Microsoft Excel gebruiken voor sentimentanalyse

U kunt Microsoft Excel gebruiken om elementaire sentimentanalyse op tekst uit te voeren. De resultaten tonen u trends die verborgen zijn in de gegevens.

De mogelijke toepassingen van sentimentanalyse zijn onbeperkt: een historicus kan sentimentanalyse gebruiken om de bedoeling te begrijpen van een auteur die honderden jaren in het verleden heeft geschreven. Evenzo kan een marketingmanager de evolutie van de merkreputatie in de loop van de tijd volgen.

De methode voor sentimentanalyse die in dit artikel wordt besproken, maakt gebruik van machine learning om uw tekst te scoren en te classificeren als expressief Positief, Negatief, of Neutrale emoties.

U hebt Microsoft Excel en de Azure Machine Learning-invoegtoepassing nodig.

Waarom is sentimentanalyse belangrijk?

Voor mensen die producten bouwen, in marketing of politiek werken of onderzoek doen, is het begrijpen van het emotionele sentiment met betrekking tot een bepaald onderwerp een professionele noodzaak.

Sentimentanalyse kan hen daarbij helpen. Hoewel het gebruiksgegevens, enquêtes, interviews en desktoponderzoek niet volledig zal vervangen, is sentimentanalyse een solide hulpmiddel om tot je beschikking te hebben.

Waarom? In bijna elke situatie waarin u een grote hoeveelheid ongestructureerde kwalitatieve gegevens heeft, kan sentimentanalyse u snel inzicht geven in de onderliggende boodschap.

Sentimentanalyse werkt het beste wanneer een grote hoeveelheid gegevens wordt geanalyseerd.

Het uitvoeren van een sentimentanalyse op het meest recente sms-bericht van uw romantische interesse zal waarschijnlijk geen informatie met toegevoegde waarde opleveren. Aan de andere kant levert het analyseren van duizenden Tweets met een specifieke hashtag nuttige resultaten op.

Verwant: Solide tips om uw Twitter-reputatie te verbeteren

Andere mogelijke use-cases zijn het analyseren van productrecensies, het beoordelen van klantonderzoeken en het blootleggen van een public relations-crisis. Bovendien kunt u met regelmatige sentimentanalyse volgen hoe de houding van klanten ten opzichte van uw bedrijf in de loop van de tijd verandert.

Volume versus Sentiment

Sentimentanalyse is een essentieel onderdeel van het monitoren van sociale media voor elk bedrijf of merk dat zich bewust is van hun reputatie.

U ziet bijvoorbeeld dat uw bedrijf veel vermeldingen krijgt op sociale media. Maar vermeldingen alleen zijn niet alles.

Soms zijn vermeldingen een goede zaak. Ze kunnen bijvoorbeeld een grote hoeveelheid positief publiek sentiment ten opzichte van uw bedrijf betekenen.

Andere keren kunt u te maken krijgen met een PR-crisis die uit de hand loopt. Als gevolg hiervan is het publieke sentiment ten opzichte van uw bedrijf negatief.

Het onderscheiden van het sentiment binnen een groot aantal vermeldingen op sociale media kan het verschil maken.

Microsoft Excel gebruiken voor sentimentanalyse

Sommige monitoringplatforms voor sociale media nemen sentimentanalyse op als onderdeel van hun aanbod. Het is ook mogelijk om sentimentanalyse op tekst uit te voeren met behulp van een programmeertaal zoals Python.

Deze opties vereisen echter ofwel een aanzienlijk budget om een ​​monitoringplatform voor sociale media te betalen, ofwel codeervaardigheden.

Als je zoals de meeste mensen bent en geen van beide hebt, is Microsoft Excel een goede optie voor het uitvoeren van fundamentele sentimentanalyse.

Hoewel geen van deze tools perfecte resultaten oplevert, kunnen ze u helpen de algemene trend van het sentiment in de tekst te begrijpen.

Sentimentanalyse uitvoeren in Microsoft Excel

Volg deze stappen om een ​​sentimentanalyse met Excel uit te proberen zonder code te schrijven. Onder de motorkap zijn Excel en de Azure-invoegtoepassing afhankelijk van een algoritme voor natuurlijke taalverwerking en een generiek woordenboek met positieve en negatieve woorden. Elk woord in het lexicon krijgt een positieve, neutrale of negatieve waarde.

