如何收集数据进行客户情绪分析

由柏拉图重新发布

关注： 0

如何收集客户情绪分析数据
图片由编辑

客户情绪分析是使用机器学习 (ML) 从评论、论坛、调查等中提供的客户反馈中发现客户对品牌的意图和意见的过程。客户体验数据的情感分析让企业深入了解购买决策背后的动机、基于时间线或事件改变品牌情感的模式，以及市场缺口分析这有助于改进产品和服务。

目录：

什么是客户情绪分析？
您如何收集客户情绪分析数据？
如何从客户反馈中得出情绪分数
结论

情感分析精细梳理客户反馈数据，识别具体情绪或情绪. 从广义上讲，这些是积极的、消极的或中性的。但在这些参数中，由自然语言处理 (NLP) 和语义分析等 ML 任务驱动的情感分析模型可以找到单词的语义和句法方面，也可以帮助找到不同类型的负面情绪。

例如，它可以帮助根据表示不同负面情绪（如焦虑、失望、遗憾、愤怒等）的词语给出不同的情绪分数。积极的微观情绪也是如此。

这种细粒度的情感挖掘与基于方面的客户品牌体验分析相结合可能非常重要。例如，当您了解基于价格、便利性、购买便利性、客户服务等方面的情绪时，您将获得可操作的见解，您可以依靠这些见解在质量控制和产品改进方面做出正确的决策。

获得有针对性和有洞察力的品牌情感情报的一个非常重要的部分是拥有可靠的客户反馈数据。以下是收集此类数据的五种基本方法。

1. 社交媒体评论和视频

社交媒体聆听是您获取当前客户对您品牌的反馈的方式之一，其中包括您的产品和服务。可以处理和评估社交媒体评论以及视频内容的情绪分析模型是利用此数据源的最佳选择。

使用这样的工具，您可以利用数据从文本密集型社交媒体网站（如 Twitter）到基于视频的社交媒体网站（如 TikTok 或 Instagram）进行客户情绪分析。这给您带来了很大的优势，因为并非所有社交媒体平台都适用客户的选择。

例如，虽然客户主要使用 Twitter 直接与品牌互动，但众所周知，Facebook 用户会留下与他们相关的企业的详细评论。这种鲜明的对比是由于业务性质、年龄、地理位置、数字使用等因素造成的。

下面的示例显示了客户如何在两个不同的社交媒体渠道上发表评论。

如何收集客户情绪分析数据

社交媒体情绪分析的另一大优势是，您还可以找到符合您要求的社交媒体影响者，并且可以成为您数字营销策略的绝佳补充。有影响力的人花费了聘请公关公司或名人代言的一半投资。

此外，人们信任有影响力的人对产品的评论和认可有关. 无论您是正在寻找专业造型技巧的实习生，还是正在为青少年寻找最佳手机选择的四个孩子的父亲，这都是事实。这是怎么了数据科学和 ML 有助于为企业找到合适的 TikTok 影响者。

2. 超越 NPS、CES 或 CSAT 等定量调查

净推荐值 (NPS)、客户努力值 (CES) 或星级评分等客户反馈指标可以让您一目了然地知道人们是否对您的业务感到满意。但这并不能真正为您提供任何实际的业务洞察力。

如何收集客户情绪分析数据

要获得真实的客户情绪洞察，您需要超越量化指标。为此，您需要分析没有任何固定回复的评论和开放式调查回复。这允许客户撰写流畅的评论，这可以让您深入了解您甚至没有意识到的业务方面。

如何收集客户情绪分析数据

在上面的示例中，我们可以看到客户对企业给予了 1 星评级。但在阅读评论后，我们意识到负面情绪背后的原因完全不同。

一位客户对该公司的在线客户服务不满意，而另一位则提到，尽管他们是老客户，但质量下降和新定价可能是他们可能不再向他们购买产品的原因。

这些是可操作的见解，企业可以准确地知道必须在哪些方面进行改进才能保持客户满意度和忠诚度。超越数字指标可以获得这些见解。

3. 分析来自客户论坛和网站的评论

另一种获取不同客户反馈数据的好方法是通过 GoogleMyBusiness 等产品评论网站和 Reddit 等论坛进行筛选。重要的是，由于不同平台邀请的受众类型不同，从不同数据源获取见解可以为您提供更好的见解。

例如，Reddit 主要由对某个主题或产品更有热情的客户使用，因为该论坛允许他们进行冗长的讨论。同时，亚马逊评论或谷歌评论主要由临时客户使用，他们希望在业务的推动下或因为他们可能拥有的好或坏的体验而留下评论。

