Ako používať Buffer, aby ste videli, čo si o vás vaši zákazníci skutočne myslia

Viac ako 50 % spotrebiteľov používať svoje platformy sociálnych médií na vyjadrenie svojich názorov a názorov na značky, ktoré predtým používali alebo od ktorých nakupovali. Analýza sentimentu (alebo získavanie názorov) je napokon jednou z najužitočnejších disciplín, ktoré máte k dispozícii.

Analýzu sentimentu sociálnych médií môžete použiť na preloženie myšlienok, pocitov a názorov ľudí do chladných, tvrdých údajov, ktoré môžete použiť na určenie toho, čoho by ste mali robiť viac a čoho by ste mali robiť menej. Vďaka tomu môžete využiť silu sociálnych médií na podporu podnikania.

S nástrojmi na automatizovanú analýzu sentimentu je teraz práca zhromažďovania, triedenia a analýzy týchto údajov ešte rýchlejšia a ešte jednoduchšia. Bez toho, aby ste pohli prstom, môžete okamžite zistiť, či verejnosť vníma vašu službu alebo produkty pozitívne, negatívne alebo neutrálne.

Tento prehľad umožňuje podniku stať sa skutočne agilným. Vedieť, ako sa cíti trh, v reálnom čase môže poskytnúť informácie o rýchlych rozhodnutiach, inšpirovať k rýchlym zmenám, zlepšiť produkt alebo službu a pomôcť podniku získať srdcia a mysle zákazníkov rýchlejšie a lepšie ako kedykoľvek predtým.

Ale toto všetko vieš, však? Výhody analýzy sentimentu nie sú nové.

Pravdepodobne však neviete, ako použiť Buffer na vykonanie analýzy sentimentu.

Keďže „analýza sentimentu“ nie je spomenutá ako funkcia Buffer, možno vás prekvapí, že môžete použiť platformu na správu sociálnych médií na vykonanie presnej analýzy sentimentu a zistenie toho, čo o vás ľudia hovoria na sociálnych médiách.

Čítať:  Čo je Amazon Freevee a čo stojí za to sledovať?

Ale predtým, ako prezradím tieto kľúčové informácie, musím najprv vyriešiť hlavný problém s analýzou sentimentu.

Problémom automatizovanej analýzy sentimentu je určiť, čo je pozitívny alebo negatívny sentiment.

Môžete si napríklad prečítať: „MILUJEM OBROVSKÝ bazén v mojom hoteli!“ Je to pozitívny alebo negatívny sentiment?

Bez toho, aby ste videli priloženú fotografiu nepatrného bazéna, by ste si mysleli, že je to pozitívny komentár, však? To isté platí pre automatizovaný nástroj na analýzu sentimentu.

Automatická analýza sentimentu má percentuálnu mieru presnosti okolo 60% pretože nepozná sarkazmus, iróniu, slang, kontext alebo rôzne dialekty. To skresľuje údaje a vedie k nesprávnej interpretácii, čo znamená katastrofu pre spoločnosti, ktoré chcú škálovať.

Aby sme to lepšie pochopili, poďme zistiť, ako funguje automatizovaná analýza sentimentu.

Ako funguje automatizovaná analýza sentimentu

Automatizovaná analýza sentimentu je založená na algoritmoch NLP (Spracovanie prirodzeného jazyka) a ML (Machine Learning). Skupina robotov v zásade vezme tweet, správu, komentár alebo príspevok, rozdelí obsah na časti, použije vopred určenú škálu na priradenie skóre sentimentu každému kúsku a potom tieto skóre spočíta, aby sa zistilo, či je celková správa je pozitívny, negatívny alebo neutrálny.

Povedzme napríklad, že niekto tweetoval toto:

Toto by spravili sentimentové roboty:

Z toho spočítali skóre a určili, že celkovo bola správa pozitívna.

Čítať:  Čo je značka vo WordPress? Demýtizovanie WordPress kategórií, značiek a & Viac

Ako sme však zistili, analýza sentimentu nie je vždy taká jednoduchá.

Zoberme si, čo sa stalo s Morbiusom, tretím filmom odohrávajúcim sa v Sony Spiderman-Universe. Keď to bolo úplne prvýkrát vydané, bol to trhák v pokladni, dostal sa rovno na číslo 1 a vyrábal 39 miliónov dolárov vo svojom prvom víkende. O týždeň neskôr však došlo k a pokles o 74 %. v predaji lístkov (druhý najhorší výkon v histórii superhrdinského filmu).

