감정 분석을 사용하여 고객 의견을 분석하는 방법

감정 분석이란 무엇입니까?

감정 분석 또는 의견 마이닝은 데이터에 표현된 감정이 긍정적인지, 부정적인지 또는 중립적인지를 이해하는 데 사용되는 AI 기술입니다. 이러한 알고리즘은 NER(Named Entity Recognition), NLP(Natural Language Processing) 및 ML(Machine Learning)과 같은 다른 AI 작업과 함께 작동하여 데이터의 감정을 빠르고 효율적으로 측정합니다.

브랜드는 AI 마케팅의 감정 분석 도구를 사용하여 소셜 청취, 리뷰, 설문 조사, 컨택 센터 상호 작용 등과 같은 다양한 소스의 고객의 소리(VoC) 데이터에서 중요한 정보를 표면화하여 브랜드 상태를 추적하고 제품을 개선하며 고객 참여를 강화합니다. 그리고 유지.

Sprout Social과 같은 도구에는 AI 자동화의 기본 제공 기능으로 감정 마이닝이 있으므로 소셜 통찰력을 사전에 활용하여 브랜드 상태를 모니터링하고 효율성을 개선하며 비즈니스 영향을 촉진할 수 있습니다.

감정 분석의 유형은 무엇입니까?

감정 분석에는 문서 기반, 주제 기반 및 측면 기반의 세 가지 수준이 있습니다. 그것들을 분해합시다.

문서 기반 감정 분석

이것은 간단한 문장을 분석하고 그것이 부정적인지 긍정적인지를 알려주는 데 사용되는 기본적인 의견 마이닝입니다.

주제 기반 감정 분석

더 복잡한 데이터에는 주제 수준의 감정 분석이 사용됩니다. 복잡한 문장이나 단락을 분해하여 반복되는 단어와 구를 식별하고 주제로 분류합니다. 그런 다음 각 주제에 대한 감정을 개별적으로 측정합니다.

소셜 미디어 또는 리뷰 플랫폼에서 고객 의견을 분석하는 데 사용할 경우 주제 분석을 통해 텍스트에 언급된 핵심 사항을 더 잘 이해할 수 있으며 이를 추적할 수 있습니다.

측면 기반 감정 분석

세 가지 측면 기반 감정 분석 중 가장 발전된 기능은 의미론적 분류를 사용하여 "사랑" 또는 "증오"와 같이 명시적으로 긍정적인 단어가 없을 수 있는 댓글을 이해하고 감정을 알려줍니다.

아래 예와 같이 "음식" 또는 "음료"와 같은 주제를 식별하고 분류하는 것 외에도 해당 주제 내에서 측면을 더 세분화하여 감정을 측정합니다. 이를 통해 비즈니스 결정을 알리는 데 사용할 수 있는 세분화된 통찰력을 얻을 수 있습니다.

감정 분석의 과제

감정 분석은 기계 학습 모델이 데이터를 분석하도록 얼마나 잘 훈련되었는지에 따라 달라집니다. 그러나 고급 버전에서도 특정 문제로 인해 부정확한 결과가 나올 수 있습니다. 여기에는 다음이 포함됩니다.

• 감정 극성: 감정 분석은 긍정적(+1) 및 부정적(-1) 극성 점수가 높은 "사랑", "증오" 또는 "최고"와 같은 감정을 나타내는 키워드를 쉽게 식별할 수 있습니다. 텍스트에 모델이 인식하지 못하는 "not so bad"와 같은 문구가 있을 때 문제가 발생합니다. 이로 인해 감정 점수가 부정확해집니다.
• 빈정거림: 사람들은 소셜 미디어의 일상적인 대화와 밈에서 아이러니와 빈정거림을 사용합니다. 기계 학습은 백핸드 칭찬을 부정적인 것으로 인식하지 않으며 비꼬는 말을 긍정적으로 잘못 해석할 수 있습니다.
• 이모티콘: 감정 분석은 감정 마이닝을 위한 자연어 처리 및 텍스트 분석에 의존하지만 소셜 미디어의 댓글에는 이모티콘이 넘쳐날 수 있습니다. 이 문제를 극복하려면 텍스트 데이터에서 이모티콘을 식별하고 브랜드 또는 제품 감정을 측정할 때 이를 고려하는 Sprout과 같은 도구가 필요합니다.

