情緒分析可以幫助企業在溝通時更加了解情緒狀態,現在已經超越文字分析,包括語音和影像的價值。
文/Maria Korolov‧譯/Christy Lee
情緒分析的定義
情緒分析(Sentiment Analysis)是一種分析技術,它使用了統計學、自然語言處理(NLP)和機器學習(ML)來確定溝通間的情感意義。
公司使用情緒分析來評估客戶的訊息、客服中心的互動、網路上的評論、社群媒體的貼文和其他內容。情緒分析可以追蹤對公司、產品或服務的態度變化,或是這些產品或服務的個別特點。
情緒分析的範例
如今網路上最著名的情緒分析範例之一是「快樂測量儀」(Hedonometer),這是佛蒙特大學計算研究實驗室的一個項目。
該小組每日分析超過五千萬條英文推文,約佔 Twitter 總流量的十分之一,以計算出每日的幸福指數。
該方法在計算上很簡單。該實驗室收集了一組一萬個常用詞,並透過AWS的「亞馬遜土耳其機器人」(Amazon Mechanical Turk)眾包服務,讓人們給每個詞的幸福感評分,為 1 到 9 分。中性詞和嚴重依賴上下文的詞會被過濾掉,其餘詞的分數相加並取其平均值來確定每日的幸福感分數。該項目的網站上有英語以及其他九種語言的詞彙表和分數。
在國際數據資訊(International Data Corporation, IDC)專門負責對話式人工智慧(conversational AI)和智慧知識探索(intelligent knowledge discovery)領域的資深研究分析師 Hayley Sutherland 表示,這種「詞袋模型」是執行情緒分析的老式方法。「但它對於非常大的文字集來說可能很棒,」她說。快樂測量儀還使用簡單的正負量表,這是最常見的情緒分析類型。 雖然快樂測量儀使用 1 到 9 的級別制,但其他方法則是使用三個值 (正面值、負面值和中性值)或者給出一個百分比值。Sutherland 說,更細微的方法也可以檢測出其他情緒。「它因工具而異,」她說。「悲傷、憤怒和興奮是一些更常見的情況。」
[ 加入 CIO Taiwan 官方 LINE 與 Facebook ,與全球CIO同步獲取精華見解 ]
公司可以使用這種更細微的情緒分析版本來檢測人們是否感到沮喪或是覺得不舒服。 另一種情緒分析是意圖偵測。「你正在了解他們將採取什麼行動,」她說。「例如,在銷售方面,他們對購買是否感到興趣還是不感興趣?」
情緒分析可以做的不僅僅只是查看純文字。「有些使用臉部分析,有些使用聲音訊號,」Sutherland 說。「我看到越來越多的公司真正專注於情感人工智慧。例如,透過理解人們實際說的話之外的語氣,就更容易理解諷刺。」
情緒分析的公開例子比比皆是。奧巴馬政府使用情緒分析來衡量公眾輿論。世界衛生組織的疫苗信心項目使用情緒分析作為其研究的一部分,查看社群媒體、新聞、部落格、維基百科和其他網路平台。
2021 年春天,Google Cloud 平台發佈了其智慧影響解決方案(Intelligent Impact Solution),其中包括一個情緒分析要素,以便政府機構可以更好地針對他們的溝通工作,並瞭解圍繞新冠肺炎疫苗接種的不斷變化的信念和行為。
Sutherland 說:「它可以幫助不同的州和市政府,為他們的新冠肺炎疫苗接種策略提供訊息,」 。
情緒分析的工具
情緒分析的基本層次涉及統計學或基於監督或半監督學習演算法的機器學習。和快樂測量儀一樣,監督學習需要人類對資料集進行評分。半監督學習結合了自動學習和定期檢查,以確保演算法正確無誤。
深度學習是另一種進行情緒分析的另一種方法。 IDC 的 Sutherland 說:「深度學習使用了受人腦工作方式啟發的多層神經網路。」這種更複雜的情緒分析可以查看整個句子,甚至是完整的對話,以確定情感,還可以用於分析語音和影像。
所有大型雲端運算業者都提供情緒分析工具,主要的客戶支援平台和行銷供應商也是如此。 Sutherland 說,對話式人工智慧供應商還包括情緒分析功能。
調研機構 Forrester Research 副總裁兼首席分析師 Boris Evelson 表示,對進行情緒分析感興趣的公司應該首先查看他們已經在使用的工具和技術。「他們有沒有含有情緒分析的調查工具?客戶回饋管理平台也有基本的或相當不錯的情緒分析。」
他說,還有一些通用的分析工具可以進行情緒分析,例如 IBM Watson Discovery 和 Micro Focus IDOL。「我們建議我們的客戶接下來看看那部分,因為他們通常需要情緒分析,作為檔案提取和探勘,或客戶體驗過程的一部分,」Evelson 說。
