感情分析とは?

グレーのシャツと黄色のオーバーオールを着た巻き髪の人が丸いテーブルに向かって座り、ノート PC で作業しています。

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、これは、単なる顧客アンケートの提供ではありません。顧客基盤が自社ブランドについてどう感じているかに関する会話に積極的に関与する必要があります。そして、その解明の鍵となるのが感情分析です。

感情分析の定義

感情分析 (オピニオンマイニングまたは感情人工知能とも呼ばれます) は、自然言語処理 (NLP) 技術であり、コンテンツが満足、普通、不満のいずれであるかを判断します。テキストと統計を分析することで、感情分析ツールは、顧客が何を言っているのか、どのように言っているのか、本当に何を意味しているのかを理解できます。これらは、個人の視点と公衆の視点の両方からもたらされます。

テキストマイニングの傘下で、感情分析は、フィードバック資料やレビュー、アンケート、Web 記事、ソーシャルメディアなどのチャネルで顧客の声を特定するために定期的に使用されます。言語が進化するにつれて、これらのチャネルを通じて意図を理解することがますます難しくなり、辞書の定義に頼ることは不正確な読み取りにつながる可能性があります。

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感情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、顧客の意見を判断するために質問票やアンケートに依存していました。たとえば、Net Promoter Score (NPS) アンケートでは、顧客が企業を推薦する意欲を測定するために必要な情報を集約し、評価しました。それは貴重な情報である一方、デジタルチャネル全体にわたるカスタマーエクスペリエンス (購入を行うタイミングなど) に関するより深い分析情報を提供する能力が著しく欠如している場合があります。

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感情を監視、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。このデータを満足、普通、不満の 3 つの感情に分類すると、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感情や感じ方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 (「この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」)、また満足でありながら不満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感情モデルの調整が必要になる場合があります。

しかし、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。まずは、感情分析をビジネスで活用する方法を必ず理解する必要があります。

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、1 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。

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。
各フレーズと構成要素を識別します。
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。
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、満足、普通、不満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。このシステムは、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トレーニングされます。機械は入力データによって分類され、一度トレーニングされると、時間の経過とともに適応できます。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、辞書や表現集を使用し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。この種のアプローチは、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。このアプローチでは、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

ルールベースのシステム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はブランドに関するオンラインでの会話を垣間見ることしかできませんが、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満足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、それは満足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分析情報の適用と、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。
適応学習を活用することで、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分析情報を取得できます。

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。これらの分析情報から、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感情に基づいて、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使用して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、そのナレッジを使用して対応を決定し、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 つすべてに対する顧客の評価に関する分析情報を提供します。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、製品やブランドを不満または満足として認識している理由を明らかにします。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、またはその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関するキーワードを追跡することで、製品、キャンペーン、ソリューションの成功を全体的に測定できます。
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不満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可能性があります。
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となります。

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、カスタマーリレーションシップマネジメント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 モデルを使用した 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トレーニングすることで、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 を使用して感情分析を開始する

Dynamics 365 Customer Insights を使用すると、パーソナライズされたエクスペリエンスを提供するのに役立つ多次元プロファイルを使用して、これまでにない方法で顧客を把握できます。最適化された顧客体験全体にわたってリアルタイムの分析情報を活性化し、顧客の生涯価値を最大化します。満足な顧客感情を高める方法に関する的確な予測を使用して顧客データの価値を解き放ちます。

Dynamics 365 Customer Insights の詳細情報

お問い合わせ

営業担当者とチャット

営業時間: 月曜日 - 金曜日、午前 9:00 - 午後 5:30。

チャットを開始する

マイクロソフトからの連絡をリクエストする

Dynamics 365 の営業担当者からご連絡を差し上げます。

リクエストの送信

電話による営業担当者へのお問い合わせ