顧客感情分析のためのデータ収集方法

プラトン再発行

フォロワー： 0

顧客感情分析のためのデータの収集方法
編集者による画像

顧客感情分析は、機械学習 (ML) を使用して、レビュー、フォーラム、アンケートなどで提供される顧客フィードバックから、ブランドに関する顧客の意図と意見を発見するプロセスです。カスタマーエクスペリエンスデータのセンチメント分析により、企業は、購入決定の背後にある動機、タイムラインまたはイベントに基づくブランドのセンチメントの変化パターン、およびマーケットギャップ分析製品やサービスの改善に役立ちます。

目次：

顧客感情分析とは何ですか?
顧客センチメント分析用のデータをどのように収集しますか?
顧客からのフィードバックからセンチメントスコアを導き出す方法
まとめ

感情分析は、顧客からのフィードバックデータを精査し、具体的な内容を特定します。感情や感情. 大まかに言えば、これらはポジティブ、ネガティブ、またはニュートラルです。しかし、これらのパラメーターの範囲内で、自然言語処理 (NLP) などの ML タスクによって駆動される感情分析モデルや、単語の意味論的および構文的な側面を見つけることができる意味分析は、さまざまな種類の否定的な感情を見つけるのにも役立ちます。

たとえば、不安、失望、後悔、怒りなどのさまざまな否定的な感情を表す単語に基づいて、さまざまな感情スコアを与えることができます。肯定的なマイクロ感情の場合も同様です。

このようなきめの細かい感情マイニングと、顧客のブランド体験のアスペクトベースの分析を組み合わせることは、非常に重要です。たとえば、価格、利便性、購入のしやすさ、顧客サービスなどの側面に基づいてセンチメントを知ると、品質管理や製品の改善に関して正しい決定を下すために信頼できる実用的な洞察が得られます。

的を絞った洞察に富んだブランド感情インテリジェンスを調達する上で非常に重要な部分は、信頼できる顧客フィードバックデータを入手することです。このようなデータを収集するための XNUMX つの重要な方法を次に示します。

1. ソーシャルメディアのコメントと動画

ソーシャルメディアを聞くことは、製品とサービスの両方を含む、ブランドに関する現在の顧客からのフィードバックを得る方法の XNUMX つです。ソーシャルメディアのコメントやビデオコンテンツを処理および評価できるセンチメント分析モデルは、このデータソースを活用するのに最適な方法です。

このようなツールを使用すると、Twitter などのテキスト中心のソーシャルメディアサイトから、TikTok や Instagram などの動画ベースのソーシャルメディアサイトまで、顧客のセンチメント分析用のデータを活用できます。すべてのソーシャルメディアプラットフォームが画一的なものではないため、これは大きな利点となります。顧客の選択。

たとえば、顧客は主に Twitter を使用してブランドと直接対話しますが、Facebook ユーザーは関連するビジネスについて詳細なコメントを残すことが知られています。このはっきりとした違いは、ビジネスの性質、年齢、地理的な場所、デジタルの使用などの要因によるものです。

以下の例は、顧客が XNUMX つの異なるソーシャルメディアチャネルにコメントを残す方法を示しています。

顧客感情分析のためのデータの収集方法

ソーシャルメディアのセンチメント分析のもう XNUMX つの大きな利点は、自分の予算に合ったソーシャルメディアのインフルエンサーを見つけて、デジタルマーケティング戦略に追加できることです。インフルエンサーは、PR エージェンシーや有名人の支持を得るための投資の半分の費用がかかります。

また、人々は、影響力のあるインフルエンサーからの製品レビューや推薦を信頼しています。関係する. これは、プロのスタイリングのヒントを探しているインターンであろうと、XNUMX 代の携帯電話で最適なオプションを探している XNUMX 人の父親であろうと、真実です。これは、どのようにデータサイエンスと ML は、ビジネスに適した TikTok インフルエンサーを見つけるのに役立ちます。

