मदद कर सकता है।

विषय - सूची:

• ग्राहक भावना विश्लेषण क्या है?
• आप ग्राहक भावना विश्लेषण के लिए डेटा कैसे एकत्र करते हैं?
• ग्राहक प्रतिक्रिया से मनोभाव स्कोर कैसे प्राप्त होते हैं
• निष्कर्ष

विशिष्ट की पहचान करने के लिए सेंटीमेंट विश्लेषण ग्राहकों की प्रतिक्रिया डेटा को ठीक करता है भावनाओं या भावनाओं. मोटे तौर पर, ये सकारात्मक, नकारात्मक या तटस्थ हैं। लेकिन इन मापदंडों के भीतर, प्राकृतिक भाषा प्रसंस्करण (एनएलपी) और शब्दार्थ विश्लेषण जैसे एमएल कार्यों द्वारा संचालित एक भावना विश्लेषण मॉडल जो शब्दों के अर्थ और वाक्यगत पहलुओं को पा सकता है, साथ ही विभिन्न प्रकार की नकारात्मक भावनाओं को खोजने में मदद कर सकता है। 

उदाहरण के लिए, यह चिंता, निराशा, खेद, क्रोध आदि जैसी विभिन्न नकारात्मक भावनाओं को दर्शाने वाले शब्दों के आधार पर अलग-अलग मनोभाव स्कोर देने में मदद कर सकता है। सकारात्मक सूक्ष्म भावनाओं का भी यही हाल है।

एक ब्रांड के साथ ग्राहक के अनुभव के पहलू-आधारित विश्लेषण के साथ मिलकर इस तरह के सूक्ष्म भावना खनन का प्रमुख महत्व हो सकता है। उदाहरण के लिए, जब आप मूल्य, सुविधा, खरीदारी में आसानी, ग्राहक सेवा आदि जैसे पहलुओं के आधार पर भावनाओं को जानते हैं, तो आपको कार्रवाई योग्य अंतर्दृष्टि मिलती है, जिस पर आप गुणवत्ता नियंत्रण और उत्पाद सुधार की बात करते समय सही निर्णय लेने के लिए निर्भर हो सकते हैं।

विश्वसनीय ग्राहक फीडबैक डेटा लक्षित और अंतर्दृष्टिपूर्ण ब्रांड भावना खुफिया प्राप्त करने का एक बहुत ही महत्वपूर्ण हिस्सा है। यहां पांच आवश्यक तरीके दिए गए हैं जिनसे आप इस तरह का डेटा एकत्र कर सकते हैं।

1. सोशल मीडिया टिप्पणियां और वीडियो

सोशल मीडिया सुनना एक ऐसा तरीका है जिससे आप अपने ब्रांड के बारे में वर्तमान ग्राहक प्रतिक्रिया प्राप्त कर सकते हैं, जिसमें आपके उत्पाद और सेवा दोनों शामिल हैं। एक भावना विश्लेषण मॉडल जो सोशल मीडिया टिप्पणियों के साथ-साथ वीडियो सामग्री को संसाधित और मूल्यांकन कर सकता है, इस डेटा स्रोत का लाभ उठाने के लिए एकदम सही शर्त है। 

इस तरह के एक उपकरण के साथ, आप टेक्स्ट-हैवी सोशल मीडिया साइट्स जैसे ट्विटर से वीडियो-आधारित लोगों जैसे टिकटॉक या इंस्टाग्राम से ग्राहक भावना विश्लेषण के लिए डेटा का उपयोग करते हैं। यह आपको एक बड़ा लाभ देता है क्योंकि जब सभी सोशल मीडिया प्लेटफॉर्म की बात आती है तो सभी सोशल मीडिया प्लेटफॉर्म एक आकार-फिट नहीं होते हैं ग्राहक विकल्प। 

