如何使用 Agorapulse 了解客戶對您的真實看法

超過 50% 的消費者使用他們的社交媒體平台來表達他們對他們之前使用或購買過的品牌的看法和意見。 畢竟，情緒分析（或意見挖掘）是您可以使用的最有用的學科之一。

您可以使用社交媒體情緒分析將人們的想法、感受和意見轉化為冷酷的硬數據，您可以利用這些數據來確定您應該做更多的事情，以及您需要少做的事情。 這樣做可以讓您利用社交媒體的力量來支持業務。

借助自動化情緒分析工具，收集、分類和分析這些數據的工作現在變得更快、更容易。 無需動動手指，您就可以立即了解公眾對您的服務或產品的感受是積極、消極還是中立。

這種洞察力使企業變得真正敏捷。 實時了解市場感受，可以為快速決策提供信息，激發快速變化，改進產品或服務，並幫助企業比以往更快更好地贏得客戶的芳心。

但你知道這一切，對吧？ 情緒分析的好處並不新鮮。

不過，您可能不知道的是如何使用 Agorapulse 進行情緒分析。

由於 Agorapulse 沒有提到“情緒分析”功能，您可能會驚訝地發現您可以使用社交媒體管理平台進行準確的情緒分析並確定人們在社交媒體上對您的評價。

但是，在我透露這些關鍵信息之前，我首先需要解決情緒分析的一個主要問題。

自動情緒分析的問題是確定什麼是正面或負面情緒。

例如，您可能會讀到：“我喜歡酒店裡的超大游泳池！” 這是積極的情緒還是消極的情緒？

如果沒有看到附帶的小泳池照片，您會認為這是一個積極的評論，不是嗎？ 好吧，自動情緒分析工具也是如此。

自動情緒分析的準確率約為 60%，因為它無法識別諷刺、諷刺、俚語、上下文或不同的方言。 這會扭曲數據並導致誤解，這給希望擴大規模的公司帶來災難。

為了更好地理解這一點，讓我們確定自動情緒分析的工作原理。

自動情緒分析的工作原理

自動情感分析由 NLP（自然語言處理）和 ML（機器學習）算法提供支持。 基本上，一組機器人將獲取一條推文、消息、評論或帖子，將內容分成多個塊，使用預定的尺度為每個塊分配一個情緒分數，然後計算這些分數以計算出整體消息是否是正面的、負面的或中性的。

例如，假設有人在推特上寫道： “我昨天買了新 iPhone。 新相機給我留下了深刻的印象。 展覽令人失望，但在價格上卻出人意料地難以擊敗。”

這就是情緒機器人會做的事情：

• “我真的很感動” = +4
• “顯示令人失望” = -2
• “價格難以擊敗” = +3

據此，他們將計算分數並確定總體而言，該信息是積極的。

然而，正如我們已經確定的那樣，情緒分析並不總是那麼簡單。

想想在索尼蜘蛛俠宇宙中的第三部電影 Morbius 發生了什麼。 當它第一次上映時，它是票房大賣，直接排名第一，在第一個週末就賺了 3900 萬美元。 然而，一周後，門票銷量下降了 74%（超級英雄電影史上第二差的表現）。

發布後，社交媒體上出現了一系列活動，其中包括以下推文：

“我聽說這非常好，所以他們一直不得不推遲它，因為我們還不能處理它，因為它很好，我們需要更多時間來進化為一個物種，以便更好地準備好處理它這麼好的電影。”

“希望每個人都保持安靜，我正在為#morbius #morbiussweep 的電影傑作做好心理準備”

“我剛剛看了莫比烏斯。 電影讓我熱淚盈眶。 劇情，演技，一切都太棒了。 太好了，我中途離開了劇院，因為它遠遠超出了我的標準。 索尼超越了自己，這是十年來最偉大的電影！”

現在，對你和我來說，這些推文顯然充滿了諷刺和諷刺。 但對於情感分析機器人來說，用“驚人”、“超級好”和“傑作”之類的詞，這部電影顯然是巨大的成功！ 結果？ 製作人決定繼續發布第二個版本並製作 Morbius 3，這只會引發進一步的社交媒體軒然大波：

“莫比烏斯最有趣的結果是它再次大規模失敗，引發了另一個具有諷刺意味的模因循環，導致影院再次重新發布，這也失敗了，等等。 我稱之為莫比烏斯地帶。”

這是情緒分析出錯的一個很好的例子。

因此，儘管情緒分析的概念看起來很有用，但現實有時可能毫無用處：你真的能相信情緒分析後的結果嗎？ 不准確的情緒分析就像巧克力防火板一樣好。

在您決定情緒分析在您的日常任務列表中沒有位置之前，有一種替代方法可以進行情緒分析，該方法比使用自動化工具耗時約 10%，但準確度約 85%。 這意味著額外的時間是值得的。

如何使用 Agorapulse 進行準確的情緒分析

由人類進行的情緒分析的平均準確率約為 85%。 這比使用專用情緒分析工具高出 25%。

現在，我不會在一分鐘內建議我們避開可用的技術，回到費力的數據輸入和電子表格來分析觀眾情緒。

我建議我們在中間見面。

這個想法是，我們需要將定性數據，以觀點、想法和意見的形式轉化為定量數據，以積極和消極立場的形式。

您可以使用 Agorapulse 為收到的每條評論、帖子、消息或推文分配正面和負面標籤。然後，由於您已為所有交互添加標籤，您可以看到正面與負面情緒的百分比分佈通過標籤分佈報告，您可以在報告儀表板中找到該報告。

您可以保持簡單，並將標籤保持為“正面”或“負面”。 或者，為了獲得更精細的分析，您可以為您的互動創建和分配特定標籤，例如“流失”或“超級粉絲”。

我知道你在想什麼：為所有進入的交互添加標籤可能需要一些時間。 但這種方法不僅會提高您的準確性，而且作為副產品，您會自然而然地感受到市場的第一手信息。

但我聽到了。 如果您每天要查看數百條評論、帖子、消息和推文並為其分配標籤，那麼您將沒有時間處理重要的高 ROI 任務。

好消息是，有一種方法可以自動為您的交互分配情感標籤。 收件箱助手將根據您創建的一組規則自動將您創建的標籤分配給收件箱中的每個交互。

有點像你可以用你的電子郵件收件箱做的。 您可以創建自動將特定電子郵件移動到文件夾中的規則，以幫助您實現收件箱零。 這是相同的原理。

因此，儘管如果您創建一組可以捕捉所有重要的正面和負面情緒的具體、詳細的規則，準確度可能不如手動分配標籤那麼高，但您將成為贏家。

閱讀這篇幫助文章，了解有關如何使用 Agorapusle 設置和運行情緒分析的更多信息。