Po vydaní sa na sociálnych sieťach rozprúdila aktivita s tweetmi ako:

Pre vás a mňa sú tieto tweety jasne nabité sarkazmom a iróniou. Ale robotovi na analýzu sentimentu so slovami ako „úžasný“, „super dobrý“ a „majstrovské dielo“ bol film jednoznačne obrovským úspechom! Výsledok? Producenti sa rozhodli pokračovať s druhým vydaním a urobiť Morbius 3, čo len podporilo ďalší rozruch na sociálnych sieťach:

Toto je skvelý príklad nesprávnej analýzy sentimentu.

Takže hoci sa koncept analýzy sentimentu zdá užitočný, realita môže byť niekedy celkom zbytočná: Môžete niekedy skutočne dôverovať výsledkom analýzy sentimentu? Nepresná analýza sentimentu je asi taká dobrá ako čokoládový požiarnik.

Predtým, ako sa rozhodnete, že analýza sentimentu nemá miesto na vašom zozname každodenných úloh, existuje alternatívny spôsob, ako vykonať analýzu sentimentu, ktorá je asi o 10 % časovo náročnejšia, ale približne 85 % presnejšie ako používanie automatizovaného nástroja. Čo znamená, že to stojí za čas navyše.

Čítať:  Koľko stojí vytvorenie webovej stránky elektronického obchodu?

Ako používať Buffer na presnú analýzu sentimentu

Analýza sentimentu, ktorú vykonávajú ľudia, má priemernú percentuálnu mieru presnosti okolo 85 %. To je o 25 % viac ako v prípade špeciálneho nástroja na analýzu sentimentu.

Teraz ani na minútu nenavrhujem, aby sme sa vyhli technológiám, ktoré máme k dispozícii, a vrátili sa k namáhavému zadávaniu údajov a tabuľkám na analýzu sentimentu publika.

Navrhujem, aby sme sa stretli uprostred.

Ide o to, že musíme premeniť kvalitatívne údaje vo forme názorov, myšlienok a názorov na kvantitatívne údaje vo forme pozitívnych a negatívnych postojov.

Môžete to urobiť pomocou Buffer tak, že každému komentáru, príspevku, správe alebo tweetu, ktorý príde, priradíte pozitívne a negatívne označenia. Potom, pretože ste pridali označenia ku všetkým svojim interakciám, môžete vidieť percentuálne rozdelenie pozitívnych a negatívnych nálad. prostredníctvom prehľadu Distribúcia štítkov, ktorý nájdete na hlavnom paneli prehľadov.

Mohli by ste to zjednodušiť a ponechať štítky len ako „pozitívne“ alebo „negatívne“. Alebo ak chcete získať podrobnejšiu analýzu, môžete vytvoriť a priradiť konkrétne označenia, ako napríklad „Churn“ alebo „Super-fanúšik“, svojim interakciám.

Viem, čo si myslíte: Pridanie štítkov ku všetkým interakciám, ktoré prichádzajú, môže chvíľu trvať. Ale nielenže vám tento prístup poskytne zvýšenú úroveň presnosti, ale ako vedľajší produkt získate z prvej ruky prirodzený cit pre to, čo hovorí trh.

Ale počujem ťa. Ak máte stovky komentárov, príspevkov, správ a tweetov, ktoré si môžete pozrieť a priradiť každému dňu štítok, nebudete mať čas na dôležité úlohy s vysokou návratnosťou investícií.

Čítať:  Čo je databáza vo WordPress?

Dobrou správou je, že existuje spôsob, ako automatizovať proces priraďovania štítkov sentimentu k vašim interakciám. Asistent doručenej pošty automaticky priradí štítky, ktoré ste vytvorili, každej interakcii, ktorá príde do doručenej pošty, na základe súboru pravidiel, ktoré ste vytvorili.

Niečo ako to môžete urobiť so svojou e-mailovou schránkou. môžete vytvoriť pravidlá, ktoré automaticky presúvajú konkrétne e-maily do priečinkov, aby vám pomohli dosiahnuť nulu doručenej pošty. Je to ten istý princíp.

Takže aj keď presnosť nemusí byť taká vysoká, ako keby ste štítky prideľovali manuálne, ak vytvoríte špecifický a podrobný súbor pravidiel, ktoré dokážu zachytiť všetky dôležité pozitívne a negatívne pocity, budete na víťaza.

Prečítajte si viac o tom, ako nastaviť a spustiť analýzu sentimentu s Agorapusle pomocný článok.

Nové Publikácie:

ODPORÚČANIE