Twitter se mândrește cu 330 de milioane de utilizatori activi lunar, ceea ce permite companiilor să ajungă la un public larg și să se conecteze cu clienții fără intermediari. În dezavantaj, există atât de multe informații încât este greu pentru mărci să detecteze rapid mențiuni sociale negative care ar putea dăuna afacerii lor.

de aceea, analiza sentimentului, care implică monitorizarea emoțiilor în conversațiile de pe platformele de socializare, a devenit o strategie cheie în marketingul social media.

 analizați sentimentele pe Twitter în timp real

ascultarea modului în care se simt clienții pe Twitter permite companiilor să-și înțeleagă publicul, să țină la curent cu ceea ce se spune despre marca lor și concurenții lor și să descopere noi tendințe în industrie.

în acest Ghid, Aflați cum puteți utiliza instrumentele de analiză a sentimentelor pentru a vă asculta clienții pe Twitter și urmați tutorialul nostru despre cum să efectuați analiza sentimentelor în doar câțiva pași simpli.

  • Ce Este Analiza Sentimentului?
  • cum se face analiza sentimentului Twitter: Tutorial
  • Twitter Sentiment Analiza Cazuri De Utilizare

Ce Este Analiza Sentiment?

analiza sentimentului este procesul automatizat de identificare și clasificare a informațiilor subiective în date text. Aceasta ar putea fi o opinie, o judecată sau un sentiment despre un anumit subiect sau caracteristică a produsului.

cel mai frecvent tip de analiză a sentimentelor este ‘detectarea polarității’ și implică clasificarea declarațiilor ca pozitive, negative sau neutre. Un model de analiză a sentimentului de polaritate, de exemplu, etichetează automat acest tweet ca fiind pozitiv:

Twitter comentariu exemplu care arată sentiment: "dragostea noua caracteristică de securitate".

testați cu propriul text

rezultate

TagConfidence
Pozitiv98.9%

analiza sentimentului folosește procesarea limbajului Natural (NLP) pentru a da sens limbajului uman și învățarea automată pentru a oferi automat rezultate precise.

conectați instrumentele de analiză a sentimentelor direct la platformele dvs. sociale , astfel încât să vă puteți monitoriza tweet-urile ca și când vin, 24/7 și să obțineți informații actualizate din mențiunile dvs. sociale.

cum se efectuează analiza sentimentului pe datele Dvs. Twitter

efectuarea analizei sentimentului pe datele Twitter implică cinci pași:

  1. adunați date Twitter relevante
  2. curățați-vă datele folosind tehnici de pre-procesare
  3. creați un model de învățare automată de analiză a sentimentelor
  4. analizați-vă datele Twitter folosind modelul de analiză a sentimentelor
  5. vizualizați rezultatele analizei sentimentelor Twitter

în această secțiune, vă vom explica fiecare dintre aceste etape și oferă instrumente atât pentru codificatori, cât și pentru non-codificatori, astfel încât să puteți începe imediat analiza sentimentului.

adunați date Twitter

este important ca datele Dvs. Twitter să fie reprezentative pentru ceea ce încercați să aflați, deoarece le veți folosi pentru a:

  • antrenează-ți modelul de analiză a sentimentelor
  • testați cum funcționează modelul dvs. pe Twitter date

ar trebui să luați în considerare și tipul de tweet-uri pe care doriți să le analizați:

  • Tweets curente: util pentru a urmări cuvinte cheie sau hashtag-uri în timp real.

  • Tweets istorice: util pentru a compara sentimentele pe perioade diferite.

acum, probabil că vă întrebați cum să extrageți date de pe Twitter dacă nu le aveți deja salvate în biroul de ajutor sau într-un fișier Excel. Există diferite moduri de a face acest lucru. Să aruncăm o privire mai atentă la unele dintre opțiuni:

creați un Zap în Zapier

Zapier este o platformă care permite diferitelor echipe (marketing, resurse umane, asistență pentru clienți, produs etc.) să conecteze aplicațiile pe care le folosesc, astfel încât să poată lucra împreună. Este excelent pentru utilizatorii non-tehnici, deoarece nu este nevoie să scrieți o singură linie de cod pentru a aduna tweet-uri.