• 비유적 표현: 기계 학습 프로그램은 관용구 및 은유와 같은 비유적 표현을 이해하지 못합니다. 예를 들어, "under the weather"와 같은 관용구는 정서 분석 도구에 문맥상 의미가 없습니다. 텍스트를 무시하고 결과의 정확도를 떨어뜨립니다.
• 부정: 감정 마이닝 도구는 "I can't not have my Starbucks!"와 같은 문장에서 이중 부정을 인식할 수 없습니다. 이러한 경우 도구는 댓글을 무시하거나 부정적으로 분류하여 감정 점수를 왜곡합니다.
• 비교 문장: 비교 문장은 지정하지 않는 한 고객이 행복한지 불행한지를 실제로 지정하지 않기 때문에 까다롭습니다. 예를 들어, "갤럭시 S20이 애플 아이폰 12보다 크다"라는 댓글은 고객의 선호도에 따라 긍정적 또는 부정적으로 해석될 수 있습니다.
• 다국어 감정 분석: 댓글이 여러 언어로 되어 있으면 감정 분석 알고리즘의 문제가 복잡해집니다. 운 좋게도 이 문제는 도구에 Sprout과 같은 기본 다국어 감정 마이닝이 내장되어 있을 때 해결됩니다.

감정 점수는 어떻게 계산되나요?

감정 점수는 극성으로 측정되며 -1은 음수, 0은 중립, 1은 양수입니다. 세 가지 방법으로 계산할 수 있습니다.

단어 수 계산 방법

이 방법에서 감정 점수는 긍정적인 것에서 부정적인 발생의 수를 줄임으로써 계산됩니다. 예를 들어, 1 - 2 = -1입니다. 따라서 측정된 감정은 부정적입니다. 이 방법은 간단한 텍스트에 사용됩니다.

문장 길이 방법

점수는 문장의 길이를 기준으로 계산되며, 여기서 긍정적인 항목의 총 수를 부정적인 항목에서 뺀 다음 총 단어 수로 나눕니다. 예를 들어, 1-2/42 = -0.0238095입니다. 이 방법은 일반적으로 복잡한 문장과 긴 주석에 사용됩니다.

단어 수 비율 방법

이것은 감정 점수를 계산하는 가장 인기 있는 방법입니다. 텍스트에서 긍정적인 항목의 총 수를 부정적인 항목의 총 수로 나누고 1을 더합니다. 예를 들어, 1/ 2+1 = 0.33333입니다.

궁극적으로 이러한 모든 별도의 점수 인스턴스는 백분위수 형식으로 계산되어 브랜드, 제품 또는 고객 경험에 대한 전반적인 감정 점수를 제공합니다.

감정 분석 데이터의 소스는 무엇입니까?

다음은 고객 정서 통찰력을 수집하는 데 사용할 필수 고객의 소리(VoC) 데이터 소스 목록입니다.

• 소셜 미디어 청취: 소셜 청취를 통해 고객의 필터링되지 않은 생각과 의견을 활용할 수 있습니다. 이것은 고객이 브랜드, 콘텐츠 또는 고객 서비스에 대해 어떻게 느끼는지에 대한 더 깊은 통찰력을 얻을 수 있는 좋은 방법입니다. Sprout을 사용하면 Twitter, Facebook 및 Instagram과 같은 다양한 네트워크에서 이러한 감정을 모두 하나의 중앙 집중식 플랫폼에서 쉽게 측정할 수 있습니다.
• 리뷰 플랫폼: 비즈니스 리뷰 플랫폼은 브랜드 건전성을 측정하기 위한 핵심 소스입니다. Sprout을 사용하면 Google My Business, Yelp, TripAdvisor 및 Glassdoor와 같은 여러 리뷰 플랫폼을 분석하여 실행 가능한 통찰력을 수집할 수 있습니다.

• 뉴스 : 뉴스 기사를 활용하여 브랜드와 경쟁사에 대한 감정을 추적합니다.
• 팟캐스트: 팟캐스트는 떠오르는 산업 동향을 나타낼 수 있는 트렌드 주제에 대한 정서 통찰력을 수집하기 위한 인기 있는 소스입니다.
• 설문 조사: 감성에 대한 설문 조사 응답을 분석하여 NPS(Net Promoter Score) 또는 별 등급 시스템을 뛰어넘는 전체적인 브랜드 통찰력을 얻을 수 있습니다.
• 고객 서비스 상호 작용 : 고객 관리 이메일, 통화 기록 및 티켓은 고객 불만의 공통 주제를 추적하고 해결하는 핵심 소스입니다.
• 기타 텍스트 소스: 텍스트로 제공되는 모든 데이터에 대해 감성 분석이 가능합니다. 다양한 산업 분야에서 이들 중 눈에 띄는 것은 의료 데이터 및 연구 논문과 같은 전자 건강 보고서, 정부 웹 사이트 및 플랫폼과 같은 공개 정보, 심지어 Twitch와 같은 게임 사이트를 포함합니다.