उदाहरण के लिए, जबकि ग्राहक मुख्य रूप से एक ब्रांड के साथ सीधे बातचीत करने के लिए ट्विटर का उपयोग करते हैं, फेसबुक उपयोगकर्ताओं को उनके द्वारा जुड़े व्यवसाय के बारे में विस्तृत टिप्पणी छोड़ने के लिए जाना जाता है। यह स्पष्ट विपरीत व्यवसाय की प्रकृति, आयु, भौगोलिक स्थिति, डिजिटल उपयोग आदि जैसे कारकों के कारण है।

नीचे दिए गए उदाहरण दिखाते हैं कि कैसे ग्राहक दो अलग-अलग सोशल मीडिया चैनलों पर टिप्पणियां छोड़ते हैं।
 

 
 

सोशल मीडिया भावना विश्लेषण का एक और बड़ा फायदा यह है कि आप सोशल मीडिया इन्फ्लुएंसर भी ढूंढ सकते हैं जो आपके बिल में फिट बैठते हैं और आपकी डिजिटल मार्केटिंग रणनीति के लिए एक बढ़िया अतिरिक्त हो सकते हैं। इन्फ्लुएंसर्स की लागत आधी है जो एक पीआर एजेंसी या सेलिब्रिटी एंडोर्समेंट को काम पर रखने में जाती है। 

इसके अलावा, लोग इन्फ्लुएंसर्स से उत्पाद समीक्षाओं और समर्थन पर भरोसा करते हैं, जिनके लिए वे कर सकते हैं संबंधित. यह सच है कि आप पेशेवर स्टाइलिंग टिप्स की तलाश में इंटर्न हैं या किशोरों के लिए सेल फोन में सबसे अच्छे विकल्पों की तलाश में चार के पिता हैं। यह कैसे होता है डेटा साइंस और एमएल किसी व्यवसाय के लिए सही टिकटॉक इन्फ्लुएंसर खोजने में मदद करते हैं।

2. एनपीएस, सीईएस, या सीएसएटी जैसे मात्रात्मक सर्वेक्षणों से परे जाएं

नेट प्रमोटर स्कोर (एनपीएस), ग्राहक प्रयास स्कोर (सीईएस), या स्टार रेटिंग जैसे ग्राहक फीडबैक मेट्रिक्स आपको एक नज़र में बता सकते हैं कि लोग आपके व्यवसाय से खुश हैं या नहीं। लेकिन यह वास्तव में आपको कोई वास्तविक व्यावसायिक जानकारी नहीं देता है। 

 

 

वास्तविक ग्राहक भावना अंतर्दृष्टि प्राप्त करने के लिए आपको मात्रात्मक मेट्रिक्स से परे जाने की आवश्यकता है। और उसके लिए, आपको टिप्पणियों और ओपन-एंडेड सर्वेक्षण प्रतिक्रियाओं का विश्लेषण करने की आवश्यकता है, जिनकी कोई निश्चित प्रतिक्रिया नहीं है। यह ग्राहकों को मुक्त-प्रवाह वाली टिप्पणियां लिखने की अनुमति देता है, जो आपको आपके व्यवसाय के उन पहलुओं के बारे में जानकारी दे सकती हैं जिनके बारे में आप जानते भी नहीं थे। 

 

 

उपरोक्त उदाहरण में, हम देख सकते हैं कि ग्राहकों ने व्यवसाय को 1-स्टार रेटिंग दी है। लेकिन टिप्पणियों को पढ़ने पर हमें पता चलता है कि नकारात्मक भावनाओं के पीछे के कारण पूरी तरह से अलग हैं। 

जहां एक ग्राहक कंपनी की ऑनलाइन ग्राहक सेवा से नाखुश है, वहीं दूसरा उल्लेख करता है कि भले ही वे लंबे समय से ग्राहक हैं, लेकिन गुणवत्ता में गिरावट और नई कीमत के कारण वे अब उनसे खरीदारी नहीं कर रहे हैं।

ये कार्रवाई योग्य अंतर्दृष्टि हैं, जहां एक व्यवसाय जानता है कि ग्राहकों की संतुष्टि और वफादारी बनाए रखने के लिए सुधार कहां किया जाना चाहिए। केवल संख्यात्मक मेट्रिक्स से परे जाने से आपको ये जानकारी मिल सकती है।

