Home / Programmazione / 6 passaggi per ottenere informazioni dai social media con l’elaborazione del linguaggio naturale

6 passaggi per ottenere informazioni dai social media con l’elaborazione del linguaggio naturale


6 passaggi per ottenere approfondimenti dai social media su larga scala con l’elaborazione del linguaggio naturale (PNL)fonte immagine: canva
L’analisi del sentiment e l’elaborazione del linguaggio naturale (PNL) dei social media è un modo comprovato per trarre informazioni dalle persone e dalla società. Invece di chiedere a un analista di passare settimane a leggere i commenti sui social media e fornire un rapporto, l’analisi del sentiment può fornirti un breve riepilogo. Ciò significa che puoi prendere decisioni più velocemente.

Perché hai bisogno di analisi del sentiment e PNL nei social media?
Stai vivendo nell’era dei big data. Prendi gli utenti dei social media come esempio. Nel 2019 c’erano 3,4 miliardi di utenti attivi di social media nel mondo. Solo su YouTube , ogni giorno vengono guardati un miliardo di ore di contenuti video. Ogni indicatore suggerisce che vedremo più dati prodotti nel tempo, non meno.

Ci sono semplicemente troppi dati da rivedere manualmente. Anche le organizzazioni con budget elevati come i governi nazionali e le società globali utilizzano strumenti di analisi dei dati, algoritmi ed elaborazione del linguaggio naturale.

Utilizzando queste tecniche, puoi capire cosa dicono le persone sul tuo marchio in questo momento. La capacità di ridurre al minimo i pregiudizi di selezione ed evitare di fare affidamento su aneddoti significa che le tue decisioni avranno una solida base. Ciò significa che farai meno errori mentre reagisci a un mondo in rapida evoluzione.

Sentiment Analysis e PNL in azione: assunzioni, sanità pubblica e marketing
Ci si potrebbe chiedere se questi strumenti di analisi dei dati siano utili nel mondo reale o se siano affidabili da usare. Questi strumenti esistono da oltre un decennio e migliorano ogni anno. Con la PNL e l’analisi del sentiment, puoi risolvere i problemi più velocemente.

Risparmia tempo durante l’assunzione
Nell’assumere, trovare candidati di qualità è difficile. Workopolis stima che “fino al 75% dei candidati per un determinato ruolo non sono effettivamente qualificati per svolgerlo”. Trascorrere del tempo con quei candidati non è produttivo. Fortunatamente, l’elaborazione e l’analisi del linguaggio naturale possono aiutarti a identificare candidati idonei in modo da poter utilizzare il tempo in modo produttivo. Ecco perché Blue Orange Digital ha collaborato con un hedge fund per ottimizzare il processo delle risorse umane. Utilizzando dieci anni di dati sui candidati e curriculum, l’azienda dispone ora di un sofisticato modello di punteggio per trovare candidati idonei.

Salute pubblica ed emergenze
Nel 2020, abbiamo tutti iniziato a imparare il valore dell’analisi dei dati sulla salute pubblica su larga scala grazie alla rapida diffusione di COVID. In queste crisi, è essenziale rilevare rapidamente i cambiamenti nel comportamento sociale. Con la PNL, puoi analizzare i social media per valutare il sentiment. Ad esempio, un recente progetto ha analizzato oltre 1.000 tweet utilizzando la parola chiave maschere per capire come le persone pensano e si sentono riguardo alle maschere.

Marketing
Nel marketing, devi rimanere informato su come pensa e si sente il tuo mercato di riferimento. Uno studio del 2019 ha utilizzato l’analisi del sentiment di Twitter per comprendere meglio i marchi di abbigliamento: Nike e Adidas. Analizzando 30.895 tweet in lingua inglese, i ricercatori hanno scoperto che “Adidas ha un sentimento più positivo di Nike”. Tuttavia, oltre il 50% dei tweet aveva un sentimento neutro. Ciò significa che c’è ancora un’opportunità significativa per ottenere menzioni più positive dal mercato.

I Mi piace sono la nuova valuta, la PNL nei social media
I Mi piace sono la nuova valuta, la PNL nei social media

Come funziona tecnicamente l’analisi del sentiment?
Affinché l’analisi del sentiment funzioni in modo efficace, ci sono alcuni punti tecnici essenziali da tenere a mente.

1) Sviluppa una domanda aziendale pertinente
Decidi a quali domande vuoi rispondere e se queste tecniche di dati sono adatte a tali domande. Consideriamo due domande di marketing

Dobbiamo avviare una partnership di marketing con una società di carte di credito per aumentare le vendite?
Stiamo ottenendo ritorni dalle nostre campagne di influencer marketing?
La prima domanda riguarda la strategia e le possibilità future, quindi non ci saranno molti dati da analizzare. Pertanto, suggeriamo di non tentare di rispondere a questa domanda con l’analisi del sentiment. Al contrario, la seconda domanda è più promettente per l’elaborazione del linguaggio naturale. Richiede ancora un ulteriore perfezionamento, ma hai l’inizio di una domanda appropriata.