博曼机器学习驱动的技术见解从客户对 Reddit 和谷歌的评论中得出的佛罗里达州迪斯尼世界的评论进一步说明了这一点。

4. 来自非传统来源的客户之声 (VoC) 数据

客户反馈数据的非传统来源，例如聊天机器人历史、客户电子邮件、客户支持记录等是获得客户体验洞察力的绝佳来源。这些来源的一个优势是所有这些数据都已经在您的客户关系管理 (CRM) 工具中可用。

当您能够收集和分析这些数据时，您将能够发现许多潜在问题，即使是精心策划的客户调查或社交媒体倾听也可能无法突出显示。

5.分析新闻和播客

包含文章以及新闻视频和播客的新闻数据可以让您深入了解品牌绩效和认知度。来自新闻来源的市场反馈可以帮助企业进行有效的公共关系 (PR) 活动以进行品牌声誉管理。

如何收集客户情绪分析数据

它还可以根据行业趋势帮助竞争对手分析，情绪分析模型可以从新闻文章或视频中的品牌体验数据中提取，并帮助他们了解消费者行为。

为了说明如何提取情绪和计算分数，让我们将新闻来源作为客户反馈的重要来源，看看 ML 模型将如何分析此类数据。

1. 收集数据

为了获得最准确的结果，我们必须使用所有公开可用的新闻来源。这包括来自电视频道、在线杂志和其他出版物、无线电广播、播客、视频等的新闻。

有两种方法可以做到这一点。我们要么直接通过 Google News API 等实时新闻 API 上传数据， ESPN 头条 API, 英国广播公司新闻 API，以及其他喜欢他们的人。或者，我们通过下载 .csv 文件中的评论和文章，手动将它们上传到我们正在使用的 ML 模型。

2. 使用 ML 任务处理数据

该模型现在处理数据并识别不同的格式——文本、视频或音频。对于文本，这个过程相当简单。该模型提取所有文本，包括表情和标签。对于播客、无线电广播和视频，需要通过语音转文本软件进行音频转录。然后，此数据也被发送到文本分析管道。

一旦进入管道，自然语言处理 (NLP)、命名实体识别 (NER)、语义分类等确保从数据中提取和分组关键方面、主题和主题，以便对它们进行情绪分析。

3.分析情绪

现在文本已经分离，每个主题、方面和实体都将进行情感分析并计算情感分数。这可以通过三种方法中的任何一种来完成——字数法、句子长度法和正负词的比例。

让我们以这句话为例。 “体育场观众评论说座位很好。然而，据《每日先驱报》报道，考虑到没有季票，门票确实显得太贵了，许多人甚至在售票处遇到粗鲁的工作人员。”

让我们假设之后符号化、文本归一化（消除非文本数据）、词干提取（找到词根）和停止词去除（去除冗余词），我们得到以下负面和正面情绪的分数。

正面 – 好 – 1(+ 0.07)

负面 - 昂贵（- 0.5），粗鲁（- 0.7） - 2

现在让我们使用上述三种方法计算情绪分数。

字数统计法

这是计算情绪得分的最简单方法。在这种方法中，我们从正例中减少负例 (1 – 2 = -1)

因此，上述示例的情感得分为 -1。

句长法

从负面词中减去正面词的数量。然后将结果除以文本中的单词总数。因为这样得出的分数可能很小，而且有很多小数位，所以经常乘以一位数。这样做是为了使分数更大，从而更容易理解和比较。在我们的示例中，分数将为。

1-2/42 = -0.0238095

负-正字数比

正面词的总数除以负面词的总数。然后将结果加1。这比其他方法更平衡，尤其是在大量数据的情况下。

1/ 2+1 = 0.33333

4. 洞察可视化

一旦对数据进行情绪分析，洞察就会显示在可视化仪表板上，这样您就可以了解从所有数据中获得的情报。您可以查看基于时间线的情绪分析，以及基于产品发布、股市波动、新闻稿、公司声明、新定价等事件的情绪分析。

在您规划营销和增长策略时，这些基于方面的见解对您来说具有不可思议的价值。

人工智能和数据科学对营销活动非常重要，尤其是在不断创新和不断变化的市场动态的时代。由直接利用的客户反馈数据驱动的客户情绪分析可以为您提供所需的所有影响力，以确保您拥有可持续的营销策略以实现持续增长。

马丁·奥斯特洛夫斯基 是 Repustate 的创始人兼首席执行官。他热衷于 AI、ML 和 NLP。他为 Repustate 的全球文本分析 API、情感分析、深度搜索和命名实体识别解决方案制定了战略、路线图和功能定义。