目次
感情分析はマーケターにとって理想のツールと言えるでしょう。感情分析は、人間の手に負えない規模のデータを分析して、出来事や製品に関する世間の意見を測ることができるので、人々が実際に何を考えているかを突き止めるのに役立ちます。そのため、多くの革新的研究によって裏打ちされた感情分析ツールを利用すれば、費用対効果の大幅な改善が見込めます。しかし、それにもかかわらず、多くの企業がこのことを見逃しているのです。
私はこれまで様々な自然言語処理アプリケーションに携わってきましたが、感情分析ツールの導入にとって最も大きな障害となっているのは、感情分析に関する一般的な知識が欠けていることだと思います。つまり、これらのツールが何をするのか、どのように機能するのか、そして自社製品にどのような効果があるのかなどがよく理解されていないのです。
感情分析は大きな市場機会を提供できるので、これを利用しない手はありません。この技術を利用して業績向上につなげるためには、基本的な知識を習得することが必要不可欠です。
では、感情分析とはどのようなものか、そしてどのように活用すればマーケティングチームが大幅に業績を伸ばすことができるのかなどについて詳しく見ていきましょう。
感情分析とは？
根本的には、感情分析とは文章の裏にある感情を判断することです。つまり、フレーズや記事全体などのテキストから書き手の感情を分析することです。最も基本的なものでは、感情分析ツールがテキストをポジティブ、ネガティブ、ニュートラルの三つの感情に分類します。例えば、顧客の意見を分析するため、電子商取引に関するレビューのツイートを集めたとしましょう。サンプルとなるテキストには次のようなものがあります。
- 「楽天で買ったこのバッグは丈夫で、必要なものは全て入ります。毎日使っています！」
- 「この靴をオンラインで購入しましたが小さすぎる上、返品もできません。最悪です」
これは容易な例です。どんなに単純な感情分析ツールでもほぼ問題なく、最初のツイートはポジティブ、二番目のツイートはネガティブであると判断するでしょう。しかし、人間の表現は大抵、これよりはるかに複雑です。人間は話す際に様々な感情を伝えるので、文脈がないと完全に理解できないことがあります。これはたった一文についても起こり得るのです。では、世界の出来事に関する次のツイートについて考えてみましょう。
- 「ドナルド・トランプが大統領になったのはアメリカの歴史において最も素晴らしいことの一つだ。」
- 「関東大震災では、主に焼死により日本の災害で最悪となる約10万人の死者を出した。」
- 「私たちが恐れや憎しみ、疑いから解放されるよう神に祈ります。神の愛によって私たちが救われることを！」
このツイートは様々な理由から分類が困難です。最初のツイートは本当の気持ちかもしれないし、皮肉かもしれないのですが、文脈がないのでわかりません。また、このツイートは非常に意見が分かれる問題について述べているので、タグ付けする人の意見が判断に影響を与えないように注意する必要があります。二番目のツイートは、ニュートラルな手法でネガティブな出来事を語っているので難しいのです。中立的な報道と捉えるべきか、話者がこの災害について実際、悲しく思っているのか明らかではありません。三番目のツイートは、信仰告白というポジティブな感情とその背景となっているネガティブな状況が相反しています。これらの例で、どのようにラベル付けするのが最も適当かを判断するのは容易ではありません。
しかし、高品質のデータで学習した感情分析アルゴリズムは、このような難しいツイートでも分類できるようになっています。学習データや同様の難しいケースに対応した過去の経験をテキストと比較して判断するのです。感情分析システムでこれを実行する方法はいくつかありますが、その中には次のようなものがあります。
- ルールベースのアプローチ: ステミングやトークン化などの自然言語処理技術を組み込んだスクリプト言語において手作業で設定したルールを基にしています。
- 自動アプローチ: 機械学習技術を活用し、ニューラルネットワークやロジスティック回帰などの統計モデルで解決する分類問題としてタスクを組み立てます。
- 混成システム: 両方のアプローチの要素を組み合わせたもの。
これらのアルゴリズムにはそれぞれメリットとデメリットがあり、マーケティングで利用できる可能性のある様々なアプリケーションに使われています。
感情分析をマーケティングに活用する方法
機械学習のすべての分野と同様、感情分析に関するイノベーションはものすごいスピードで進んでおり、使用される分野も広範囲にわたっています。感情分析は既に、ソーシャルメディア企業やビジネス経営者、広告主などにインサイトを提供する非常に貴重なツールとして、様々な分野におけるビジネス上の意思決定や戦略、目標を効果的に推進するために役立っています。これらインサイトには、自社ブランドや競合他社のレビューの分析、新しい国際市場での自社製品の浸透率の比較などがあります。
