アンケート回答の感情分析

簡単に言うと、感情分析はテキストをポジティブ、ネガティブ、中立に分類します。

閲覧数、クリック数、「いいね！」数、シェア数、コメント数などの従来の測定基準は、量に焦点を当てています。感情分析は数字を超え、対象者と組織間の相互作用の質に焦点を当てます。

調査データの感情分析

感情分析により、企業は顧客の声から根本的な感情を見つけることができます。人工知能と機械学習技術を使用してテキストを理解する能力により、感情分析は市場調査で広く使用されています。多くの調査ソフトは、SNS、文書、調査などのソースから「基本データ」を収集し、感情を分析します。感情分析ツールは、感情を理解するための視覚的な媒体を提供し、定性データを定量データに変換します。

アンケート回答の感情分析は、2つの要素に基づいています：

• 主観性：個々の感情、意見、または経験であり、これらは人によって異なる可能性があり変化するものです。

• 程度：ポジティブからネガティブまでの感情の程度または範囲。

NLPとルールベースのテキスト分析アルゴリズムは、すべての入力データを処理し、さまざまな感情を分類するバブルグラフとも呼ばれる視覚的なチャートを出力します。肯定的な感情は緑色、中立的な感情は黄色、否定的な感情は赤色で表示されます。

バブルの中央にはデータフィルターがあり、アンケート作成者は簡単に結果を分析することができます。これを見るだけで、回答者が良い経験をしているか悪い経験をしているかをすぐに特定することができます。感情分析のナレッジグラフでは、回答者の割合とその経験の種類も表示されます。

顧客が満足していない場合、フィードバックフォームや顧客調査を通じて不満を表明します。顧客満足度調査は、複数選択式などのクローズドエンドの質問と自由形式の質問の両方で構成されます。時には、与えられた回答の選択肢だけでは、経験、意見、フィードバックを共有するには不十分な場合があります。そのような場合、アンケート作成者は自由形式の質問を使って詳細なフィードバックを収集します。

自由形式の質問に対する回答は、文字による定性的なものです。手作業で大量の回答を分析するのは非現実的です。しかし、テキストアナリティクスとディープラーニングのテクニックを使用すれば、テキスト回答中の感情を特定することが容易になります。

アンケートの回答に否定的な言葉が多ければ、企業は懸念に対処するために必要な行動を取ることができます。アンケート回答の感情分析は、次のような質問に答えるのに役立ちます：

• お客様は自社の製品やサービスのどこが好きか？

• お客様は自社の製品やサービスの何が気に入らないのか？

• 最近、否定的な回答が多すぎないか？

• 否定的な回答の数は徐々に増えていないか？

• 肯定的な回答が最も多いブランド製品は？

• 肯定的な回答、中立的な回答、否定的な回答の数は、前期と比較して横ばいか？

• 肯定的、否定的な回答の度合いに変化はあるか？

上記の質問に対する回答の感情を分析することで、企業は正しい方向に向かっているかどうかを判断することができます。また、顧客満足度の測定や顧客離れ率の低減にも役立ちます。

QuestionProプラットフォームでは、感情分析機能を使用してコメントにタグを付け、感情値ごとに並べることができます。データフィルターを使用して、回答からピックアップする用語を選択できます。

感情分析の例

市場リサーチャーや広告会社は、選挙の際に感情分類と分析を使用します。多くのソースからデータを収集し、分析することで、現在の一般的な傾向を把握します。世論を分析して、人々がリーダーについてどう考えているかを理解します。

選挙の直前には、政党、メディア、コンサルタント、学生などがいくつかの調査や世論調査を行います。人々は選挙前の調査に回答することで、自分たちの懸念、ニーズ、期待を共有します。政党は、感情分析や調査の意見採掘を行うことで、選挙に勝つ可能性を予測することができます。

例えば、以下のようなツイートは、人々の感情や彼らにとって最も重要なことを表しています。

「バーニーのやっていることが大好き！民主党に投票！」

#大統領選 の重要な争点は #HealthCare（医療）と #StopGunViolence（銃暴力の防止）

SNSモニタリングと調査回答の分析に基づき、政党は今後の戦略を立てることができます。リーダーは人々の声をフィルターなしで聞き、行動に移すことができます。

多くのデジタルマーケティングや広告会社は、ブランド認知度を測定するためにツイッターデータの感情分析を使っています。すべてのデータを#YourBrandでマイニングし、感情や経験を表現するために使われている言葉を分析することができます。

