Har du noen gang lurt på hvordan store merker vet hva forbrukerne føler om et produkt, en kampanje eller til og med en nylig hendelse? Det er det, det virker som magi, men svaret ligger i følelsesanalyse, en teknologi drevet av kunstig intelligens (KI) som har blitt et viktig verktøy for å forstå følelsene som uttrykkes på sosiale medier.
Men hvordan fungerer dette?
A análise de sentimentos é uma técnica da área de processamento de linguagem natural (PLN), um ramo da IA, que busca identificar, extrair e classificar opiniões expressas em textos. Med andre ord "leser" hun det du legger ut på nettet og prøver å tolke om du er positiv, negativ eller nøytral i forhold til et emne.
Denne teknikken brukes mye på plattformer som Twitter, Instagram, Facebook og til og med i kommentarer på videoer på YouTube eller vurderinger på Google. Bedrifter, regjeringer, forskningsinstitusjoner og markedsføringsfagfolk bruker dette verktøyet for å måle forbrukerens "humør" på internett om ulike temaer, fra lansering av et produkt til presidentvalg. For dette bruker kunstig intelligens maskinlæringsmodeller som er trent opp med enorme mengder data. Disse dataene inkluderer eksempler på tekster som allerede er merket som "positive", "negative" eller "nøytrale", noe som hjelper systemet med å lære språkmønstre knyttet til ulike følelser.
For å forstå i praksis kan vi bruke eksempler, som setningenElsket denne filmen, den var fantastisk!har en tendens til å bli klassifisert som positiv. Já"Servicen var dårlig"det tolkes som negativt. Mer enn nøytrale setninger, somJeg mottok produktet i dag, de inne emosjonelle uttrykk og blir klassifisert som nøytrale. Men det er ikke så enkelt som det ser ut, siden AI også må håndtere utfordringer som:
- Ironi og sarkasme:Setninger somWow, hvilken fantastisk service... bare ikkeforvirrer mindre avanserte modeller.
- Slang og regionale uttrykk:Uformelle uttrykk varierer mye fra region til region og krever tilpasninger.
- Kontekst:Det samme ordet kan ha forskjellige betydninger avhengig av bruken. "Kald", for eksempel, kan beskrive temperatur eller oppførsel hos en person.
For å håndtere disse kompleksitetene bruker de mest moderne løsningene modeller basert på dype nevrale nettverk, som BERT og GPT (inkludert GPT-4), som analyserer hele konteksten av setningene.
Med bruk av teknologi kan selskaper utføre en meningsanalyse for å overvåke omdømmet til merkene sine i sanntid. Hvis et nylig lansert produkt begynner å få kritikk på nettet, kan selskapet reagere raskt og unngå større kriser. Under valgkampene analyserer partiene velgernes humør for å justere taler og strategier. I tillegg bruker automatiserte kundeservicetjenester allerede denne teknologien for å prioritere mer presserende eller kritiske meldinger. Selv om offentlege helseorganer overvåker sosiale medier for å oppdage utbrudd av sykdommer basert på omtaler av symptomer.
Men som med all teknologi kan ha sine ulemper, ville det ikke være annerledes her. Selv om det er nyttig, er følelseranalyse med AI ikke perfekt. Språkforvirring, falske nyheter og innholdmanipulering kan forvrenge resultatene. I tillegg er det etiske diskusjoner om personvern og digital overvåkning, siden disse systemene analyserer brukernes data, ofte uten at de er klar over det. Av denne grunn bør resultatene tolkes med forsiktighet og menneskelig overvåkning. AI er et kraftig verktøy, men trenger fortsatt den kritiske og kontekstuelle vurderingen fra erfarne analytikere.
Med fremveksten av generative AI-teknologier og multimodale modeller (som forstår tekst, bilde, lyd og video sammen), forventes det at følelseranalyse blir stadig mer nøyaktig og sofistikert. Snart vil det være mulig ikke bare å forstå hva folk sier, men også hvordan de sier det – med hensyn til tonefall, ansiktsuttrykk og til og med pauser i talen.
Internett er et stort speil av menneskelig atferd, og følelsesanalyse, med hjelp av kunstig intelligens, lærer å tyde dette speilet med stadig større klarhet.
Av Gleyber Rodrigues, spesialist innen AI, strategi, teknologi og autoritetsmarkedsføring
