Guia para iniciantes em an¨¢lise de texto
3 de janeiro de 2022
·¡³æ±è±ð°ù¾±¨º²Ô³¦¾±²¹ do cliente
Quando os clientes est?o extasiados ou decepcionados com as intera??es e com a experi¨ºncia do cliente (CX) de uma marca, ¨¦ prov¨¢vel que eles tenham fornecido um feedback do cliente repleto de insights ricos em dados. Os dados de feedback - sejam eles diretos, indiretos, estruturados ou n?o estruturados - est?o em toda parte.
De pesquisas a avalia??es em m¨ªdias sociais, uma organiza??o tem a oportunidade de aproveitar os sinais dos clientes que impulsionam a tomada de decis?es e o sucesso geral dos neg¨®cios.
No entanto, as marcas costumam ter dificuldades com essa riqueza de dados. ? esmagador (e praticamente imposs¨ªvel) para os analistas humanos examinarem manualmente milhares de feedbacks em uma ampla variedade de canais regularmente.
Mas h¨¢ uma solu??o para esse desafio: a an¨¢lise de texto, que extrai insights dos dados ao pegar coment¨¢rios ricos em sentimentos e classific¨¢-los em categorias relevantes para os neg¨®cios.
O que ¨¦ a an¨¢lise de texto em Big Data?
No ecossistema omnichannel, h¨¢ in¨²meros pontos de contato entre uma marca e seus clientes. Grandes quantidades de dados s?o geradas todos os dias, muitas vezes chamadas de .
A an¨¢lise de texto ¨¦ um dos m¨¦todos usados para obter insights de big data por meio da convers?o de texto n?o estruturado em dados estruturados.
S?o necess¨¢rios v¨¢rios procedimentos para analisar e entender dados de texto n?o estruturados. Dessa forma, a an¨¢lise de texto inclui processos como limpeza de dados, pr¨¦-processamento, extra??o de recursos e .
Diferen?a entre an¨¢lise de texto e minera??o de texto
A an¨¢lise de texto e s?o comumente confundidas, e n?o h¨¢ d¨²vida de que os dois t¨®picos s?o diferentes. A an¨¢lise de texto usa m¨¦todos estat¨ªsticos e de aprendizado de m¨¢quina para avaliar dados de texto e obter insights, enquanto a minera??o de texto extrai informa??es de dados n?o estruturados.
Benef¨ªcios da an¨¢lise de texto
A an¨¢lise de texto est¨¢ crescendo em popularidade. Marcas l¨ªderes em muitos setores est?o investindo em plataformas de software de gerenciamento da experi¨ºncia do cliente (CEM) que oferecem a an¨¢lise de texto como um dos v¨¢rios recursos principais.
Aqui est¨¢ uma vis?o geral dos benef¨ªcios da an¨¢lise de texto que aprimoram um programa de feedback:
- Aumente os insights com menos perguntas: Pesquisas longas e demoradas podem fazer com que os clientes evitem fornecer feedback, mas a an¨¢lise de texto se aprofunda nas palavras at¨¦ mesmo de respostas curtas para revelar o significado por tr¨¢s das palavras.
- Chegar ¨¤ causa principal: As pontua??es num¨¦ricas nem sempre informam o "porqu¨º" por tr¨¢s do feedback. A an¨¢lise de texto, no entanto, faz isso fornecendo detalhes - isso identifica o que est¨¢ funcionando e qual ¨¦ a causa principal de um problema que os clientes enfrentam com frequ¨ºncia.
- Obtenha percep??es oportunas: Os funcion¨¢rios j¨¢ t¨ºm uma lista de tarefas que consomem muito tempo, e pedir a eles que examinem cada palavra do feedback do cliente n?o ¨¦ realista. A an¨¢lise de texto d¨¢ conta de todo o processo, e o faz com muito mais confiabilidade.
- Identificar tend¨ºncias emergentes: Os seres humanos precisam de dados para tomar decis?es informadas e inteligentes. Ao explorar as palavras e frases que os clientes est?o usando, a an¨¢lise de texto destaca as tend¨ºncias que uma empresa n?o pode ignorar e das quais precisa tirar proveito.
