Come utilizzare Microsoft Excel per l'analisi del sentimento

È possibile utilizzare Microsoft Excel per eseguire l'analisi del sentimento di base sul testo. I risultati ti mostreranno le tendenze nascoste nei dati.

I potenziali usi dell'analisi del sentimento sono illimitati: uno storico può utilizzare l'analisi del sentimento per comprendere l'intento di un autore che scrive centinaia di anni fa. Allo stesso modo, un responsabile marketing può monitorare l'evoluzione della reputazione del marchio nel tempo.

Il metodo di analisi del sentimento discusso in questo articolo utilizzerà l'apprendimento automatico per assegnare un punteggio al testo e classificarlo come espressivo Positivo, Negativo, o Neutro emozioni.

Avrai bisogno di Microsoft Excel e del componente aggiuntivo Azure Machine Learning.

Perché l'analisi del sentimento è importante?

Per le persone che costruiscono prodotti, lavorano nel marketing o nella politica o conducono ricerche, comprendere il sentimento emotivo riguardo a un particolare argomento è una necessità professionale.

L'analisi del sentimento può aiutarli. Sebbene non sostituirà del tutto i dati sull'utilizzo, i sondaggi, le interviste e la ricerca desktop, l'analisi del sentimento è uno strumento solido da avere a tua disposizione.

Come mai? In quasi tutte le situazioni in cui disponi di una grande quantità di dati qualitativi non strutturati, l'analisi del sentiment può fornirti rapidamente informazioni dettagliate sul suo messaggio sottostante.

L'analisi del sentimento funziona meglio quando viene analizzata una grande quantità di dati.

È improbabile che l'esecuzione dell'analisi del sentimento sull'ultimo messaggio di testo del tuo interesse romantico restituisca informazioni con un valore aggiunto. D'altra parte, analizzare migliaia di Tweet contenenti uno specifico hashtag ti darà risultati utili.

Imparentato: Suggerimenti solidi per migliorare la tua reputazione su Twitter

Altri possibili casi d'uso includono l'analisi delle recensioni dei prodotti, la revisione dei sondaggi sui clienti e la scoperta di una crisi di pubbliche relazioni. Inoltre, una regolare analisi del sentiment ti consentirà di monitorare come cambiano nel tempo gli atteggiamenti dei clienti nei confronti della tua azienda.

Volume vs. Sentimento

L'analisi del sentimento è una parte essenziale del monitoraggio dei social media per qualsiasi azienda o marchio consapevole della propria reputazione.

Ad esempio, potresti vedere che la tua azienda riceve un grande volume di menzioni sui social media. Ma le menzioni da sole non sono tutto.

A volte le menzioni sono una buona cosa. Ad esempio, possono significare una grande quantità di sentimento pubblico positivo nei confronti della tua azienda.

Altre volte, potresti dover affrontare una crisi di pubbliche relazioni che sta andando fuori controllo. Di conseguenza, il sentimento pubblico nei confronti della tua azienda è negativo.

Distinguere il sentimento all'interno di un volume elevato di citazioni sui social media può fare la differenza.

Utilizzo di Microsoft Excel per l'analisi del sentimento

Alcune piattaforme di monitoraggio dei social media includono l'analisi del sentiment come parte della loro offerta. È anche possibile eseguire analisi del sentiment sul testo utilizzando un linguaggio di programmazione come Python.

Tuttavia, queste opzioni richiedono un budget significativo per permettersi una piattaforma di monitoraggio dei social media o capacità di codifica.

Se sei come la maggior parte delle persone e non hai nessuno di questi, Microsoft Excel è una buona opzione per eseguire l'analisi del sentimento fondamentale.

Sebbene nessuno di questi strumenti produca risultati perfetti, possono aiutarti a comprendere l'andamento generale del sentimento contenuto nel testo.

Come eseguire l'analisi del sentimento in Microsoft Excel

Segui questi passaggi per provare un'analisi del sentiment con Excel senza scrivere codice. Sotto il cofano, Excel e il componente aggiuntivo di Azure dipendono da un algoritmo di elaborazione del linguaggio naturale e da un dizionario generico con parole positive e negative. A ogni parola nel lessico viene assegnato un valore positivo, neutro o negativo.

