Разлика между версии на „Анализ на пазарното настроение“

Версия от 17:55, 17 юни 2012

Анализът на пазарното настроение е способ, използван в социалните медии, реалната и интернет пазарна среда.

Същност

Този метод помага на марката (за обувки, дрехи, автомобили и т.н) да определи мненията, оценките и настроенията на потребителите относно продукцията на съответната. Търговците притежават алтернативен и качествен подход за измерване на ефективността си в реално време – чрез проследяване на клиентите и как те се чувстват и колко и какво говорят за марката. Всички усилия за брандинг, цветови схеми и съобщения намират общото си събирателно в лицето на метода.

Анализът на пазарното настроение (на английски: (sentiment analysis)) или още събирането на мнения (на английски: (opinion mining)) се осъществява чрез обработката на естествен език, компютърната лингвистика, както и анализи на текст, с цел да се идентифицира и извлече субективна информация от определени изходни материали.

Анализът на пазарното настроение има за цел да се определи отношението на говорещия или пишещия по някаква тема или по цялостно представен контекстов документ. Отношението може да бъде неговата преценка или оценка, емоционално състояние, или възможната емоционална комуникация (т.е., емоционален ефект който автора желае да има от страна на читателя).

Файл:Sentiment analysis.jpg

Емоционални „възприятия” на потребителите.

История

Първите трудове по отношение на анализирането на пазарните настроения разработва Питър Д. Търни. Статията на Търни от декември 2002 представлява алгоритъм за обучение, при който резултатите се класифицират в зависимост от крайните коментари на обучаващите се. Смисълът е подобен на теорията на игрите като положително настроените участници вдигнали палците си нагоре, респективно, тези които сметнали обучението за неефективно обръщали палците се надолу (по подобие на жеста с ръка на сенаторите по време на игрите в древен Рим). В книгата на Търни за семантичната ориентация е даден пример за използването на алгоритъма, при който се гледа какъв е резултата на ориентацията спрямо събраните мнения ([[положителен|положителни и отрицателни). При класифициране на прегледа се наблюдава средна точност от 74 % и включени 410 мнения в извадката от 4 различни области (прегледи на автомобили, банки, филми и туристически дестинации).

През 2008 год. в избора на президент на САЩ е обусловено използването на социалната мрежа Туитър съвместно с анализа на настроенията. Чрез тях кандидатите по-лесно могат съпоставят избирателите и с голяма точност да разкрият намеренията им по отношение на гласуването им.

Няколко проучвания изследват ефективността на Туитър съвместно с анализа на настроенията. През 2010 проучване, проведено в Техническия университет в Мюнхен, представя Туитър като инструмент, предвиждащ крайните резултати на те избори за национален парламент (27 септември, 2009 год.) с голяма точност. Изследването се позовава на 3 основни въпроса към избирателите, на които резултатите са следните:

Туитър се използва като платформа за политическо обсъждане
Потокът от мнения на кандидатите и партиите, вследствие от анализа на проучването точно представят моментния вот на избирателите
При сравняване на резултатите от изборите те се доближават максимално до подобни анкетни проучвания

Задачи

Основна задача в анализа на пазарното настроение е класифициране на полярността на даден текст в документ, изречение, или функция. Изразеното мнение от субекта/обекта към определения аспект е с положителна, отрицателна или неутрална нагласа. Съществуват понятия, които са разширени и "отвъд полярността" и представляват настроения и емоционални състояния, като например "весел","нещастен", "отчаян".

Друга посока за изследване е субективност / обективност на идентификацията. Тази задача често, се определя като класифициране на даден текст (обикновено едно изречение) в един от двата класа: обективни или субективни. Този проблем понякога може да бъде по-трудно дефиниран, отколкото полярността: субективността от думи и фрази може да зависи от техния контекст и дори обективен документ може да съдържа субективни детайли новинарска статия, цитирайки мнението на хората).

При наличието на по-специфичен, по фин анализ моделът се наименува като функция/аспект, базирани на анализа на настроенията. Те се отнасят до определяне на мнения или настроения, изразени по различни характеристики или аспекти от лица, чрез например мобилен телефон, цифров фотоапарат, или по банков път. Отличителна черта е един атрибут или компонент на даден артикул, например екрана на мобилен телефон, или качеството на картината на камерата. Този проблем е свързан с няколко под-проблеми, например, откриване на съответните лица, извличане на техните характеристики, както и определянето на това дали становището, изразено на всяка функция е положително, отрицателно или неутрално. По-подробни дискусии за това ниво на анализа на настроения могат да бъдат намерени в наръчника, написан от Бинг Лиу, " Анализ и субективност".

Методи

Един от методите за определяне на настроения е използването на система за мащабиране, която се свързва с отрицателени, неутрални или положителни настроения и техните асоциации като брой на скала от -5 до 5 (най-негативното до най-положителното) и , когато се анализират парчета на неструктуриран текст, се използва обработка на естествен език, анализират се следващите понятия за разбиране на термините и как те са свързани с концепцията. На всяко понятие се дава оценка въз основа на начина, по който настроенията и думите са свързани с концепцията, както и получените резултати. От друга страна, текстовете могат да дадат и положителен и отрицателен резултат за силата на настроенията, но това е в случай ако целта е да се определи настроенията в самия текст, а не цялостната полярност и внушение на текста.

Компютрите също могат да участват при анализирането на настроения чрез автоматизация на настроенията и анализ на дигитални текстове, използвайки елементи от метода на семантичен анализ, векторни подкрепи и ''Semantic'' Ориентация . По-сложните методи се опитват да открият притежателя на настроения (т.е. лице, което твърдящо, че е в афективно състояние) и цел (т.е. име на предприятието или мишена, чиято афектираност е важна).