- Entenda as necessidades dos clientes: Os clientes lhe dir?o o que querem, precisam e esperam. Voc¨º s¨® precisa ouvi-los, e a an¨¢lise de texto traz palavras-chave, temas e sentimentos para o primeiro plano.
- Tome decis?es orientadas por dados: Para atender melhor aos clientes, deixe que os insights derivados da an¨¢lise de texto ofere?am um caminho para a estrat¨¦gia de experi¨ºncia do cliente.
- Melhorar a experi¨ºncia do cliente e do funcion¨¢rio: Assim como acontece com a experi¨ºncia do cliente, a an¨¢lise de texto tamb¨¦m melhora a experi¨ºncia do funcion¨¢rio (EX). A an¨¢lise de texto analisa os dados dos funcion¨¢rios, como a pontua??o de esfor?o do funcion¨¢rio, o envolvimento, a satisfa??o e o sentimento.
? medida que o volume de feedback coletado pelas organiza??es aumenta, a an¨¢lise de texto ¨¦ a ¨²nica op??o para acompanhar o ritmo.
An¨¢lise b¨¢sica de texto
A an¨¢lise de texto varia de b¨¢sica a avan?ada. O tipo de percep??o que voc¨º obt¨¦m depende do tipo que voc¨º usa.
No n¨ªvel b¨¢sico, a an¨¢lise de texto envolve o seguinte.
An¨¢lise de frequ¨ºncia de palavras
A an¨¢lise de frequ¨ºncia de palavras conta as palavras no texto. Essa abordagem o ajuda a encontrar os termos e t¨®picos mais populares do texto.
Detec??o de frases
Al¨¦m de usar palavras espec¨ªficas, h¨¢ frases que seu p¨²blico pode usar e que t¨ºm uma influ¨ºncia significativa sobre o sentimento e outros elementos-chave. A detec??o de frases permite que voc¨º encontre frases frequentes no texto, possibilitando a identifica??o de temas.
An¨¢lise de sentimento
Em um n¨ªvel superficial, as palavras podem ser enganosas se voc¨º n?o tiver um contexto. Uma maneira de obter a perspectiva correta ¨¦ determinar as emo??es associadas. ? nesse ponto que a an¨¢lise de sentimentos entra em a??o. Ela ajuda a determinar a emo??o de um texto, permitindo que voc¨º identifique ¨¢reas de desenvolvimento.
Modelagem de t¨®picos
Quando palavras, frases e sentimentos s?o repetitivos, h¨¢ um tema subjacente contribuindo. A modelagem de t¨®picos identifica os temas do texto, o que ajuda a identificar as ideias principais de um texto.
An¨¢lise avan?ada de texto
Dependendo do tamanho e da natureza de sua empresa, a an¨¢lise b¨¢sica de texto pode n?o oferecer insights suficientes. Pode ser necess¨¢ria uma an¨¢lise avan?ada de texto.
Reconhecimento de entidades nomeadas
O reconhecimento de entidades nomeadas (NER) identifica e categoriza pessoas, organiza??es e lugares no texto. Al¨¦m disso, esse m¨¦todo ajuda a identificar conex?es de entidades de texto.
Classifica??o de texto
A categoriza??o de texto inclui a classifica??o do texto em diferentes categorias. Al¨¦m de ajud¨¢-lo a organizar dados de texto em massa, esse m¨¦todo encontra padr?es.
Agrupamento
Outra maneira de identificar padr?es em dados n?o estruturados ¨¦ por meio de clustering. Esse m¨¦todo agrupa o texto de acordo com o conte¨²do, facilitando a identifica??o de padr?es.
Extra??o de relacionamento
Embora n?o seja frequente, alguns de seus consumidores podem ter relacionamentos pr¨®ximos. Voc¨º pode determinar como as pessoas, as organiza??es e os locais est?o relacionados textualmente por meio da extra??o de relacionamentos. Esse insight acrescenta contexto ¨¤s conversas deles, permitindo que voc¨º aja de acordo.
An¨¢lise de rede
Indo al¨¦m dos relacionamentos, voc¨º perceber¨¢ que h¨¢ grupos espec¨ªficos com um v¨ªnculo comum. A an¨¢lise de rede examina os links textuais para encontrar padr?es e tend¨ºncias que ajudam a explicar como as coisas interagem.
