如何使用 Agorapulse 了解客户对您的真实看法

超过 50% 的消费者使用他们的社交媒体平台来表达他们对他们之前使用或购买过的品牌的看法和意见。 毕竟，情绪分析（或意见挖掘）是您可以使用的最有用的学科之一。

您可以使用社交媒体情绪分析将人们的想法、感受和意见转化为冷酷的硬数据，您可以利用这些数据来确定您应该做更多的事情，以及您需要少做的事情。 这样做可以让您利用社交媒体的力量来支持业务。

借助自动化情绪分析工具，收集、分类和分析这些数据的工作现在变得更快、更容易。 无需动动手指，您就可以立即了解公众对您的服务或产品的感受是积极、消极还是中立。

这种洞察力使企业变得真正敏捷。 实时了解市场感受，可以为快速决策提供信息，激发快速变化，改进产品或服务，并帮助企业比以往更快更好地赢得客户的芳心。

但你知道这一切，对吧？ 情绪分析的好处并不新鲜。

不过，您可能不知道的是如何使用 Agorapulse 进行情绪分析。

由于 Agorapulse 没有提到“情感分析”功能，您可能会惊讶地发现您可以使用社交媒体管理平台进行准确的情感分析并确定人们在社交媒体上对您的评价。

但是，在我透露这些关键信息之前，我首先需要解决情绪分析的一个主要问题。

自动情绪分析的问题是确定什么是正面或负面情绪。

例如，您可能会读到：“我喜欢酒店里的超大游泳池！” 这是积极的情绪还是消极的情绪？

如果没有看到附带的小泳池照片，您会认为这是一个积极的评论，不是吗？ 好吧，自动情绪分析工具也是如此。

自动情绪分析的准确率约为 60%，因为它无法识别讽刺、讽刺、俚语、上下文或不同的方言。 这会扭曲数据并导致误解，这给希望扩大规模的公司带来灾难。

为了更好地理解这一点，让我们确定自动情绪分析的工作原理。

自动情绪分析的工作原理

自动情感分析由 NLP（自然语言处理）和 ML（机器学习）算法提供支持。 基本上，一组机器人将获取一条推文、消息、评论或帖子，将内容分成多个块，使用预定的尺度为每个块分配一个情绪分数，然后计算这些分数以计算出整体消息是否是正面的、负面的或中性的。

例如，假设有人在推特上写道： “我昨天买了新 iPhone。 新相机给我留下了深刻的印象。 展览令人失望，但在价格上却出人意料地难以击败。”

这就是情绪机器人会做的事情：

• “我真的很感动” = +4
• “显示令人失望” = -2
• “价格难以击败” = +3

据此，他们将计算分数并确定总体而言，该信息是积极的。

然而，正如我们已经确定的那样，情绪分析并不总是那么简单。

想想在索尼蜘蛛侠宇宙中的第三部电影 Morbius 发生了什么。 当它第一次上映时，它是票房大卖，直接排名第一，在第一个周末就赚了 3900 万美元。 然而，一周后，门票销量下降了 74%（超级英雄电影史上第二差的表现）。

发布后，社交媒体上出现了一系列活动，其中包括以下推文：

“我听说这非常好，所以他们一直不得不推迟它，因为我们还不能处理它，因为它很好，我们需要更多时间来进化为一个物种，以便更好地准备好处理它这么好的电影。”

“希望每个人都保持安静，我正在为#morbius #morbiussweep 的电影杰作做好心理准备”

“我刚刚看了莫比乌斯。 电影让我热泪盈眶。 剧情，演技，一切都太棒了。 太好了，我中途离开了剧院，因为它远远超出了我的标准。 索尼超越了自己，这是十年来最伟大的电影！”

现在，对你和我来说，这些推文显然充满了讽刺和讽刺。 但对于情感分析机器人来说，用“惊人”、“超级好”和“杰作”之类的词，这部电影显然是巨大的成功！ 结果？ 制作人决定继续发布第二个版本并制作 Morbius 3，这只会引发进一步的社交媒体轩然大波：

“莫比乌斯最有趣的结果是它再次大规模失败，引发了另一个具有讽刺意味的模因循环，导致影院再次重新发布，这也失败了，等等。 我称之为莫比乌斯地带。”

这是情绪分析出错的一个很好的例子。

因此，尽管情绪分析的概念看起来很有用，但现实有时可能毫无用处：你真的能相信情绪分析后的结果吗？ 不准确的情绪分析就像巧克力防火板一样好。

在您决定情绪分析在您的日常任务列表中没有位置之前，有一种替代方法可以进行情绪分析，该方法比使用自动化工具耗时约 10%，但准确度约 85%。 这意味着额外的时间是值得的。

如何使用 Agorapulse 进行准确的情绪分析

由人类进行的情绪分析的平均准确率约为 85%。 这比使用专用情绪分析工具高出 25%。

现在，我不会在一分钟内建议我们避开可用的技术，回到费力的数据输入和电子表格来分析观众情绪。

我建议我们在中间见面。

这个想法是，我们需要将定性数据，以观点、想法和意见的形式转化为定量数据，以积极和消极立场的形式。

您可以使用 Agorapulse 为收到的每条评论、帖子、消息或推文分配正面和负面标签。然后，由于您已为所有交互添加标签，您可以看到正面与负面情绪的百分比分布通过标签分布报告，您可以在报告仪表板中找到该报告。

您可以保持简单，并将标签保持为“正面”或“负面”。 或者，为了获得更精细的分析，您可以为您的互动创建和分配特定标签，例如“流失”或“超级粉丝”。

我知道你在想什么：为所有进入的交互添加标签可能需要一些时间。 但这种方法不仅会提高您的准确性，而且作为副产品，您会自然而然地感受到市场的第一手信息。

但我听到了。 如果您每天要查看数百条评论、帖子、消息和推文并为其分配标签，那么您将没有时间处理重要的高 ROI 任务。

好消息是，有一种方法可以自动为您的交互分配情感标签。 收件箱助手将根据您创建的一组规则自动将您创建的标签分配给收件箱中的每个交互。

有点像你可以用你的电子邮件收件箱做的。 您可以创建自动将特定电子邮件移动到文件夹中的规则，以帮助您实现收件箱零。 这是相同的原理。

因此，尽管如果您创建一组可以捕捉所有重要的正面和负面情绪的具体、详细的规则，准确度可能不如手动分配标签那么高，但您将成为赢家。

阅读这篇帮助文章，了解有关如何使用 Agorapusle 设置和运行情绪分析的更多信息。