しかし、感情分析はその他にも意外な方法で利用されています。マーケターにとってゲームチェンジャーとなる可能性があるのは、これらのアルゴリズムが様々な予測タスクに利用できることです。マクロレベルのマーケティングキャンペーンからランディングページの言葉遣いといったミクロ的なものまで、感情分析を利用すれば、メッセージを微調整して効果を最大限に発揮させることができます。金融サービス部門も既にこのような感情分析の活用方法を探っています。機械学習の能力を組み合わせてコーポレートステートメントの感情を分析し、リアルタイムで過去のデータを処理することによって、金融機関はAIを基にして、市場をけん引する意思決定を迅速に行えるようになってきています。 このようにして、長期的な傾向を捉える場合でも、即座に効果を発揮するコンテンツの作成方法を探している場合でも、感情分析が有益なインサイトを提供してくれるでしょう。
感情分析がどのくらい業績向上に役立つかは、自社システムに統合する際どれくらい時間や労力をかけるかにかかっています。 感情分析を最大限に活用したいと考える大企業のほとんどは、企業独自のデータや業界固有のデータを用いて自社のツールに学習させています。これは、一般的なツールを購入するだけの場合より時間がかかりますが、時間と労力をかけるだけの価値があります。それでは、この技術をどのように事業に導入すればよいのかについて詳しく見ていきましょう。
感情分析をマーケティング戦略に導入する方法
正確で洞察に満ちた感情分析結果を得るためには、良いツールを使用することが非常に重要です。GoogleアラートやFacebookインサイトなどの既存のプラットフォームには、多くの基本的な感情分析ツールが組み込まれています。
それらが十分でない場合は、自社固有の使用事例に的を絞った独自のアルゴリズムを構築する価値があるかもしれません。ここで覚えておくべき重要なことは、人間がタグ付けした高品質のデータが成功のカギを握っているということです。 優れたアルゴリズムは、学習データにタグ付けされた人間による言語の理解を利用して、文章のトーンや文脈、微妙なニュアンスを学びます。言語は予測できないものであり、常に変化するものなので、機械の性能は、このような言語の特徴が当てはまるほんの一握りの難しいケースによって判断されます。
幸いなことに、社内でデータのラベル付けをする必要はありません。 大量のクリーンな関連データを提供できるオンラインのデータ注釈サービスがたくさんあるからです。適切な注意を払って良い学習データの提供源を見つければ、最終的な製品には大きな違いが生じます。しかし、感情分析の学習データに関する費用対効果を最大化するためには、いくつか注意するべき事項があります。 データを注文する前には次のことを考えておきましょう。
- 明確な指示: 政治に関する例で明確化が必要だったように、タグ付けをする人は、明確な指示を提供してもらえると助かります。考えておくべき重要な事項の一つには、単純にポジティブ / ネガティブ / ニュートラルの三つにタグ付けするのか、もっと複雑なタグ付けが必要なのかということがあります。
- アウトプットの品質: 感情分析では正解や誤答がないことが多いので、これらを利用して正確さを測定することは困難です。その代わり、タグ付けをする人の間での一致率を見るクリッペンドルフのα係数などの指標を利用して品質を判断するとよいでしょう。
- データの個数: データプロバイダーに数十万個ものデータのタグ付けを依頼する企業がたくさんあります。しかし、 限られたカテゴリーだけの単純なシステムに学習させるためには、これはやりすぎですし、費用も膨らみます。プロジェクトについて率直にそして明確に伝えることで、あなたもデータプロバイダーもあなたの機械にとって最良のデータを提供することに集中できます。
感情分析を導入する際の注意点
感情分析は、近い将来、マーケティングの世界に大きな影響を与えるだろうと見られています。これらのアルゴリズムはブランドメッセージを作成したり、顧客の購買意欲を刺激する方法を理解したりするために役立ち、様々な分野で企業のリーチや影響力を拡大することができます。 感情分析を導入するために必要な全てのリソースを提供するソリューションプロバイダーやデータサービスはますます増えているので、それを利用しない手はありません。既存のツールを採用するのか、自分で構築するのかに関わらず、この早い段階で感情分析を導入すれば、競合他社が羨むほど消費者に喜ばれる製品を提供することができるでしょう。