情緒分析、自然語言處理和機器學習
很少有公司建立他們自己的情緒分析平台。它需要內部專業知識和大型培訓資料集。但它可以為現有平台卻無法滿足非常具體要求的公司帶來回報。在這些情況下,公司通常會從圖書館自動化系統開始製作他們自己的工具。
能夠執行情緒分析的自然語言處理圖書館包括 HuggingFace、SpaCy、Flair 和 AllenNLP。此外,一些低程式碼機器語言工具也支援情緒分析,包括 PyCaret 和 Fast.AI。
[ 推薦閱讀: IT如何支援新興的混合辦公環境 ]
對於深度學習,可以使用 BERT、XLNet 和 GPT3 等 Transformer 模型進行情緒分析。GPT3 甚至可以在沒有訓練資料的情況下執行情緒分析。
凱捷管理顧問公司(Capgemini)人工智慧和分析副總裁 Dan Simion 表示,建構 自己的平台可以讓公司在競爭中佔有優勢。
「這是我們在大公司市場上看到的趨勢,」他說。「否則,如果你購買與競爭對手相同的現成工具,你將無法獲得競爭優勢。」
情緒分析的 API
一種更常見的方法是,透過 API 引入情緒分析功能讓公司建構自己的平台。所有主要的雲端供應商都提供這項服務 ─ Amazon Comprehend、Azure Cognitive Services 和 Google Natural Language API 等等。 IBM Watson 也有一個 API。「問題是,歸根結底,這些 API 有多好,」 Simion 說。「如果你有一個利基產品,它們將很難有用處。」
然後是成本,他補充道。
「每次 API 調用都要花錢,」他說。「你必須確認調用這些特定的 API 在經濟上是可行的。但對於中小型企業來說,這可能是一個很好的解決方案。」
情緒分析的資料集
機器語言和深度學習情緒分析方法需要大量的訓練資料集。商業和公開可用的工具通常具有大型資料庫,但往往非常通用,並非特定於狹窄的行業領域。
麥肯錫公司(McKinsey & Co)關係合夥人 Bryan Richardson 說:「你真的需要數十億的詞組和範例來學習如何正確地分析了解情感。」
如果有足夠的時間,最大的公司可能能夠收集自己的資訊。「對於一家公司,無論是零售還是銀行,他們很難獲得足夠的客戶資料來建構模型,」他說。「但現在透過遷移學習等工具,自然語言處理模型正在針對非常廣泛且擁有數十億條記錄的語料庫進行校準,然後應用於不同的例子。」
這意味著,擁有一小部分特定領域培訓資料的公司可以從商業工具開始,並根據自己的需要進行調整。
首選的情緒分析使用範例
當今行業中情緒分析的最大應用案例是在客服中心,分析客戶通訊和通話記錄。 例如,如果新產品發布後負面情緒增加,這可能是出現問題的早期跡象,使公司能夠深入了解哪些功能導致問題或讓更多代理參與處理問題。
隨著客戶支援現在包括更多以網路為主的視訊通話,也開始出現越來越多的視訊培訓資料。
用於對客戶體驗進行情緒分析的相同類型的技術也可以應用於員工體驗。例如,數位轉型服務供應商巨頭簡柏特(Genpact)對其十萬名員工使用情緒分析,該公司的全球分析領導者 Amaresh Tripathy 說。
「我們使用人工智慧工具,一個對話聊天機器人,」他說。「這裡有一個聊天機器人,你可以選擇是否與聊天機器人交談,而不是人力資源部的人與每個人接觸,檢查一切是否順利,他們是否感到受到支持。」
[ 推薦下載: 2022年度CIO大調查報告PDF ]
這可以幫助公司發覺員工哪裡有困難或感覺得不到支持的領域。「我們正在尋找我們可以提供潛在幫助的領域,」他說。「我們進入這塊領域並且進行一場溝通。這非常有益,因為我們知道如何以有效的方法為人們提供支援。」
情緒分析也可用於品牌管理,幫助公司了解其客戶群的各個部分對其產品的感受,並幫助公司更好地針對這些客戶傳達行銷訊息。
位於矽谷的技術研究和諮詢公司 Constellation Research 副總裁兼首席分析師 Andy Thurai 說:「它在公共關係中特別有用。」「如果有人說了一些負面的話,你想早點知道,這樣你就可以進行危機管理。或者,如果你經營一個商業廣告,你就可以知道人們是否喜歡它。」
他說,過時的方法是發送問卷調查,收集和分析資料需要幾天或幾週的時間。
「但人們似乎在 Twitter 和其他地方發表了未經篩選的意見,」他說。
(本文授權非營利轉載,請註明出處:CIO Taiwan)