Paylaşmayı unutmayın.

Duyarlılık analizi yazılı veya sözlü iletilen bir görüşün otomatik hale getirilmesi işlemine denir. Bir bağlamda bu analiz kaynaktaki öznel bilgiyi tanımlar ve incelemesini yapar. Duyarlılık analizi bir şirketin marka, ürün veya hizmetlerinin sosyal duyarlılığını anlamalarına yardımcı olur. 

Her gün yaklaşık 2.5 milyon bayt veri üretilen dijital çağda duyarlılık analizi bu verileri anlamada bir bakıma kilit bir araç haline geldi. Bu analiz, şirketlerin sosyal medyada ve internette müşterilerinin beklentilerini ve düşüncelerini anlamasına ve bu beklentilere göre çalışmasına olanak sağlarken aynı zamanda pazarlama kampanyalarının geri dönüşüm oranlarını hızlandırmaya olanak sağlıyor.  

Peki duyarlılık analizi nasıl yapılıyor? Neden bu kadar önemli? Bu hizmeti kimler veriyor? Şimdi gelin bu soruların cevaplarına birlikte bakalım!

Duyarlılık Analizi Nasıl Çalışır?

Görüş madenciliği olarak da bilinen duyarlılık analizi, Doğal Dil İşleme içinde, metin içindeki görüşleri tanımlamaya ve çıkarmaya çalışan sistemler oluşturan bir alandır. Genellikle, görüşü tanımlamanın yanı sıra, bu sistemler ifadenin niteliklerini de ortaya çıkarır. Görüşün olumlu olup olmadığını, ne ile ilgili olduğunu ve görüş sahibini inceler. 

Duyarlılık analizi temel anlamda 2 farklı sistemde yapılır. İlki “Kural” temalı sistemlerdir. Bu sistemde belirli kurallar ve girdilere bakılarak metinler taranır ve olumlu, olumsuz ve nötr olmak üzere 3 ayrı başlıkta toplanır.

Kural tabanlı sistemlerin aksine “otomatik” sistemler, el yapımı kurallara değil, makine öğrenme tekniklerine dayanır. Duyarlılık analizi görevi genellikle bir sınıflandırıcının bir metinle beslendiği ve ilgili kategoriyi döndürdüğü bir sınıflandırma problemi olarak modellenir ve çözülür. 

Neden Önemli?

Dünyadaki verilerin %80’i yapılandırılmamış ve düzensiz bir şekilde bulunuyor. Bu verilerin çoğunu e-postalar, destek biletleri, sohbetler, sosyal medya, anketler, makaleler ve belgeler gibi metin verilerinden geliyor. Bu metinler genellikle analiz etmek için zor ve zaman alıcı metinlerdir.

Duyarlılık analiz sistemleri, şirketlerin iş süreçlerini otomatikleştirerek, bu zor veriyi işlenebilir anlamlı paketçiklere dönüştürür. Böylece süreç daha verimli hale gelir ve hem paradan hem de zamandan tasarruf edilir. 

Ayrıca duyarlılık analizi gerçek zamanlı sorunlara çözümler sağlar. Sosyal medyadaki krizlerinizi veya öfkeli müşterilerinizi hemen tespit etmenize ve harekete geçmenize yardımcı olur. 

Kimler yapıyor?

Duyarlılık Analizi bit bakıma yapay zeka dil işleme yeteneğidir. Bu sebeple yapay zeka konusunda çalışmış şirketlerin bu hizmeti veriyor olması oldukça doğal. Fakat baktığımız zaman IBM, Microsoft, Amazon gibi şirketlerin de duyarlılık analizi çözümleri verdiğini görüyoruz. Ne kadar Microsoft yapay zeka konusunda Amazon, Google veya Facebook gibi şirketler kadar bilinmese de duyarlılık analizi konusunda yapay zeka çözümleri sunan bir çok girişimden çok daha güvenilir. Şimdi gelin bu şirketlerin duyarlılık analizi çözümlerine bir göz atalım. 

IBM

Yazılımın arkasındaki makine öğrenme modeli, yüzlerce marka ve ürünle ilgili müşteri deneyimlerini sentezleyerek oluşturulmuş. Bu sayede Tone Analyzer görüşleri etiketler ve bu etiketler daha sonra yazılımın makine öğrenme algoritmasında bir daha çalıştırılır. Böylece sistem daha sonrasında yüklenen tüm sosyal medya yayınlarının konusunu ve tonlarını listeleyerek markalara bilgi sağlar. 

IBM’in sunduğu Watson Tone Analyzer, insanların markayı nasıl gördüğü ile ilgili analizler yapmasına olanak sağlıyor. IBM’e göre program, pazarlamacıların yazılımına entegre edilerek sosyal medya hesapları veya müşteri geri bildirimi yapılan herhangi bir platformun analizini yapabiliyor. 

IBM’in algoritmasının en büyük avantajı “influencer”ları markayla birleştirebilmesidir.  Tone Analyzer influencerları 47 farklı niteliğe göre analiz ederek markaya en uygun olanları bulmaya yardımcı olur. 

Amazon

Amazon’un duyarlılık analizi sistemi Amazon Comprehend, müşterilerin sosyal medya hesaplarını tarayarak müşterilerin ürün hakkındaki yorumlarını analiz ediyor. Amazon’a göre bu algoritma markaların ürün hakkındaki yorum tahminlerinde yardımcı olabilir.

Yazılımın arkasındaki makine öğrenim modeli, müşteri incelemelerinden, sosyal medya yayınlarından ve e-postalardan yüzbinlerce fotoğraf üzerinden besleniyor. Böylece Amazon Comprehend ürünleri olumlu veya olumsuz şekilde etiketleyip markalara bilgi sağlayabiliyor. 

Microsoft Azure

Microsoft Azure’nin sunduğu Microsoft Cognitive Services Text Analytics API, ürün geliştirmeyi sağlamak amacıyla müşteri geri bildirim verilerini kullanabileceklerini iddia ediyor.

Yazılımın arkasındaki makine öğrenme modeli, tüketici ürünü ve marka deneyimlerini içeren binlerce metinden eğitiliyor. IBM’in modeli gibi Microsoft’ta metin içerisindeki kelimeleri olumlu yada olumsuz olarak etiketleyerek sistemde bir kez daha döndürüyor. Böylece herhangi bir metindeki ifadeler sisteme girdiğinde yazılım, metni kolayca analiz edip gerekli bilgileri sağlayabiliyor

Duyarlılık analizi, marka izlemesinden ürün analizine, müşteri hizmetlerinden pazar araştırmasına kadar birçok iş alanına uygulanabilir. Markalar mevcut sistemlerine duyarlılık analizi yazılımları ekleyerek daha hızlı ve doğru çalışmalar gerçekleştirebilirler. Bu analizleri birçok marka sağlayabiliyor fakat bu hizmet konusunda büyük teknoloji markalarına, özellikle bünyesinde yapay zeka alanında uzmanlaşmış veri analistleri bulunduran, güvenmenizde fayda var. 

Bonus: Ekonomik Pazarlama Araçları: Analiz Araçları

Paylaşmayı unutmayın.

Ege Akertek