При компютрите също е важно да се отбележи, мулти-дисциплинарния подход, чрез който се излага становище, обвързано с анализ на настроения, и тук обработката на текст не се основава на статистически модели за обучение, а по-скоро на общи инструменти като сетивни разсъждения.

Чрез софтуерните инструменти пък може да се предложи обучение, обвързано с анализа на настроения, статистика, както и естествени техники за езикова обработка, и става възможно автоматизирането чрез анализ на настроения на големи колекции от текстове, включително уеб страници, онлайн новини, дискусионни групи, онлайн ревюта,уеб блогове и социални медии.

Еволюция

Точността на системата за анализ на настроения, отразява, съотношението съгласяване/резултати относно взетите човешки решения. Въпреки това, хората обикновено се съгласяват, около 70% от случаите. По този начин, 70% точна програма се прави, както като хора така и като време на тези участници, въпреки че такава точност не може да звучи впечатляващо. Ако програмата се "прави" на 100% от времето резултатите винаги биха били по впечатляващи . По-сложни мерки могат да бъдат прилагани, но въпреки това оценката на системен анализ на настроенията остава сложна материя. Корелацията е може би най-добра мярка за прецизност, тъй като тя отчита, колко близо е прогнозираната стойност от целевата стойност. Анализът се използва за тестване на връзката между интернет финансови табла за обяви и поведението на фондовия пазар например, за да се намери силна корелация между мненията на потребителите.

Предимства на анализа

обработват се нужните във виртуалното пространство мнения на разнообразните таргет групи потребители така че да се използва информацията като междуфирмена валута
aвтоматизиране на процесите в интернет пространството без наличието на излишни (шум, разговори, дискусии, напрежение)
чрез обработените мнения и анализирани настроения на клиентите си фирмите лесно могат да идентифицират допуснатите в политиката си грешки. По този начин те могат директно да влияят в положителна насока върху репутацията на фирмата, набирането на нови таргет групи, инвестирането в иновативни методи
демократизиране на една част от съдържанието достъпно за социалните маси и с помоща на системата Уеб 2.0
Уеб 2.0 като система, спомагаща за идентифицирането на важни научни изследвания и резултати. Чрез нея например може да се даде отговор на въпрос като „Защо някои електронни общности изчезват ''MySpace за сметка на мащабното развитие на други ''Facebook

Възможности

фокусиране върху предпочитанията, изискванията на фокус групите, които лесно могат да бъдат предвидени
при наличието на дигитален маркетинг и онлайн търговия скоростно може да се определи настоящето потребителско търсене и насочеността му
правилното използване на анализа т.е. генерирането на приходи
ясно и точно локализиране на проблемните области и възможностите за по-бързото им решаване
обработването на последните новини, тенденции и прогнозни алгоритми с цел конкретната фирма да е с актуална преимуществена информация

Вижте още

Източници

Fauscette, M., “Twitter, politics and Sentiment analysis”, 23 February 2012.
Prabowo, R., and Thelwall, M., “Sentiment Analysis: A Combined approach”, School of Computing and Information Technology, University of Wolverhampton, Wulfuna street. Wright, A., “Mining the Web for Feelings, Not Facts”,23 August, 2009.
Turney, P., "Thumbs Up or Thumbs Down ? Semantic Orientation Applied to Unsupervised Classification of Reviews". Proceedings of the Association for Computational Linguistics - http://arxiv.org/abs/cs.LG/0212032 , 11 December 2002, Canada
Wright, A., “Mining the Web for Feelings, Not Facts”,23 August, 2009.
Yred, P., “Why sentiment analysis is the future of ad optimization” ,20 March, 2011.

Външни препратки

@@ Ред 5: / Ред 5: @@
 Този [[метод]] помага на [[марка]]та (за [[обувки]], [[дрехи]], [[автомобили]] и т.н) да определи [[мнениe|мненията]], [[оценкa|оценките]] и [[настроениe|настроенията]] на [[потребител]]ите относно [[продукция]]та на съответната. Търговците притежават алтернативен и качествен [[подход]] за измерване на [[ефективност]]та си в реално време – чрез проследяване на [[клиент]]ите и как те се чувстват и колко и какво говорят за марката. Всички усилия за [[брандинг]], [[цветови схеми]] и [[съобщениe|съобщения]] намират общото си събирателно в лицето на метода.
-Анализът на пазарното настроение  (на [[английски]]: (sentiment analysis)) или още събирането на мнения (на английски: (opinion mining))  се осъществява чрез  обработката на естествен [[език]], [[компютърната лингвистика]], както и [[анализи]] на текст, с [[цел]]  да се идентифицира и извлече субективна [[информация]] от определени изходни материали.
+Анализът на пазарното настроение  (на [[английски език|английски]]: (sentiment analysis)) или още събирането на мнения (на английски: (opinion mining))  се осъществява чрез  обработката на естествен [[език]], [[компютърната лингвистика]], както и [[анализи]] на текст, с [[цел]]  да се идентифицира и извлече субективна [[информация]] от определени изходни материали.
 Анализът на пазарното настроение има за цел да се определи [[отношение]]то на [[говорещ]]ия или [[пишещ]]ия по  някаква [[тема]] или по цялостно представен [[контекстов документ]]. [[Отношението]] може да бъде неговата [[преценка]] или [[оценка]], [[емоционално състояние]], или възможната [[емоционална комуникация]] (т.е., емоционален ефект който автора желае да има от страна на читателя).