T¨¦cnicas e aplicativos de an¨¢lise de texto
A an¨¢lise de texto envolve v¨¢rias t¨¦cnicas para analisar dados n?o estruturados e baseados em texto. Al¨¦m da an¨¢lise de t¨®picos e da an¨¢lise de sentimentos, h¨¢ v¨¢rias outras t¨¦cnicas que as empresas podem usar para obter insights de seus dados de texto.
Vamos revisar as t¨¦cnicas e os aplicativos da an¨¢lise de texto.
An¨¢lise de t¨®picos
A an¨¢lise de t¨®picos categoriza as frases do feedback do cliente em t¨®picos relevantes para os neg¨®cios. Por exemplo, "o vendedor foi simp¨¢tico" seria categorizado em "Simpatia da equipe". Geralmente, h¨¢ duas maneiras de fazer isso: uma configura??o manual, uma abordagem baseada em regras e t¨¦cnicas de aprendizado de m¨¢quina.
Os analistas e linguistas criam manualmente regras para o m¨¦todo baseado em regras. Por exemplo, uma cl¨¢usula que contenha duas palavras como "friendly" (amig¨¢vel) e "employee" (funcion¨¢rio) pode ser colocada em um assunto do tipo "Staff Friendliness" (simpatia da equipe).
Essas regras tamb¨¦m podem avaliar a ordem das palavras e as rela??es gramaticais de palavras importantes. O procedimento de configura??o ¨¦ demorado, mas os coment¨¢rios classificados s?o exatos, pois cada regra ¨¦ constru¨ªda individualmente.
O aprendizado de m¨¢quina, que usa classifica??o e agrupamento supervisionados, tamb¨¦m ¨¦ um componente essencial da an¨¢lise de t¨®picos. Portanto, um analista atribui manualmente assuntos a uma amostra de coment¨¢rios para categoriza??o supervisionada. A partir da¨ª, o conjunto de dados anotados treina o classificador para marcar automaticamente novos coment¨¢rios.
Embora anotar dados seja mais f¨¢cil do que desenvolver regras, os classificadores s¨® funcionam com menos de dez assuntos.
An¨¢lise de sentimento
A an¨¢lise de sentimento marca as frases como tendo sentimentos positivos ou negativos. "O vendedor foi muito simp¨¢tico" seria classificado como positivo.
A an¨¢lise de sentimento baseada em dicion¨¢rio ¨¦ simples de configurar. ? semelhante a extrair todas as palavras de um dicion¨¢rio e atribuir um sentimento positivo ou negativo a cada palavra. O sentimento das palavras muda, entretanto, dependendo do contexto.
Normalmente, pensa-se que os palavr?es transmitem sentimentos negativos, mas na comunidade de jogos, por exemplo, as coisas podem ser mais confusas. As palavras positivas costumam ser usadas de forma ir?nica, e as palavras negativas t¨ºm, na verdade, sentimentos positivos quando colocadas em contexto.
Para permitir o contexto, as t¨¦cnicas de aprendizado de m¨¢quina supervisionado oferecem uma maneira muito melhor de atribuir sentimentos. Semelhante ¨¤ classifica??o supervisionada descrita para a an¨¢lise de t¨®picos, o aprendizado de m¨¢quina supervisionado para a an¨¢lise de sentimentos envolve a obten??o de um conjunto de amostras de cl¨¢usulas para o contexto em que voc¨º est¨¢ interessado e a atribui??o manual de um sentimento positivo ou negativo a cada cl¨¢usula. A partir desse conjunto de dados anotados, o algoritmo pode ent?o atribuir novas cl¨¢usulas com sentimento com base no que aprendeu com a amostra de coment¨¢rios.
Reconhecimento de entidades nomeadas
O reconhecimento de entidades nomeadas (NER) extrai pessoas, organiza??es e locais de dados de texto n?o estruturados. O NER pode detectar pessoas e organiza??es influentes no feedback do consumidor e nos dados de m¨ªdia social. Al¨¦m disso, o NER tamb¨¦m pode reconhecer temas e t¨®picos de texto.
Marca??o de parte da fala
A an¨¢lise de texto usa a marca??o de parte da fala (POS) para classificar cada palavra em uma frase. Esse m¨¦todo ajuda a analisar a gram¨¢tica das frases e a compreender a literatura.