pentru a crea un flux de lucru automat pe Zapier (un Zap), trebuie doar să alegeți o aplicație ca declanșator(aceasta va fi aplicația de unde veți extrage date) și o altă aplicație (sau aplicații) ca acțiune (unde vor fi trimise datele).

să presupunem că doriți să extrageți tweet-uri care menționează marca dvs. în timp real. Puteți utiliza Zapier pentru a conecta Twitter cu foi de calcul Google și a aduna tweet-uri imediat ce Zap detectează numele dvs. de marcă în tweets:

pași pentru a seta Twitter ca aplicație de declanșare atunci când creați un Zap.

mergeți cu un pas mai departe și conectați Zapier cu MonkeyLearn pentru a efectua automat analiza sentimentului pe datele Dvs. Twitter primite. Aflați cum să creați un Zap pentru analiza sentimentului cu MonkeyLearn.

conectați datele Twitter cu IFTTT

IFTTT înseamnă ‘dacă asta, atunci asta’. La fel ca Zapier, acest instrument vă permite să vă conectați la diferite aplicații, astfel încât să puteți seta o acțiune atunci când sunt îndeplinite anumite criterii. Folositi-l pentru a obține date Twitter cu zero linii de cod.

urmăriți datele Twitter cu Export Tweet

Export Tweet vă permite să urmăriți un cuvânt cheie, hashtag sau cont în timp real sau să căutați Date istorice. Cu toate acestea, versiunea gratuită are limitări și vă recomandăm să faceți upgrade pentru a profita din plin de platformă.

Descărcați datele cu descărcare Tweet

descărcare Tweet vă permite să descărcați tweets din propriul cont, împreună cu răspunsurile și menționează. Acest lucru este util în special pentru mărcile care doresc să urmărească ce conținut funcționează cel mai bine cu utilizatorii, care sunt principalele lucruri pe care utilizatorii le susțin despre produsul lor etc.

utilizați API-ul Twitter

API-ul Twitter vă permite să accesați și să interacționați cu datele Twitter publice.

utilizați API-ul de Streaming Twitter pentru a vă conecta la fluxurile de date Twitter și pentru a aduna tweet-uri care conțin cuvinte cheie, mențiuni de marcă și hashtag-uri sau pentru a colecta tweet-uri de la anumiți utilizatori.

utilizați API-ul de căutare Standard pentru a obține tweet-uri istorice publicate până la 7 zile în urmă. Alternativele includ API-uri de căutare istorice (cum ar fi istoric PowerTrack și Full-Archive Search), care pot colecta tweets încă din 2006.

Conectează-te cu Tweepy

Tweepyeste o bibliotecă Python ușor de utilizat pentru accesarea API Twitter. Începeți cu Tweepy cu acest tutorial sau dicover alte biblioteci populare pe care le puteți utiliza cu API-ul Twitter:

  • Piton: Twython, instrumente de Twitter Python,python-twitter,
  • Ruby: Twitter Ruby Gem
  • nod: tăntălău
  • PHP: twitter-api-php

pregătiți-vă datele

după ce ați adunat tweet-urile de care aveți nevoie pentru analiza sentimentului, va trebui să vă pregătiți datele. Datele din rețelele sociale sunt nestructurate și trebuie curățate înainte de a le utiliza pentru a instrui un model de analiză a sentimentelor – datele de bună calitate vor duce la rezultate mai precise.

preprocesarea unui set de date Twitter implică o serie de sarcini, cum ar fi eliminarea tuturor tipurilor de informații irelevante, cum ar fi emoji, caractere speciale și spații goale suplimentare. De asemenea, poate implica îmbunătățirea formatului, ștergerea tweeturilor duplicate sau tweets care sunt mai scurte de trei caractere.

consultați acest ghid despre cum să vă pregătiți datele.

creați un model de analiză a sentimentelor Twitter

MonkeyLearn este o platformă de învățare automată care facilitează construirea și implementarea analizei sentimentelor. Puteți începe imediat cu unul dintre modelele de analiză a sentimentelor pre-instruite sau vă puteți antrena propriile dvs. folosind datele dvs.

oricum, înscrieți-vă la MonkeyLearn pentru a avea acces la modelele pre-instruite și la constructorul de modele.

apoi urmați acest tutorial pentru a efectua analiza sentimentului pe datele dvs.