감정 분석이 중요한 이유는 무엇입니까?

감정 분석이 비즈니스에 중요한 몇 가지 주요 이유는 다음과 같습니다.

속도와 규모

감정 분석 도구는 수백 개의 댓글을 몇 분 만에 처리하고 매일 수백만 건의 API 호출을 처리합니다. 이를 통해 브랜드는 시기적절한 고객 통찰력을 확보하여 브랜드 성과를 모니터링하여 청중을 성장시키고 참여시킬 수 있습니다.

정확성

기계 학습 알고리즘은 분산된 방대한 양의 고객 피드백 데이터에서 감정을 계산하고 수동으로 수행하는 것보다 훨씬 더 많은 점수를 정확하게 측정합니다. 또한 스며들 수 있는 인간의 감정을 통한 편견의 범위를 줄입니다. 예를 들어, 이전 직원의 부정적인 의견을 무시할 수 있는 매장 관리자가 있습니다.

주제 및 측면 분석

해시태그와 키워드를 통해 소셜 미디어 네트워크와 리뷰 플랫폼을 통한 대화에서 비즈니스의 트렌드 주제와 측면을 발견하고 브랜드 정서를 이해할 수 있습니다. 이러한 정확하고 실행 가능한 통찰력을 통해 제품 및 서비스, 고객 서비스 및 비즈니스의 기타 측면을 개선하여 브랜드 성능을 향상시킬 수 있습니다.

또한 브랜드에 대한 고객 토론에서 중요한 주제와 주제를 빠르게 볼 수 있는 워드 클라우드를 통해 통찰력을 얻을 수 있습니다. 그리고 시각적으로 눈에 띄는 워드 클라우드는 이해하기 쉽고 더 넓은 조직의 이해관계자들과 공유하기에 적합합니다.

다국어 VoC 데이터 분석

다국어 데이터는 소셜 리스닝에서 일반적입니다. 감정 분석 도구를 사용하면 브랜드는 브랜드 감정을 전체적으로 이해하기 위해 문화 및 민족적으로 다양한 고객을 이해할 수 있습니다.

KPI 측정

핵심 성과 지표를 정확하게 측정하여 전략의 어떤 측면이 효과가 있고 어떤 측면을 개선해야 하는지 알 수 있습니다. 이는 마케팅 캠페인의 효과를 측정하고 성공을 보장하기 위해 실시간으로 적절하게 변경하는 데 필수적입니다. 마찬가지로 소셜 멘션 및 고객 리뷰에서 감정을 추적하여 브랜드 인지도를 관리하고 브랜드 통찰력을 얻을 수 있습니다.

감정 분석은 어떻게 작동합니까?

감정 분석은 복잡한 프로세스이므로 세 가지 필수 단계로 분류했습니다.

1단계: 데이터 수집

VoC 데이터의 출처를 선택하는 것은 통찰력의 정확성에 영향을 미치는 중요한 결정입니다. 일반적으로 가장 소중한 고객이 자주 사용하는 소셜 및 온라인 플랫폼이 최고의 소스입니다. 활용하려는 플랫폼을 선택하면 감정 분석 도구는 기본적으로 라이브 API 통합 또는 데이터 스크래핑을 통해 데이터 소스를 활용합니다.

2단계: 데이터 처리 및 분석

수집된 데이터는 기계 학습을 통해 데이터 처리를 거쳐 비정형 정보를 텍스트 분석 및 데이터 마이닝에 적합한 형식으로 변환합니다.

NER(Named Entity Recognition)과 같은 AI 작업은 수집하려는 인사이트와 관련된 브랜드 언급, 위치, 통화 및 기타 정보를 식별합니다. 시맨틱 검색 알고리즘을 사용하면 도구가 댓글을 맥락적으로 이해하고 감정을 계산하는 동안 중복 항목을 피할 수 있습니다. NLP를 사용하면 도구가 텍스트 파이프라인에서 감정을 나타내는 용어를 인식할 수 있습니다. 품사(PoS) 태거는 다국어 정서 분석을 위해 비영어 데이터가 기본적으로 분석되도록 합니다.