3. ग्राहक मंचों और वेबसाइटों से समीक्षाओं का विश्लेषण करें

विविध ग्राहक प्रतिक्रिया डेटा प्राप्त करने का एक और उत्कृष्ट तरीका GoogleMyBusiness जैसी उत्पाद समीक्षा वेबसाइटों और Reddit जैसे फ़ोरम के माध्यम से छानबीन करना है। महत्वपूर्ण रूप से, अलग-अलग डेटा स्रोतों से जानकारी प्राप्त करने से आपको बेहतर जानकारी मिल सकती है क्योंकि अलग-अलग प्लेटफ़ॉर्म द्वारा आमंत्रित किए जाने वाले ऑडियंस के प्रकार होते हैं। 

उदाहरण के लिए, Reddit का उपयोग ज्यादातर उन ग्राहकों द्वारा किया जाता है जो किसी विषय या उत्पाद के बारे में अधिक भावुक होते हैं क्योंकि फ़ोरम उन्हें मौखिक चर्चा करने की अनुमति देता है। जबकि, अमेज़ॅन समीक्षाएँ या Google समीक्षाएँ ज्यादातर आकस्मिक ग्राहकों द्वारा उपयोग की जाती हैं, जो या तो व्यवसाय की कुहनी से या अच्छे या बुरे अनुभव के कारण समीक्षा छोड़ना चाहते हैं, जो उनके पास हो सकता है। 

इन एमएल संचालित तकनीकी अंतर्दृष्टि Reddit और Google पर ग्राहकों की टिप्पणियों से प्राप्त फ्लोरिडा में डिज्नी वर्ल्ड की समीक्षाओं से तैयार इस बिंदु को और स्पष्ट करते हैं।

4. गैर-पारंपरिक स्रोतों से वॉयस ऑफ कस्टमर (VoC) डेटा

ग्राहक प्रतिक्रिया डेटा के गैर-पारंपरिक स्रोत जैसे चैटबॉट इतिहास, ग्राहक ईमेल, ग्राहक सहायता प्रतिलेख, और इसी तरह ग्राहक अनुभव अंतर्दृष्टि प्राप्त करने के लिए शानदार स्रोत हैं। इन स्रोतों का एक लाभ यह है कि यह सारा डेटा आपके ग्राहक संबंध प्रबंधन (CRM) टूल में पहले से ही उपलब्ध है। 

जब आप इस डेटा को इकट्ठा करने और उसका विश्लेषण करने में सक्षम होते हैं, तो आप कई अंतर्निहित मुद्दों की खोज करने में सक्षम होंगे, जिन्हें अच्छी तरह से नियोजित ग्राहक सर्वेक्षण या सोशल मीडिया सुनने में भी उजागर नहीं किया जा सकता है।

5. समाचार और पॉडकास्ट का विश्लेषण करें

समाचार डेटा जिसमें लेख, साथ ही समाचार वीडियो और पॉडकास्ट दोनों शामिल हैं, आपको ब्रांड प्रदर्शन और धारणा में बारीक अंतर्दृष्टि प्रदान कर सकते हैं। समाचार स्रोतों से बाजार की प्रतिक्रिया ब्रांड प्रतिष्ठा प्रबंधन के लिए प्रभावी जनसंपर्क (पीआर) गतिविधियों में एक व्यवसाय की मदद कर सकती है। 

 

 

यह उद्योग के रुझानों के आधार पर प्रतियोगी विश्लेषण में भी मदद कर सकता है कि एक भावना विश्लेषण मॉडल समाचार लेखों या वीडियो में ब्रांड अनुभव डेटा से निकालने के साथ-साथ उपभोक्ता व्यवहार को समझने में भी मदद कर सकता है। 

यह समझाने के लिए कि भावना कैसे निकाली जाती है और स्कोर की गणना की जाती है, आइए हम समाचार स्रोतों को ग्राहक प्रतिक्रिया के महत्वपूर्ण स्रोत के रूप में लें और देखें कि एक एमएल मॉडल इस तरह के डेटा का विश्लेषण कैसे करेगा।