Twitter Sentiment Analiză Tutorial

1. Alegeți un tip de model

accesați tabloul de bord MonkeyLearn, apoi faceți clic pe butonul din colțul din dreapta: ‘Creați un model’, apoi alegeți ‘clasificator’:

monkeylearn ' s sentiment analysis builder: alegeți un model

2. Decideți ce tip de clasificare doriți să faceți

din lista tipului de clasificator; faceți clic pe ‘analiza sentimentului’:

monkeylearn ' s Model builder: alegeți a din analiza sentimentelor, clasificarea subiectelor și clasificarea intențiilor

3. Importați datele Twitter

datele pe care le importați vor fi datele dvs. de antrenament, utilizate pentru a vă antrena modelul de învățare automată. Încărcați date Twitter dintr-un fișier CSV sau Excel, apoi selectați coloanele pe care doriți să le utilizați:

constructor de modele: pasul pentru a importa date Twitter prin încărcarea unui fișier Excel sau CSV

Model builder: pasul pentru a selecta coloana de date Twitter pe care doriți să o analizați

5. Etichetați datele pentru a vă antrena clasificatorul

acum, este timpul să vă antrenați modelul de analiză a sentimentelor, etichetând manual fiecare tweet ca fiind pozitiv, negativ sau neutru, pe baza polarității opiniei. După etichetarea primelor tweet-uri, Modelul va începe să-și facă propriile predicții. Le puteți corecta dacă răspunsul nu este corect:

 cum să etichetați și să vă antrenați modelul de analiză a sentimentelor pentru a detecta emoțiile în tweets

6. Testați clasificatorul

după ce v-ați instruit modelul cu câteva exemple, puteți lipi propriile texte pentru a vedea cum îl clasifică modelul de analiză a sentimentelor:

testarea analizorului de sentimente pentru a vedea dacă clasifică corect tweet-urile

MonkeyLearn oferă statistici diferite pentru a măsura performanța Clasificatorului dvs. de analiză a sentimentelor. Acestea sunt precizia, scorul F1, precizia și rechemarea. Puteți găsi, de asemenea, un nor de cuvinte cheie Twitter care conține cei mai frecvenți termeni pentru fiecare sentiment.

dacă nu puteți vedea Toate Statisticile, ar putea însemna că trebuie să etichetați mai multe date. În acest caz, de exemplu, modelul necesită mai multe date de instruire pentru categoria negativă:

scorurile și rezultatele sentimentului pentru a vă arăta cum funcționează clasificatorul sentimentului

rețineți că, cu cât etichetați mai multe date de antrenament, cu atât clasificatorul dvs. devine mai precis. O altă modalitate de a îmbunătăți acuratețea modelului dvs. este să verificați toate falsele pozitive și falsele negative și să le etichetați din nou pe cele incorecte. Iată cum:

o listă de tweet-uri și etichetele lor de polaritate corespunzătoare

analizați-vă datele Twitter pentru Sentiment

acum aveți un model de analiză a sentimentelor care este gata să analizeze tone de tweet-uri! Următorul pas este să integrați datele Twitter pe care doriți să le analizați cu modelul de analiză a sentimentelor pe care tocmai l-ați creat. Există trei moduri de a face acest lucru cu MonkeyLearn:

  • analiza loturilor: Du-te la’ Batch ‘ și încărcați un CSV sau un fișier Excel cu tweets noi, nevăzute. Clasificatorul va procesa toate tweet-urile și va oferi un nou fișier cu rezultatele analizei sentimentului.
  • integrări: există mai multe integrări disponibile pe care le puteți utiliza pentru a analiza date noi cu modelul dvs. de analiză a sentimentelor. De exemplu, puteți utiliza foi de calcul Google ca intrare pentru datele dvs. sau Zapier pentru a conecta datele Twitter la MonkeyLearn.

integrări disponibile: Zapier, Rapidminer, foi de calcul Google, Zendesk

  • API-ul lui MonkeyLearn: dacă știți cum să codificați, puteți apela instrumentele de analiză a sentimentelor MonkeyLearn în Python (și alte limbaje de programare) pentru a analiza noi tweet-uri.