마지막으로 감정 분석 작업은 클러스터링된 각 주제 및 측면의 감정 극성을 계산하고 결국 데이터의 전체 감정 점수를 제공합니다.

3단계: 데이터 시각화

결과는 이해하기 쉽도록 차트와 그래프 형식으로 표시됩니다. 이러한 시각화를 마케팅 및 고객 서비스와 같은 다른 부서와 공유하여 브랜드 참여를 개선하고 의식적으로 고객 제안 및 문제점을 해결할 수 있습니다.

감정 분석의 비즈니스 애플리케이션

다음은 브랜드가 새로운 트렌드를 모니터링하고 경쟁사보다 앞서 나가 브랜드 평판을 구축하고 고객 충성도를 높이고 경쟁사보다 앞서 나갈 수 있도록 감성 분석이 도움이 되는 몇 가지 중요한 방법입니다.

업계 동향 모니터링

브랜드는 변화하는 업계 동향과 고객 선호도를 지속적으로 따라잡아야 합니다. 감정 분석을 통해 여러 플랫폼에서 소셜 및 온라인 채팅을 동시에 모니터링하여 타임라인에서 새로운 추세를 추적할 수 있습니다. 이를 통해 투자 수익(ROI)을 극대화하기 위해 제품과 서비스를 능동적으로 개선하고 앞서 나갈 수 있습니다.

경쟁 분석 수행

감정 분석은 경쟁 브랜드에 대한 대화를 검토하여 강점과 약점을 추적하고 비즈니스 전략을 알리는 데 도움이 됩니다. 또한 시장 격차에 대한 통찰력을 얻을 수 있으므로 새로운 비즈니스를 포착하는 방법을 탐색할 수 있습니다. Sprout를 사용하면 목소리 점유율, 참여도, 인상, 사용자 정서와 같은 소셜 전반의 주요 성과 메트릭을 한 곳에서 경쟁사와 나란히 비교할 수 있습니다.

매력적인 콘텐츠 만들기

고객의 공감을 얻고 경쟁사를 능가하는 매력적인 콘텐츠를 만드세요. 인기 있는 주제에 대한 소셜 청취 및 리뷰 데이터의 감정을 분석하면 청중이 실제로 말하는 내용을 기반으로 개인화된 콘텐츠로 청중과 더 긴밀한 관계를 구축할 수 있습니다.

직원 옹호 육성

Medallia가 Sprout을 사용했던 것처럼 영향력 있는 콘텐츠를 직원에게 자동으로 전달하여 브랜드 증폭을 극대화하고 직원 옹호 수준을 높입니다. 감정 분석을 사용하여 잠재 고객에게 가장 영감을 주는 것이 무엇인지 파악하면 자동화된 콘텐츠 배포를 통해 더 많은 잠재 고객에게 도달하기 위한 전체적인 전략을 구축하는 데 도움이 됩니다.

브랜드 평판 향상

브랜드 멘션 급증에 대한 알림을 적시에 받아 귀하에 대한 온라인 대화가 언제 증가하는지 파악하고 원인을 추적하십시오. 고객 추천이나 칭찬과 같은 긍정적인 브랜드 멘션은 긍정적인 멘션을 다시 공유하여 브랜드를 증폭하고 사회적 증거를 구축할 수 있기 때문에 추적하는 것도 마찬가지로 중요합니다.

마찬가지로 키워드 또는 특정 브랜드 캠페인에 대한 알림을 설정하여 시장 심리를 측정하고 통찰력을 바탕으로 필요한 조치를 취하십시오.

브랜드 인사이트를 보다 효율적으로 수집

고객 감정을 지속적으로 모니터링하고 측정하는 것은 브랜드 인지도를 높이고 고객 충성도를 높이는 데 중요합니다. 수익 창출을 위해 오래 지속되는 고객 관계를 보장하는 가장 지속 가능한 방법입니다.

소셜 데이터를 사용하면 대상 고객 사이에서 떠오르는 추세와 주제를 파악하여 관련 데이터를 신속하게 필터링하고 성공을 위한 캠페인을 맞춤화할 수 있습니다. Instagram, Twitter, Reddit 및 YouTube와 같은 플랫폼에서 키워드 및 해시태그의 감성을 분석하여 고객 만족도를 측정하고 브랜드 성과를 높이십시오.

소셜 청취에 대해 자세히 알아보고 감정 분석이 이를 달성하는 데 어떻게 도움이 되는지 알아보세요.