Analiza semantyczna w Newspoint

Analiza semantyczna w Newspoint

Newspoint do swojej oferty wprowadził analizę semantyczną monitorowanych artykułów, wpisów, porad i opinii. Semantyka zajmuje się opisem znaczenia fraz, zdań i długich tekstów. Dzięki jej zastosowaniu marketerzy lepiej poznają, co dokładnie użytkownicy sądzą o ich produktach oraz usługach. Analiza ręczna została rozszerzona o automatyczne metody klasy NLP, clusteringu, text miningu, sztucznej inteligencji i modelowania języka naturalnego.

Olbrzymia liczba pozostawianych przez użytkowników krytyk, opinii i rekomendacji na blogach, forach oraz na platformach społecznościowych sprawia, że internet stał się źródłem bogatym w cenne informacje, dotyczące wybranych produktów, modeli czy konkretnych usług. Im więcej takich danych jest dostępnych, tym więcej wniosków można wysnuć i lepsza jest ich tzw. statystyczna poprawność.

Opinie o produktach i doświadczenia użytkowników są doskonałą bazą do badań rynku. Badanie takie polega na kategoryzacji próby losowej (lub wszystkich wystąpień) publikacji, wyselekcjonowanych według przygotowanego zestawu słów kluczowych. Zaletą metody jest analiza spontanicznych, niemoderowanych wypowiedzi internautów, którzy najczęściej szczerze wypowiadają się o konkretnej ofercie. Dzięki badaniom jakościowym możliwa jest identyfikacja najbardziej angażujących tematów. Duże zasoby takich danych stanowią jednak problemy z ich szybką analizą ręczną i dokładną interpretacją.

Zespół Newspoint wdrożył automatyczne metody analizy semantycznej celem dogłębnej analizy sentymentu i dokładnej oceny znaczenia słów, fraz, całych zdań i tekstów opinii. Wykorzystano technologie z zakresu m.in. tagowania semantycznego, klastrowania, silników wyszukiwarki semantycznej, analizy tekstu (tzw. text mining), słowników językowych oraz AI.

Klastry tematyczne

Korzyści dla biznesu z zastosowania semantycznej analizy treści:

  • grupowanie tematyczne, czyli z czym dokładnie kojarzy się dana marka / produkt / usługa / komunikacja w mediach
  • wyodrębnienie klastrów i tagów semantycznych (fraz definiujących tematy treści)
  • pozyskanie listy pozytywnych i negatywnych fraz sentymentalnych (ocen i opinii) związanych z danym zagadnieniem
  • poznanie rozkładu wydźwięku według źródeł i autorów tekstów publikacji
  • zmiany wydźwięku w czasie
  • wydzielenie głównych problemów i zalet danej oferty czy produktu
  • korelacja zaistniałych i nagłaśnianych problemów
  • porównanie sentymentów: marka vs konkurencja