1. डेटा एकत्र करना

सबसे सटीक परिणाम प्राप्त करने के लिए, हमें सार्वजनिक रूप से उपलब्ध सभी समाचार स्रोतों का उपयोग करना चाहिए। इसमें टेलीविजन चैनलों, ऑनलाइन पत्रिकाओं और अन्य प्रकाशनों, रेडियो प्रसारण, पॉडकास्ट, वीडियो आदि से समाचार शामिल हैं। 

ऐसा करने के दो तरीके हैं। हम या तो Google समाचार API जैसे लाइव समाचार API के माध्यम से सीधे डेटा अपलोड करते हैं, ईएसपीएन हेडलाइंस एपीआई, बीबीसी समाचार एपीआई, और अन्य उन्हें पसंद करते हैं। या, हम उन्हें .csv फ़ाइल में टिप्पणियों और लेखों को डाउनलोड करके मैन्युअल रूप से उस एमएल मॉडल में अपलोड करते हैं जिसका हम उपयोग कर रहे हैं।

2. एमएल टास्क के साथ डेटा प्रोसेस करना

मॉडल अब डेटा को संसाधित करता है और विभिन्न स्वरूपों - पाठ, वीडियो या ऑडियो की पहचान करता है। पाठ के मामले में, प्रक्रिया काफी सरल है। मॉडल सहित सभी पाठ निकालता है इमोटिकॉन और हैशटैग। पॉडकास्ट, रेडियो प्रसारण और वीडियो के मामले में, इसे स्पीच-टू-टेक्स्ट सॉफ़्टवेयर के माध्यम से ऑडियो ट्रांसक्रिप्शन की आवश्यकता होगी। यह डेटा भी तब टेक्स्ट एनालिटिक्स पाइपलाइन को भेजा जाता है।

पाइपलाइन में एक बार, प्राकृतिक भाषा प्रसंस्करण (एनएलपी), नामित इकाई मान्यता (एनईआर), सिमेंटिक वर्गीकरण, आदि यह सुनिश्चित करते हैं कि डेटा से प्रमुख पहलुओं, विषयों और विषयों को निकाला और समूहीकृत किया जाता है ताकि भावना के लिए उनका विश्लेषण किया जा सके। 

3. भावना का विश्लेषण करना 

अब जबकि पाठ को अलग कर दिया गया है, भावना के लिए प्रत्येक विषय, पहलू और इकाई का विश्लेषण किया जाता है और भावना स्कोर की गणना की जाती है। यह तीन तरीकों में से किसी में भी किया जा सकता है - शब्द गणना विधि, वाक्य-लंबाई विधि और सकारात्मक और नकारात्मक शब्दों का अनुपात।

आइए इस वाक्य को एक उदाहरण के रूप में लें। "स्टेडियम जाने वालों ने टिप्पणी की कि सीटें अच्छी थीं। हालांकि, डेली हेराल्ड के अनुसार, टिकट बहुत महंगा लग रहा था, यह देखते हुए कि कोई सीज़न पास उपलब्ध नहीं था, और कई लोगों ने टिकट काउंटर पर असभ्य कर्मचारियों का सामना भी किया।

आइए मान लें कि के बाद tokenization, पाठ सामान्यीकरण (गैर-पाठ डेटा को खत्म करना), शब्द स्टेमिंग (मूल शब्द का पता लगाना), और शब्द हटाने को रोकना (अनावश्यक शब्दों को हटाना), नकारात्मक और सकारात्मक भावना के लिए हमें निम्नलिखित अंक मिलते हैं।

सकारात्मक – अच्छा – 1(+ 0.07)

नेगेटिव - महंगा (- 0.5), रूखा (- 0.7) - 2

आइए अब उपरोक्त तीन विधियों का उपयोग करके सेंटीमेंट स्कोर की गणना करते हैं।

शब्द गणना विधि

यह सबसे सरल तरीका है जिससे सेंटीमेंट स्कोर की गणना की जा सकती है। इस विधि में, हम धनात्मक घटनाओं में से ऋणात्मक को घटाते हैं (1 – 2 = -1)