fragment de cod API

pentru a afla cum să analizați datele Twitter în Python folosind API-ul MonkeyLearn, consultați acest ghid privind efectuarea analizei sentimentului în Python

vizualizați rezultatele

instrumentele de vizualizare a datelor vă ajută să explicați rezultatele analizei sentimentului într-un mod simplu și eficient.

aruncați o privire la modul în care MonkeyLearn Studio vizualizează rezultatele dintr-o analiză a sentimentelor bazată pe aspect pe datele Twitter. MonkeyLearn Studio este o suită all-in-one de analiză a textului și vizualizare a datelor, oferind template-uri de afaceri de-a gata.

efectuați imediat analiza sentimentului pe datele dvs. de pe Twitter și filtrați rezultatele în tabloul de bord al MonkeyLearn, astfel încât să vă puteți perfecționa comentariile negative sau pozitive și să luați decizii bazate pe date din mers.

dasboard-ul analitic al MonkeyLearn Studio care arată rezultatele unei analize a sentimentelor Twitter bazate pe aspect.

alte instrumente populare de vizualizare a datelor includ:

  • Google Data Studio

puteți utiliza această platformă Google gratuită și simplă pentru a crea rapoarte interactive. Există mai mult de 100 de surse disponibile pentru a importa datele dvs., inclusiv CSV, Excel și foi de calcul Google. După ce ați proiectat raportul vizual, îl puteți partaja cu alte echipe sau persoane fizice.

  • Looker

aceasta este o platformă de analiză a datelor de afaceri, creată pentru a gestiona tot felul de date în diferitele zone ale unei companii. Vă puteți conecta cu diferite baze de date și puteți crea diagrame și tabele de date. Aflați cum să începeți.

  • Tableau

definit ca Business intelligence și software de analiză, Tableau vă permite să lucrați cu un număr mare de surse de date pentru a crea tablouri de bord dinamice și vizualizări de date convingătoare. Unul dintre cele mai bune lucruri despre Tableau este că este foarte ușor de utilizat și nu necesită abilități de codificare. Cu toate acestea, oferă diferite tipuri de produse, iar unele dintre ele sunt destinate dezvoltatorilor.

Twitter Sentiment analiza cazuri de Utilizare

Twitter sentiment analiza oferă multe oportunități interesante. Posibilitatea de a analiza tweet-urile în timp real și de a determina sentimentul care stă la baza fiecărui mesaj, adaugă o nouă dimensiune monitorizării social media.

iată câteva dintre cele mai comune aplicații de afaceri ale analizei sentimentului Twitter.

monitorizarea rețelelor sociale

reputația Online este unul dintre cele mai prețioase active pentru mărci. O revizuire proastă pe social media poate fi costisitoare pentru o companie dacă nu este tratată eficient și rapid.

analiza sentimentelor Twitter vă permite să urmăriți ceea ce se spune despre produsul sau serviciul dvs. pe rețelele de socializare și vă poate ajuta să detectați clienții furioși sau mențiunile negative înainte de a se transforma într-o criză majoră.

în același timp, analiza sentimentului Twitter poate oferi informații interesante. Ce le place clienților la brandul tău? Ce aspecte primesc cele mai negative mențiuni? Acest tweet, de exemplu, indică faptul că transportul rapid este unul dintre cele mai apreciate aspecte pentru acest client Amazon:

 tweet pozitiv despre Amazon Prime

analiza sentimentului bazată pe Aspect cu Twitter vă poate arăta ce aspecte ale afacerii dvs. trebuie îmbunătățite și ce vă face să ieșiți în evidență printre concurenții dvs.

