メイン コンテンツに進む

Dynamics 365 営業担当者へのお問い合わせウィジェット

ノート PC に注目して、おそらく感情分析を行っている人物

感情分析とは

企業がソリューションやプロセスをデジタル化するのに伴い、成功を収めるためには、顧客との関わり方、特に顧客を理解する方法も変革する必要があると感じています。

しかし、それは単純に顧客アンケートを提供するだけでは不十分であり、顧客基盤がブランドをどのように評価しているかについて、会話内容に積極的に取り組む必要があります。これを明らかにする上で鍵となるのが感情分析です。


感情分析の定義

意見マイニングや感情人工知能とも呼ばれる感情分析とは、自然言語処理 (NLP) の手法であり、断片的なコンテンツがポジティブ、ネガティブ、ニュートラルのいずれであるかを判断します。勘定分析ツールでテキストや統計を分析することで、顧客の発言内容、顧客の表現方法、顧客の真意について、個人の視点と一般の視点の両面から理解できます。

テキスト マイニングの一種である感情分析を日常的に使用することで、レビュー、アンケート、Web 記事、ソーシャル メディアなどのフィードバック資料やチャネルがもたらす顧客の意見を判断できます。言語は常に進化しているため、こうしたチャネルから意図を解釈する難易度はますます高まることが予想され、辞書の定義を既定化することは不正確な読み取りを引き起こす可能性があります。

顧客の評価に合わせて調整したアルゴリズムを基盤とする感情分析ツールを導入することで、製品、サービス、ソリューションに対する顧客のニーズや、顧客の意見の傾向や時間の経過にともなう意見の変化が明らかなります。

感情分析の種類を次に示します。

  • 態度に基づく—オンライン レビューの製品価格や顧客各自の感情など、顧客が話題にしている内容を具体的に判断します。
  • 感情検出—特定の単語を特定のセンチメントに関連付けることで、感情を特定します。
  • きめ細かい情報—両極のカテゴリ (とても満足、満足、普通、不満、とても不満) 全体について感情を分析し、より詳細なレベルで顧客の意見を判断できます。
  • 意図—顧客の意図を定義し、顧客が購入や調査を行うかどうか、後で追跡してターゲットに加えるべきかどうかを把握します。

感情分析の使用方法

従来、企業はアンケートや調査を通して、顧客の意見を集めていました。たとえば Net Promoter Score (NPS) 調査は、顧客がもっている企業を推薦する意思を測定するために、必要な情報を集約して評価します。それは貴重な情報である一方、デジタル チャネルにおける顧客エクスペリエンス (購入時など) について深いインサイトを提供する能力は著しく欠落しています。

しかし感情分析なら、そのすき間を埋めることができます。

テキストから顧客の意見やセンチメントをモニタリング、識別、抽出する際、コメント、ソーシャル メディアの "いいね!"、アイデア、苦情、問い合わせのそれぞれの背後にある意味を明らかにする上で、感情分析は効果的です。さらに、日々進化する顧客のニーズに迅速に対応することができます。

収集したデータを分析することで、各顧客の反応の概要や、製品やビジネスに対する一般的な認識を形成するのに役立つその他のフィードバックが得られます。このデータをポジティブ、ニュートラル、ネガティブの 3 つのセンチメントに分類すると、顧客がどのような理由でその発言をしたのかがわかり、特定のトピックに対する顧客のセンチメントや感情を表す意見が明らかになります。

これらの意見は、直接的なもの (「この製品は今まで使った中で一番いい!」) と比較的なもの (「製品 B よりも製品 A の方が、私の組織との統合性が高い」) に分類されます。これらは簡単に解釈できることが多いのですが、中にはさらに詳しく調べる必要があるものもあるので注意が必要です。暗示的な分類 (「企業はこの製品を改善するためにすべきことを知っている」) や明示的な分類 (「機能 A は使いやすい」)、また肯定的でありながら否定的な単語が含まれている単語の羅列は、分析が難しく、手動でのレビューやセンチメント モデルの調整が必要になる場合があります。