2. NPS、CES、CSAT などの定量調査を超える

ネットプロモータースコア (NPS)、カスタマーエフォートスコア (CES)、星評価などのカスタマーフィードバック指標により、人々があなたのビジネスに満足しているかどうかが一目でわかります。しかし、これでは実際のビジネス上の洞察は得られません。

顧客感情分析のためのデータの収集方法

本当の顧客感情のインサイトを得るには、定量的な指標を超える必要があります。そのためには、回答が固定されていないコメントや自由回答式アンケートの回答を分析する必要があります。これにより、顧客は自由にコメントを書くことができ、あなたが気付いていなかったビジネスの側面についての洞察を得ることができます.

顧客感情分析のためのデータの収集方法

上記の例では、顧客がビジネスに 1 つ星の評価を付けていることがわかります。しかし、コメントを読むと、否定的な感情の背後にある理由がまったく異なることがわかります.

XNUMX 人の顧客は同社のオンラインカスタマーサービスに不満を持っていますが、別の顧客は、長年の顧客であるにも関わらず、品質の低下と新しい価格設定が原因で、もう購入しない可能性があると述べています。

これらは実用的な洞察であり、ビジネスは顧客満足度とロイヤルティを維持するためにどこを改善する必要があるかを正確に把握しています。単なる数値メトリクスを超えて、これらの洞察を得ることができます。

3. カスタマーフォーラムや Web サイトからのレビューを分析する

多様な顧客フィードバックデータを取得するもう XNUMX つの優れた方法は、GoogleMyBusiness などの製品レビュー Web サイトや Reddit などのフォーラムをふるいにかけることです。重要なのは、さまざまなデータソースから洞察を得ることで、さまざまなプラットフォームが招待する対象者のタイプを考慮して、より優れた洞察を得ることができるということです。

たとえば、Reddit は、フォーラムを使用すると詳細な議論ができるため、テーマや製品に熱心な顧客によって主に使用されます。一方、Amazon のレビューや Google のレビューは、主に、ビジネスの微調整や、良いか悪いかを問わず、経験のためにレビューを残したいカジュアルな顧客によって使用されます。

ボーマン ML 主導の技術的洞察 Reddit と Google での顧客のコメントから導き出された、フロリダのディズニーワールドでのレビューから引き出されたものは、この点をさらに説明しています。

4. 従来とは異なるソースからの顧客の声 (VoC) データ

次のような従来とは異なる顧客フィードバックデータのソースチャットボットの歴史、顧客の電子メール、顧客サポートの記録などは、顧客体験に関する洞察を得る優れた情報源です。これらのソースの利点は、このすべてのデータが既に顧客関係管理 (CRM) ツールで利用できることです。

このデータを収集して分析できるようになると、よく計画された顧客調査やソーシャルメディアのリスニングでも明らかにできない多くの潜在的な問題を発見できるようになります。

5. ニュースとポッドキャストを分析する

ニュースビデオとポッドキャストだけでなく、両方の記事で構成されるニュースデータは、ブランドのパフォーマンスと認識に関する詳細な洞察を提供します。ニュースソースからの市場フィードバックは、ブランドの評判を管理するための効果的な広報 (PR) 活動において企業を支援します。

顧客感情分析のためのデータの収集方法

また、センチメント分析モデルがニュース記事やビデオのブランドエクスペリエンスデータから抽出できる業界トレンドに基づく競合他社の分析にも役立ち、消費者の行動を理解するのにも役立ちます。

感情がどのように抽出され、スコアが計算されるかを説明するために、ニュースソースを顧客フィードバックの重要なソースとして取り上げ、ML モデルがそのようなデータをどのように分析するかを見てみましょう。

1. データの収集

最も正確な結果を得るには、公開されているすべてのニュースソースを使用する必要があります。これには、テレビチャンネル、オンラインマガジン、その他の出版物、ラジオ放送、ポッドキャスト、ビデオなどからのニュースが含まれます。