An¨¢lise de depend¨ºncia
A an¨¢lise de depend¨ºncia na an¨¢lise de texto ajuda as empresas a descobrir conex?es gramaticais e de frases. Al¨¦m disso, esse m¨¦todo ajuda a analisar a estrutura das frases e a compreender o conte¨²do.
Classifica??o de texto
A classifica??o de texto usa o conte¨²do para classificar o texto em categorias predeterminadas. Esse m¨¦todo ajuda a identificar assuntos populares no feedback do consumidor e nas m¨ªdias sociais. Al¨¦m disso, a classifica??o de texto tamb¨¦m pode revelar ideias-chave.
Como conduzir uma an¨¢lise de texto
A an¨¢lise de texto ¨¦ composta de coleta de dados, processamento de dados, an¨¢lise de texto e visualiza??o.
Veja a seguir um pouco mais de informa??es sobre como cada etapa funciona.
#1. Coleta de dados
A an¨¢lise de texto come?a com dados de m¨ªdia social, formul¨¢rios de feedback do consumidor e avalia??es on-line. Certifique-se de que seus dados sejam relevantes para seu desafio comercial.
#2. Processamento de dados
Ap¨®s a coleta de dados, vem o processamento, a limpeza e a prepara??o dos dados para an¨¢lise. O processamento de dados envolve a exclus?o de materiais estranhos, a formata??o e a estrutura??o de dados n?o estruturados para an¨¢lise.
#3. An¨¢lise de texto
Depois de processar os dados, voc¨º precisar¨¢ analis¨¢-los para obter insights. Isso envolve an¨¢lise de sentimentos, modelagem de t¨®picos e identifica??o de entidades nomeadas.
#4. Visualiza??o
Por fim, voc¨º precisar¨¢ mostrar ¨¤s partes interessadas os resultados da an¨¢lise de texto. Voc¨º pode fazer isso por meio de nuvens de palavras, gr¨¢ficos de barras e mapas de calor.
Como preparar dados de texto para an¨¢lise
A prepara??o de dados para an¨¢lise de texto garante resultados confi¨¢veis e compreens¨ªveis.
Veja a seguir como preparar dados de texto para an¨¢lise.
#1. Dados limpos
Os dados de texto s?o limpos com a elimina??o de elementos HTML, URLs e caracteres especiais. Isso limpa e organiza os dados para an¨¢lise.
#2. Pr¨¦-processamento de texto
O pr¨¦-processamento de texto converte os dados de texto em um formato pronto para an¨¢lise. Ele envolve a remo??o de numerais, pontua??o e texto em letras min¨²sculas.
#3. Tokenizar texto
A tokeniza??o divide o texto em palavras e frases. Com isso, a an¨¢lise de dados de texto fica mais f¨¢cil.
#4. Remover palavras de parada
A remo??o de palavras de parada remove palavras frequentes como "e", "o" e "¨¦" do texto. Esses termos podem distorcer as an¨¢lises.
#5. Simplifique os dados com stemming e lematiza??o
O stemming e a lematiza??o envolvem o enraizamento de palavras. Isso pode simplificar e analisar dados de texto. O stemming envolve a remo??o de sufixos das palavras, enquanto a lematiza??o os reduz.
Uma abordagem mais inteligente para a an¨¢lise de texto
Em geral, a an¨¢lise de texto parece um conceito estranho e complexo quando se come?a a explorar seus recursos e benef¨ªcios. Mas agora voc¨º j¨¢ deve conhecer os conceitos b¨¢sicos da an¨¢lise de texto e sua pr¨®xima etapa ¨¦ fazer uma parceria com um fornecedor de software que ofere?a conhecimento especializado.
ÌÇÐÄÔ´´A an¨¢lise de texto em tempo real, centrada no ser humano, garante que voc¨º descubra insights de alto impacto e impulsione a a??o. Ele usa intelig¨ºncia artificial (IA) e para identificar rapidamente tend¨ºncias emergentes e insights importantes em escala. E como come?amos a desenvolver nossa an¨¢lise de texto nativa h¨¢ mais de uma d¨¦cada, ela ¨¦ a an¨¢lise de texto mais abrangente, conectada e acess¨ªvel dispon¨ªvel.
Autor