顧客がどう感じているかについて、こうしたキーワードやキーフレーズを明らかにすれば、組織が実施するべき次の対応を計画する上で役立ちます。まず最初に感情分析をビジネスで活用する方法を必ず理解しましょう。


感情分析の仕組みを理解する

感情分析では、いくつかのテクノロジを駆使して、顧客の言葉をすべて抽出し、ひとつの実用的なアイテムに仕上げます。感情分析のプロセスは、以下の 4 つの手順に沿って行います。

  1. テキストを文、フレーズ、単語、品詞などの構成要素に分解します。
  2. 各フレーズと構成要素を識別します。
  3. 各フレーズにプラスまたはマイナスの点数で感情スコアを付与します。
  4. スコアを合計して、最終的な感情分析を行います。

内容を表現する単語やフレーズを記憶し、感情の重みを割り当てることで、ユーザーやチームは感情ライブラリを構築できます。チームは手動でスコアリングを行い、各単語の強弱や、対応するフレーズ スコアの極性を判断して、ポジティブ、ネガティブ、ニュートラルのいずれであるかに注目します。さらに多言語感情分析エンジンは、一貫したスコアリング、新しいフレーズ、関係ない語句の削除によって、対応するすべての言語に対して固有のライブラリを維持する必要があります。

感情分析では、これらのアプローチを 3 つに分類することができます。

自動

統計学、NLP、機械学習アルゴリズムを混合してセンチメントを特定します。システムは、入力と対応する出力、つまり、顧客のテキストと極性を関連付けるように学習します。機械は入力データによって分類され、一度学習させれば時間の経過とともに適応することができます。これを追加のデータでテストすることで、提供する予測の精度を高めることができます。

ルールベース

最も簡単な感情分析は、辞書や表現集を使って単語やフレーズを調べ、関連する感情を判断するものです。このタイプのアプローチは、直接的で率直な意見と相性が良いです。このシステムは高速で使いやすい反面、単語がどのように組み合わされているかはほとんど考慮されていません。この方法では、遠回しな意見を簡単に理解することができないため、チームは比較意見のためのルールを追加する必要があります。

ハイブリッド

ルールベースと自動化されたシステムの両方を組み合わせることで、真の顧客理解に必要な正確性と精度を得ることができます。これは、辞書から収集した感情に関連する情報を含み、これを時間の経過に従って適応させることができるため、最も強力なシステムです。


感情分析のメリット

ソーシャル メディアでブランドに関するオンラインでの会話を垣間見られますが、感情分析を導入すればブランドと製品の両方に対する世間の認識を即座に把握できます。Twitter でリツイートが多ければ肯定的な評価と捉えがちですが、否定的なコメントの「いいね!」が圧倒的に多いことに気付いた場合、それはポジティブとは言えない反応であると結論付けられます。

また企業は感情分析を活用することで、内部データ ソースから貴重な顧客入力情報を抽出できます。たとえば、サービス担当者やサポート担当者と顧客が参加するオンライン チャットのトランスクリプトを企業が監視すれば、製品の品質、安全性、保証が抱える課題をより迅速に認識できます。感情分析がもたらすメリットを、次にさらに示します。

  • トピックに対する感情を特定するための重大な局面として機能し、チームによる複数の基幹業務間での実用的なインサイトの適用と、イニシアチブの調査を実現します。
  • 感情抽出プロセスは完全に自動化されているため、チームの時間と労力を節約できます。
  • アダプティブ ラーニングを活用することで、チームは定期的に予測を最適化、トラブルシューティング、更新できます。
  • 大量の非構造化データを迅速に処理してリアルタイム分析やインサイトを取得できます。

これらすべてのメリットにより、顧客が考えていることや、それに基づいて応答する方法についての包括的なビューがチームにもたらされます。これらのインサイトから、顧客サービスなどの内部チームがユーザー エクスペリエンスを向上させたり、顧客に対応するチームがセンチメントに基づいて、ターゲットを絞った営業、マーケティング、サポート活動を通じて顧客セグメントとやり取りする方法を導くことができます。