1. Organizza i dati che desideri analizzare in un foglio Microsoft Excel.
2. Pulisci i dati entro rimuovendo gli spazi vuoti e personaggi inutili.
3. Crea la prima cella nel tuo set di dati tweet_testo (mantenere in minuscolo).
4. Vai a Inserisci > Componenti aggiuntivi.
5. Quindi, vai a Cerca > Azure Machine Learning.
6. Una volta installato, il componente aggiuntivo Azure Machine Learning visualizzerà una casella sul lato destro dello schermo.
7. Vedrai due opzioni: Titanic Survivor Predictor e Analisi del sentimento del testo.
8. Clicca su Analisi del sentimento del testo.
9. Vai a Prevedi > Ingresso, quindi aggiungi l'intervallo in cui si trovano i dati che desideri analizzare.
10. Lasciare I miei dati hanno intestazioni controllato.
11. Vai a Produzione e aggiungi la cella in cui desideri inserire i risultati dell'analisi.
12. premere Prevedi.

UN Sentimento e Punto perché il testo in ogni cella verrà popolato; il testo corrispondente è più Negativo se il punteggio è più vicino a zero. Potresti preferire cambiare il Punteggi ad un Per cento. In tal caso, più vicino a Punto è per 100%, più è positivo. Neutro è qualsiasi Punto circa il 50%.

Vedere l'esempio seguente da Isola del tesoro di Robert Louis Stevenson.

Come ottenere approfondimenti dall'analisi del sentimento

Dopo aver eseguito l'analisi del sentimento, avrai celle con Positivo, Negativo, o Neutro classificazioni e relativi punteggi numerici.

Come puoi trasformare i risultati in intuizioni comprensibili? Ecco alcune idee:

• Segmenta le classificazioni per creare una tabella pivot in Excel.
• Puoi usare Visio, che ora è incluso in Microsoft 365 Business senza costi aggiuntivi, per visualizzare il numero complessivo di ciascuno dei Positivi, negativi, o Neutri. La visualizzazione dei dati può darti una vista a volo d'uccello.
• Se sei responsabile della gestione della reputazione in un'azienda o in un marchio, potresti voler concentrarti sulla scansione di tutti i testi classificati come Negativo. Cosa compone il testo Negativo? C'è qualcosa che devi trasmettere per risolvere il problema?
• Puoi fare lo stesso esercizio per i testi classificati come Positivo. Forse c'è una testimonianza di cliente particolarmente interessante sepolta in un numero elevato di recensioni di prodotti che vorresti condividere.
• Puoi anche segmentare ulteriormente il testo, in modo da visualizzare solo le celle che menzionano una nuova funzionalità del prodotto. Gli utenti sono di più Positivo, Negativo, o Neutro sulla caratteristica? L'analisi del sentimento può aiutarti a determinarlo e a raccogliere feedback in modo più efficiente.

L'analisi del sentimento può portare le persone fuori dal processo decisionale. A volte questo può essere positivo perché l'interpretazione del testo può essere altamente soggettiva.

Ad esempio, immagina un gruppo di persone che cerca di decidere se 5.000 recensioni di prodotti sono più Positivo o Negativo. Le loro diverse prospettive e l'attenzione ai dettagli ridurranno la credibilità del risultato complessivo. Consentire al database di una macchina di decidere sarà di grande aiuto per la coerenza. Imparentato: I migliori consigli e strumenti per prendere decisioni di gruppo sul lavoro

Utilizzo di Microsoft Excel per l'analisi del sentimento

Se vuoi provare a eseguire l'analisi del sentimento ma non hai molte risorse finanziarie o capacità di codifica, Microsoft Excel è un ottimo punto di partenza.

L'analisi del sentimento in Microsoft Excel ti fornirà informazioni dettagliate che puoi utilizzare per comprendere i dati di testo non strutturati. Potrebbe anche essere un modo ideale per familiarizzare con i concetti di apprendimento automatico prima di immergerti in un progetto sul campo.

11 idee per progetti di apprendimento automatico per principianti

Queste idee per progetti sono eccellenti per coloro che hanno una certa conoscenza di programmazione e stanno cercando di entrare nel campo dell'apprendimento automatico.

Leggi Avanti

Circa l'autore