これを行うには XNUMX つの方法があります。 Google News API などのライブニュース API を介してデータを直接アップロードするか、 ESPN ヘッドライン API, BBC ニュース API、および他の人が好きです。または、コメントと記事を .csv ファイルにダウンロードして、使用している ML モデルに手動でアップロードします。

2. ML タスクによるデータの処理

モデルはデータを処理し、さまざまな形式 (テキスト、ビデオ、またはオーディオ) を識別します。テキストの場合、プロセスはかなり単純です。モデルは、以下を含むすべてのテキストを抽出します絵文字とハッシュタグ。ポッドキャスト、ラジオ放送、ビデオの場合は、音声テキスト変換ソフトウェアによる音声文字起こしが必要になります。このデータもテキスト分析パイプラインに送信されます。

パイプラインに入ると、自然言語処理 (NLP)、名前付きエンティティ認識 (NER)、セマンティック分類などによって、データから重要な側面、テーマ、およびトピックが抽出され、グループ化され、感情を分析できるようになります。

3. センチメントの分析

テキストが分離されたので、各テーマ、側面、およびエンティティの感情が分析され、感情スコアが計算されます。これは、単語数法、文長法、肯定語と否定語の比率の XNUMX つのアプローチのいずれかで行うことができます。

この文を例に取りましょう。「スタジアムの来場者は、座席が良いと言っていた。しかし、デイリーヘラルドによると、利用できるシーズンパスがなく、多くの人がチケットカウンターで無礼なスタッフに遭遇したことを考えると、チケットは高すぎるように思われました。」

その後、トークン化、テキストの正規化 (非テキストデータの削除)、単語のステミング (ルートワードの検索)、およびストップワードの削除 (冗長な単語の削除) を実行すると、否定的および肯定的な感情について次のスコアが得られます。

ポジティブ – 良い – 1(+ 0.07)

ネガティブ – コストがかかる(- 0.5)、失礼(- 0.7) – 2

それでは、前述の XNUMX つの方法を使用してセンチメントスコアを計算してみましょう。

ワードカウント方式

これは、センチメントスコアを計算できる最も簡単な方法です。この方法では、ポジティブな出来事からネガティブな出来事を減らします (1 – 2 = -1)。

したがって、上記の例のセンチメントスコアは -1 です。

文長法

肯定的な単語の数が否定的な単語から差し引かれます。結果は、テキスト内の単語の総数で割られます。このようにして得られたスコアは非常に小さく、小数点以下の桁数が多いため、多くの場合、XNUMX 桁で乗算されます。これは、スコアが大きくなり、理解と比較が容易になるようにするためです。この例の場合、スコアはになります。

1-2/42 = -0.0238095

ネガポジ単語数比

肯定的な単語の総数を否定的な単語の総数で割ります。 The result is then added by 1. これは、特に大量のデータの場合に、他のアプローチよりもバランスが取れています。

1/2+1 = 0.33333

4. インサイトの視覚化

データがセンチメントについて分析されると、インサイトが視覚化ダッシュボードに表示されるため、すべてのデータから収集されたインテリジェンスを理解できます。タイムラインベースのセンチメント分析だけでなく、製品の発売、株式市場の変動、プレスリリース、会社の声明、新しい価格設定などのイベントに基づくセンチメント分析も表示できます。

これらの側面に基づく洞察は、マーケティングおよび成長戦略を計画する際に、非常に価値のあるものになる可能性があります。

AI とデータサイエンスは、特に絶え間ないイノベーションと変化する市場ダイナミクスの時代において、マーケティング活動にとって非常に重要です。顧客から直接利用された顧客フィードバックデータに基づいた顧客センチメント分析は、継続的な成長のための持続可能なマーケティング戦略を確立するために必要なすべてのレバレッジを提供します。

マーティン・オストロフスキー Repustate の創設者兼 CEO です。彼は AI、ML、NLP に情熱を注いでいます。彼は、Repustate のグローバルテキスト分析 API、感情分析、ディープサーチ、固有表現認識ソリューションの戦略、ロードマップ、および機能定義を設定しています。