1. Organiseer de gegevens die u wilt analyseren in een Microsoft Excel-blad.
2. Ruim de gegevens op door lege spaties verwijderen en onnodige tekens.
3. Maak de eerste cel in uw dataset tweet_text (in kleine letters bewaren).
4. Ga naar Invoegen > Invoegtoepassingen.
5. Ga vervolgens naar Zoeken > Azure Machine Learning.
6. Na installatie verschijnt de Azure Machine Learning-invoegtoepassing een vak aan de rechterkant van uw scherm.
7. Je ziet twee opties: Titanic Survivor Voorspeller en Analyse van tekstsentiment.
8. Klik op Analyse van tekstsentiment.
9. Ga naar Voorspellen > Invoeren voeg vervolgens het bereik toe waar de gegevens die u wilt analyseren zich bevinden.
10. Het verlof Mijn gegevens hebben kopteksten gecontroleerd.
11. Ga naar Uitgang: en voeg de cel toe waar u de analyseresultaten wilt hebben.
12. druk op Voorspellen.

EEN Sentiment en Scoren want de tekst in elke cel wordt ingevuld; de bijbehorende tekst is meer Negatief als de score dichter bij nul ligt. Misschien geeft u er de voorkeur aan om de Scores naar een procent. In dat geval, hoe dichter a Scoren is om 100%, hoe positiever het is. Neutrale is wat dan ook Scoren ongeveer 50%.

Zie het onderstaande voorbeeld van Schateiland door Robert Louis Stevenson.

Inzichten verkrijgen uit sentimentanalyse

Nadat u de sentimentanalyse hebt uitgevoerd, heeft u cellen met: Positief, Negatief, of Neutrale classificaties en de bijbehorende numerieke scores.

Hoe zet je de resultaten om in begrijpelijke inzichten? Hier zijn een paar ideeën:

• Segmenteer de classificaties op een draaitabel maken in Excel.
• Je kunt gebruiken Visio, dat nu zonder extra kosten is opgenomen in Microsoft 365 Business, om het totale aantal van elk van de. te visualiseren positieven, minpunten, of Neutralen. Datavisualisatie kan u een vogelperspectief geven.
• Als u verantwoordelijk bent voor reputatiemanagement bij een bedrijf of merk, wilt u zich misschien concentreren op het scannen van alle teksten die zijn geclassificeerd als: Negatief. Wat maakt de tekst? Negatief? Moet u iets doorgeven om het probleem aan te pakken?
• U kunt dezelfde oefening doen voor de teksten die zijn geclassificeerd als Positief. Misschien is er een bijzonder mooie getuigenis van een klant begraven in een groot aantal productrecensies die u wilt delen.
• Je zou de tekst ook verder kunnen segmenteren, zodat je alleen cellen ziet die een nieuw productkenmerk vermelden. Zijn gebruikers meer? Positief, Negatief, of Neutrale over de functie? Sentimentanalyse kan u helpen dit te bepalen en efficiënter feedback te verzamelen.

Sentimentanalyse kan mensen uit het besluitvormingsproces halen. Soms kan dit goed zijn, omdat tekstinterpretatie zeer subjectief kan zijn.

Stel je bijvoorbeeld een groep mensen voor die probeert te beslissen of 5.000 productrecensies meer zijn Positief of Negatief. Hun verschillende perspectieven en aandacht voor detail zullen de geloofwaardigheid van het totale resultaat verlagen. Als u de database van een machine laat beslissen, zal dit enorm helpen bij de consistentie. Verwant: De beste tips en hulpmiddelen voor het nemen van groepsbeslissingen op het werk

Gebruik van Microsoft Excel voor sentimentanalyse

Als u sentimentanalyse wilt uitvoeren, maar niet over veel financiële middelen of codeervaardigheden beschikt, dan is Microsoft Excel een uitstekende plek om te beginnen.

Sentimentanalyse in Microsoft Excel geeft u inzichten die u kunt gebruiken om ongestructureerde tekstgegevens te begrijpen. Het kan ook een ideale manier zijn om vertrouwd te raken met machine learning-concepten voordat u zich in een project in het veld stort.

11 Machine Learning-projectideeën voor beginners

Deze projectideeën zijn uitstekend geschikt voor diegenen die enige programmeerkennis hebben en willen doorbreken op het gebied van machine learning.

Lees volgende

Over de auteur