Serviciul Clienți

Twitter a devenit un canal esențial pentru serviciul clienți. De fapt, un număr tot mai mare de companii au Echipe specifice responsabile de furnizarea de asistență pentru clienți prin intermediul acestei platforme de socializare. Răspunsurile prompte sunt esențiale, deoarece 60% dintre clienții care se plâng pe social media așteaptă un răspuns în termen de o oră.

dar cum puteți evalua performanța asistenței pentru clienți pe Twitter? Analiza sentimentului Twitter vă permite să urmăriți și să analizați toate interacțiunile dintre marca dvs. și clienții dvs. Acest lucru poate fi foarte util pentru a analiza satisfacția clienților pe baza tipului de feedback pe care îl primiți.

acest tweet, de exemplu, arată un client dezamăgit după o interacțiune cu echipa de asistență pentru clienți Southwest Airlines:

tweet negativ despre SouthWest Airlines

cercetare de piață

Twitter este o sursă majoră de înțelegere a consumatorilor. De fapt, oamenii o folosesc pentru a exprima tot felul de sentimente, observații, credințe și opinii despre o varietate de subiecte.

puteți utiliza analiza sentimentului Twitter pentru a urmări cuvinte cheie și subiecte specifice pentru a detecta tendințele și interesele clienților. Înțelegerea lucrurilor care le plac potențialilor clienți, care sunt comportamentele lor și cum se schimbă acest lucru în timp este esențială dacă intenționați să lansați un nou produs.

Iată un exemplu al modului în care analiza sentimentului Twitter a fost utilizată pentru a monitoriza 4.000 de tweet-uri care menționau mâncarea halal. Aceste informații au permis cercetătorilor să identifice diferite motivații pentru consumul de alimente halal și să-și segmenteze piața în diferite tipuri de consumatori.

analiza sentimentului Twitter vă poate ajuta, de asemenea, să rămâneți cu un pas înaintea concurenței. Identificând punctele de durere ale concurenților, vă puteți concentra pe aceste domenii atunci când vă promovați afacerea.

monitorizarea mărcii

fie că lansați o nouă funcție pe platforma dvs., o reproiectare a site-ului sau o nouă campanie de marketing, vă recomandăm să urmăriți reacțiile clienților pe Twitter. Luarea de măsuri și efectuarea de modificări sau îmbunătățiri în timp real vor ajuta la menținerea loialității clienților.

Tweet despre noua marcă a MailChimp

campanii politice

o mare parte a conversației pe Twitter se învârte în jurul știrilor și Politicii. Acest lucru îl face un loc excelent pentru măsurarea opiniei publice, în special în timpul campaniilor electorale. Analiza sentimentului Twitter poate oferi informații interesante despre modul în care oamenii se simt despre un anumit candidat (și puteți chiar să urmăriți sentimentul în timp pentru a vedea cum evoluează).

în timpul alegerilor din SUA din 2016, am efectuat analiza sentimentului Twitter folosind MonkeyLearn pentru a analiza polaritatea mențiunilor Twitter legate de Donald Trump și Hillary Clinton. În primul rând, am reușit să numărăm numărul de mențiuni pozitive și negative pentru fiecare candidat într-o perioadă de timp. Acest grafic arată tweet-urile lui Trump bazate pe sentiment:

Trump tweet count de sentiment

în schimb, graficul următor arată numărul de mențiuni pozitive, negative și neutre pentru Hillary Clinton:

 Clinton tweet count by sentiment

o altă perspectivă relevantă a constat în analizarea tweet-urilor la date specifice, de exemplu în ziua dezbaterii prezidențiale și observarea reacțiilor negative sau pozitive, precum și a principalelor cuvinte cheie menționate în acea zi.

începeți cu analiza sentimentului Twitter

analiza sentimentului vă ajută să vă monitorizați emoțiile clienților pe Twitter și să înțelegeți cum se simt. Acesta adaugă un strat suplimentar valorilor tradiționale utilizate pentru a analiza performanța mărcilor pe social media și oferă companiilor oportunități puternice.

Da, puteți sorta datele după sentiment manual, dar ce se întâmplă când datele dvs. încep să crească? Analiza sentimentului cu învățarea automată este simplă, rapidă și scalabilă și poate oferi rezultate consistente cu un nivel ridicat de precizie.

cu o platformă de învățare automată precum MonkeyLearn, este simplu să începeți cu analiza sentimentului Twitter. Contactați-ne astăzi și solicitați o demonstrație personalizată de la unul dintre experții noștri

Lasă un răspuns

Adresa ta de email nu va fi publicată.