感情分析データフィルターの例：

• 肯定的な感情の例：良い、好き、素晴らしい、オススメ。

• 中立的な感情の例：言えない、分からない、多分。

• 否定的な感情の例：失望した、改善が必要、気に入らなかった、お勧めしない

感情分析の用途

• アンケート：レビュー、提案、懸念、苦情を理解するための顧客調査での感情分析。テキスト分析に基づき、感情分析ツールは回答を肯定的、中立的、否定的な感情に分類します。

• SNSサイトからのデータ分析：人々は、ソーシャルメディアサイトでイベントやニュース記事に反応することがよくあります。彼らの投稿を利用して、イベントや特定のマーケティングキャンペーンが生み出した話題に対する反応を理解することができます。分析に基づき、人々により良くアプローチし、彼らの経験をより良いものに変えるための戦略を立てます。

• 評判管理：広告代理店は、感情分析ツールを使用して、公のプラットフォームにおけるクライアントの評判を管理します。否定的なコメントを特定すれば、フォロワーに素早く対応し、状況をコントロールすることができます。迅速な特定と対処ができないと、企業の評判に悪影響を及ぼしかねません。

• パーソナライズされたマーケティング： オンライン感情分析に基づくマーケティングは、ターゲット層にパーソナライズされた製品、サービス、割引を提供し、乗り換えの可能性を高めるために使用できます。

• 売上予測： 自由形式質問データの感情分析は、売上予測や将来の戦略立案に役立ちます。フィードバックに基づいて、組織は既存顧客の契約更新の可能性を見つけることができます。

感情分析の利点

• 定性データの定量分析： セマンティック・ディファレンシャル・スケール、サイド・バイ・サイド・マトリックス、フレックス・マトリックスなどのような高度な質問タイプから、感情、フィーリング、センチメントを捉えることは困難です。また、ネットプロモータースコアは、顧客が推進派か消極派か否定派かを識別するのに役立ちます。しかし、顧客の経験の背後にある理由を深く掘り下げたり、収集したりすることはできません。顧客のコメントの感情分析は、彼らの反応の背後にある「理由」を理解するのに役立ちます。

• 顧客体験の測定： 回答における感情を分析することで、顧客体験を理解することが容易になります。例えば、航空会社は感情分析ツールを使用して乗客のフィードバックを収集し、改善点を見つけることができます。例えば、回答者の何人かが「素晴らしい旅だったが、食事は改善の余地がある」とコメントしたとします。これは、全体的には良い体験をしたが、より良い食事を期待しているという意味です。従って、既存顧客を維持するためには、機内食サービスを改善する必要があります。

• 競合分析：感情分析を使用して、競合他社について人々がどう考えているかを調べることもできます。この競合調査によって、優先順位を見直し、競合の一歩先を行くことができます。

• トレンドの特定：感情分析では、ポジティブな出来事やネガティブな出来事が起こる前に、その初期兆候を見つけることができます。これらのフラグは、経営陣が今後の方針を立てるのに役立ちます。否定的なレビューの数が徐々に増えている場合、企業は悪化する前に是正措置を講じることができます。

• 時間対効果：感情分析は、複雑な数値レポートを理解する代わりに、データをバブルグラフで表示します。視覚的なグラフを見ることで、統計的なレポートと比較して多くの時間を節約できます。また、異なるキーワードの感情スコアが表示され、タグを深堀りするオプションもあります。また、データセット全体における特定のタグの割合を確認することもできます。

• 共同作業：オンライン感情分析ツールは、テキストや感情分析レポートをExcelやSPSSのような標準フォーマットにエクスポートできます。これらのレポートを他のチームと共有し、共同で作業することができます。

• 一貫した基準：感情は主観的で、人によって異なります。フィードバック調査の感情を数値やグラフに変換することで、テーブルに一貫性が生まれます。そのため、チーム内やすべての市場調査プロジェクトで意見が食い違う可能性が低くなります。

• リアルタイム分析：データをリアルタイムで感情分析することで、意思決定者は迅速に行動し、顧客との関係を改善することができます。フィードバックのループをすぐに閉じ、データ収集と行動のプロセスにダイナミズムを加えます。

調査に感情分析を使用するには？

感情分析に関するヘルプ資料で、この機能の設定方法と使用方法をご覧ください。