感情分析の例

複数のチームにメリットをもたらすことが、感情分析の一番優れた点です。マーケティング キャンペーンから価格戦略、受注処理、カスタマー サポートに至るまで、すべてのチームがこのデータをもとに適切な計画を立てることができます。さまざまなチームが、製品、ブランド、ビジネスについて顧客がどのように感じているかを把握することで、そのナレッジをもとに対応を決定し、事業運営を最適化できます。また、ビジネスと顧客双方の目標を再確認し、その目標に到達するための取り組みを定義することもできます。

チームの感情分析の活用方法として次のようなものがあります。

  • ソーシャルとブランドの監視。 ブランド、製品、ビジネスについて、ソーシャル チャネルで顧客とのやり取りやコメントをリアルタイムで分析し、3 つすべてに対して顧客の評価に関するインサイトを提供します。また企業は、従来の製品に関する感情分析を、新製品の発売、広告キャンペーン、ビジネスに関するニュース速報の指標として利用できます。
  • 顧客サービス。 おそらく顧客サービス チームは、顧客が抱える問題を緊急と非緊急に自動的に分類しているでしょう。感情分析は、チャットやメールで寄せられる問題の言語と重大度を分析して別のレイヤーを追加し、大きな不満を表明している顧客を明らかにして、より迅速な解決を促します。
  • 顧客のフィードバック。 ソーシャル監視に沿って顧客から直接意見を聞き、製品やブランドを否定的または肯定的に認識している理由を明らかにします。製品、キャンペーン、ソリューションの成功について全体的な測定を提供する、ソーシャル メディアのプロファイル、チームとのオンライン チャット、または他のタッチポイントで寄せられた、顧客からの直接フィードバックについてキーワードを追跡します。
  • 危機回避。 感情分析ツールを使用して、事前に定義したキーワードの言及をリアルタイムで収集し、メディアでの公開内容を監視します。広報チームやカスタマー サクセス チームが、この情報を把握したうえで否定的な投稿に対応することで、ソーシャル メディアで危機が拡大する前に軽減や回避を達成できるかもしれません。
  • 市場調査。 顧客の感情を理解するだけでは不十分であり、その理由を把握することが重要です。顧客の反応が企業の意図に即している理由や、即していない理由を把握することは、マーケティング、販売、パーソナライズした直接サービスによる次の対応を計画するための鍵です。

人間の複雑な感情を理解できるツールの導入は、顧客基盤から必要なフィードバックを得るために非常に重要です。従来の感情分析には複数のテクノロジに関する専門知識が必要でしたが、現在ではソフトウェア ツールを利用して、ほとんどまたはまったくナレッジがなくても感情分析を実施できます。


ビジネスに最適な感情分析ツールを探す

インテリジェントな感情分析ツールを統合した顧客データ プラットフォーム (CDP) を選択することは、ビジネスにとって最優先事項であるべきです。オムニチャネルでのカスタマー エクスペリエンスを成功させるためには、包括的な顧客プロファイルをリアルタイムに生成するために必要なすべての機能を備えた CDP が、組織だけでなく、チームにも必要です。これには 顧客リレーションシップ管理 や収集したデータを最適化するための新たな分析情報に貢献する感情分析ツールも含まれています。

NLP モデルを用いた CDP を探して、顧客の意見や感情を正確かつ効率的に分析しましょう。一般に公開されているさまざまなデータを使用してモデルを学習させることで、顧客センチメント スコアを生成し、目標とする改善のために該当するビジネス領域を特定できるはずです。

Microsoft Dynamics 365 で感情分析を開始する

Dynamics 365 Customer Insights で多次元プロファイルを使用し、パーソナライズしたエクスペリエンスを提供して、これまでにない方法で顧客を把握します。最適化した顧客体験全体のリアルタイム インサイトを導入し、顧客がもたらす生涯価値を最大化します。そして肯定的な顧客センチメントを促進する方法に関する的確な予測で、顧客データから価値を引き出します。