人类的交流涉及到很多情感。是否你在Facebook上写评论或者给你的老板发短信，你的话传达了你对很多人的看法和态度主题。想象一下用电脑程序浏览你妈妈发给你的短信。与其阅读每一篇文章来找出她想告诉你什么，它会让你快速小结：她是对你的房间，你的学术和你的爱感到不快生活。这个本质上就是意见挖掘的作用。它可以用于从评估你母亲的失望到评估公众对基于社交媒体的总统候选人的情绪的所有事情提到。意见挖掘使用自然语言处理来识别给定文本池中主题的一系列观点。使用情绪分析技术，这些观点按照从积极到消极的等级进行评分，从而很容易确定态度和心情。意见挖掘和客户评论得益于其从大量文本中提取情感趋势的效率，意见挖掘为分析客户评论创造了独特的机会比例尺。不像调查往往通过有针对性的问题来影响回答，而评论则为企业提供了一个有机反应的核心，这些反应真实地反映了客户的意见。自由文本意味着购物者用自己的语言描述事物，使他们能够提出品牌可能没有考虑到的意外问题。例如，一家使用观点挖掘分析评论的美容零售商可以很快发现，他们最畅销的眼影在气味主题上有负面情绪的趋势。他们还可以进一步挖掘，找出具体的问题，比如"太浓"或"太甜"的气味。借助意见挖掘，零售商可以很容易地发现他们的客户对他们的产品和服务的爱和恨，即使他们每个人都收到几千条评论月。怎么了意见挖掘和情绪分析工作因为意见挖掘和客户评论是一对自然的组合，所以Yotpo的数据科学团队开始研究他们能发现的消费者趋势只是时间问题。他们使用NLP从评论中提取主题，并开发了深度学习技术来训练自己的情感分析模型。你可以看看他们在这里发现的一些时尚行业的发现。我和我们的数据科学团队负责人Tal Perri一起工作，他的团队在我们的评论数据库中确定了100万个主题和7500万个相关意见一个人。只是定义一个"意见"需要几个迭代。塔尔的团队在3000万条评论，磨练其准确识别观点和主题的能力，并根据意义的相似性对其进行分组。例如，单词"shipping"、"shipping"和"delivery"将构成一个单独的主题。这使得更多的意见被统计，并且每个主题。那个然后，研究小组使用情绪分析技术对每个话题和观点进行评分，评分范围为-100（最消极）到+100（最积极），情绪分析旨在区分不同主题的冲突情绪在同一个审查。例如："好产品，但运输缓慢。"多亏了精心制定的规则，它也有能力梳理复杂和矛盾的人类写作风格，如讽刺。例如，它可以看出这句话表达了负面情绪："一流的快递服务——四个月后还在等我的包裹。"这句话的语气是积极的："一流的快递服务——昨天收到了我的包裹！"除了从Reviews数据科学和深度学习中提取主题和观点外，这个团队的发现给人留下深刻印象的是绝对的速度和准确性（92%！）他们的算法可以识别感情。如任何一个忙碌的企业主都知道，在你梦想着筛选客户评论之前，有大约一百万件事情要做。对实现、人员、产品开发、供应商、预算等的担忧几乎使我们无法找到时间。"当我们完成时，我们需要评估我们模型的准确性，"塔尔说因此，我们要求我们的专业服务（手动调节）团队收集一组评论，并开始手动提取意见和主题。"他们在找我们之前的3到4天里分析了几百条评论，说他们根本不可能再这样做了……甚至没有趋势跟踪。"当他给他们他的团队创建的脚本时，对所有评论进行分析只需要几个小时。"如果你每个月有10条评论，你可以手动检查，但如果你有几千个，那几乎是不可能的顾客说。结论评论直接与你的产品目录联系在一起，通常包括对服务的有价值的反馈，它们来自对你的品牌有第一手经验的经过验证的客户。换句话说，他们是寻找客户对你的产品和业务的一系列反应的完美场所全部。但是，如果没有工具来梳理它们的规模趋势，很容易错过客户的重要反馈。虽然依赖明星收视率似乎是分析成堆评论的一个快速解决方案，但它并不能给你提供全部图片。评论黑色和白色不是。一个五星级的评论可以包含对改进交付时间的重要要求，而被错误地注销为"负面"的一星级评论可能包含大量有帮助的细节，可以吸引客户买吧。它很少有客户的体验是完全积极的或完全消极的，因此，虽然星级评定能让你一目了然地了解客户满意度，但品牌如果不借助意见挖掘进行更深入的挖掘，那就太失职了。