2) Trova la tua origine dati
Il prossimo passo è trovare un’origine dati pertinente da analizzare. Idealmente, cerca le origini dati che hai già piuttosto che creare qualcosa di nuovo. Per le assunzioni, probabilmente hai un database di candidati e assunzioni di successo nel tuo sistema di monitoraggio dei candidati. Nel marketing, puoi scaricare i dati dalle piattaforme dei social media utilizzando le API.

Suggerimento: il volume dei dati è fondamentale per il funzionamento dell’analisi del sentiment. Come regola generale, il tuo set di dati dovrebbe contenere almeno 1.000 esempi (ad esempio, 1.000 tweet o 1.000 profili di candidati). Qualunque cosa di meno, e hai meno probabilità di ottenere risultati statisticamente significativi.

Ulteriori informazioni sulle origini dati alternative e sull’integrazione dei dati con dati di terze parti .

3) Pre-elaborazione dei dati
La maggior parte delle origini dati, in particolare i social media e i contenuti generati dagli utenti, richiedono una pre-elaborazione prima di poter lavorare con essa. Supponendo che tu stia analizzando una risorsa di testo, inizia rimuovendo punteggiatura, caratteri e altro testo di pulizia non necessari. Trascorrere del tempo in questo passaggio migliorerà la qualità dell’analisi risultante.

Poiché set di dati più estesi tendono a produrre risultati migliori, utilizzare strumenti per pulire ulteriormente i dati. Ad esempio, l’ algoritmo di Porter Stemmer è un modo utile per ripulire i dati di testo. Questo algoritmo aiuta a identificare le parole chiave e ridurre il rumore nei dati.

4) Analizza i dati
A seconda dei tuoi obiettivi, sono disponibili diversi strumenti software e algoritmi per analizzare i dati. Supponendo che tu stia analizzando il testo, l’algoritmo Naïve Bayes è la scelta giusta per condurre l’analisi del sentiment.

5) Valutare criticamente gli output
Non si può semplicemente accettare in modo acritico l’analisi dei dati generati dalle macchine. I ricercatori hanno scoperto che gli strumenti di apprendimento automatico tendono a riflettere i pregiudizi umani. Ad esempio, Amazon ha scartato un algoritmo delle risorse umane perché discriminava le candidate donne. Dopotutto, i dati storici, in questo caso, si basavano principalmente sugli uomini. È qui che i tuoi valori, come l’impegno per l’inclusione e la diversità, devono bilanciare le intuizioni basate sui dati.

Questo vale anche per gli output forniti dai motori di ricerca. Il CEO di KISSPatent D’vorah Graeser fornisce un esempio di come la PNL stia migliorando i risultati dei motori di ricerca quando analizza le informazioni dall’Organizzazione mondiale della proprietà intellettuale

L’uso della PNL è particolarmente rilevante e utile quando si cerca di cercare brevetti per nuove tecnologie come blockchain o Intelligenza Artificiale, che non hanno categorie definite nell’Organizzazione mondiale della proprietà intellettuale, per esempio. Essere in grado di cercare e trovare brevetti è importante per tutti gli innovatori perché in questo modo possono sapere chi sta lavorando a determinate innovazioni e se le loro innovazioni sono uniche e nuove come pensano “.

CEO di KISSPatent, D’vorah Graeser

6) Determina i prossimi passi
Di per sé, l’analisi del sentiment non cambierà la tua attività. È necessario rivedere queste informazioni e prendere una decisione. Ad esempio, potresti scoprire di avere una quantità crescente di sentiment negativo sul tuo marchio online. In tal caso, potresti avviare un progetto di ricerca per identificare le preoccupazioni dei clienti e quindi rilasciare una versione migliorata del tuo prodotto.

Non sai da dove iniziare con la PNL nei social media?
Trovare i dati giusti, applicare algoritmi a tali dati e ottenere informazioni aziendali utilizzabili non è facile. Dopotutto, le grandi aziende con grandi risorse hanno commesso errori nei loro progetti di elaborazione del linguaggio naturale. Ecco perché conviene avere una prospettiva esterna sui tuoi dati. Contatta Blue Orange Digital oggi per scoprire come ottenere informaèàzioni più rapide dai social media e altri dati nella tua organizzazione. 

Top

Utilizzando il sito, accetti l'utilizzo dei cookie da parte nostra. maggiori informazioni

Questo sito utilizza i cookie per fornire la migliore esperienza di navigazione possibile. Continuando a utilizzare questo sito senza modificare le impostazioni dei cookie o cliccando su "Accetta" permetti il loro utilizzo.

Chiudi