इस प्रकार, उपरोक्त उदाहरण का सेंटिमेंट स्कोर -1 है। 

वाक्य-लंबाई विधि

सकारात्मक शब्दों की संख्या नकारात्मक शब्दों से घटा दी जाती है। परिणाम तब पाठ में शब्दों की कुल संख्या से विभाजित होता है। क्योंकि इस प्रकार प्राप्त अंक बहुत छोटा हो सकता है और कई दशमलव स्थानों में अनुसरण कर सकता है, इसे अक्सर एक अंक से गुणा किया जाता है। ऐसा इसलिए किया जाता है ताकि स्कोर बड़े हों और इस प्रकार समझने और तुलना करने में आसानी हो। हमारे उदाहरण के मामले में, स्कोर होगा।

1-2/42 = -0.0238095

नकारात्मक-सकारात्मक शब्द गणना अनुपात

सकारात्मक शब्दों की कुल संख्या को नकारात्मक शब्दों की कुल संख्या से विभाजित किया जाता है। फिर परिणाम 1 से जोड़ा जाता है। यह अन्य दृष्टिकोणों की तुलना में अधिक संतुलित है, विशेष रूप से बड़ी मात्रा में डेटा के मामले में। 

1/2+1 = 0.33333

4. अंतर्दृष्टि विज़ुअलाइज़ेशन

भावना के लिए डेटा का विश्लेषण करने के बाद, इनसाइट्स को एक विज़ुअलाइज़ेशन डैशबोर्ड पर प्रस्तुत किया जाता है ताकि आप उस इंटेलिजेंस को समझ सकें जो सभी डेटा से प्राप्त किया गया है। आप टाइमलाइन-आधारित भावना विश्लेषण देख सकते हैं, साथ ही उत्पाद लॉन्च, शेयर बाजार में उतार-चढ़ाव, प्रेस विज्ञप्ति, कंपनी के बयान, नई कीमत आदि जैसी घटनाओं पर आधारित विश्लेषण भी देख सकते हैं। 

जब आप अपनी मार्केटिंग और विकास रणनीतियों की योजना बनाते हैं तो ये पहलू-आधारित अंतर्दृष्टि आपके लिए अविश्वसनीय मूल्य की हो सकती हैं।

विशेष रूप से निरंतर नवाचार और बदलते बाजार की गतिशीलता के युग में एआई और डेटा साइंस का विपणन गतिविधियों के लिए अत्यधिक महत्व है। ग्राहक प्रतिक्रिया डेटा द्वारा संचालित ग्राहक भावना विश्लेषण जो सीधे उनसे प्राप्त किया गया है, आपको यह सुनिश्चित करने के लिए आवश्यक सभी लाभ प्रदान कर सकता है कि आपके पास निरंतर विकास के लिए एक स्थायी विपणन रणनीति है।
 
 
मार्टिन ओस्ट्रोव्स्की रेपस्टेट के संस्थापक और सीईओ हैं। वह एआई, एमएल और एनएलपी के बारे में भावुक है। वह रेपस्टेट के ग्लोबल टेक्स्ट एनालिटिक्स एपीआई, सेंटिमेंट एनालिसिस, डीप सर्च और नेम्ड एंटिटी रिकॉग्निशन सॉल्यूशंस के लिए रणनीति, रोडमैप और फीचर की परिभाषा तय करता है।

• एसईओ संचालित सामग्री और पीआर वितरण। आज ही प्रवर्धित हो जाओ।
• प्लेटोब्लॉकचैन। Web3 मेटावर्स इंटेलिजेंस। ज्ञान प्रवर्धित। यहां पहुंचें।
• स्रोत: https://www.kdnuggets.com/2022/12/collect-data-customer-sentiment-analysis.html?utm_source=rss&utm_medium=rss&utm_campaign=how-to-collect-data-for-customer-sentiment-analysis