Phân tích quan điểm là một ứng dụng của trí tuệ nhân tạo, nó sử dụng các thuật toán phức tạp để xử lý ngôn ngữ tự nhiên của con người (NLP) và xác định các đặc điểm cảm xúc tiêu cực/tích cực tại một thời điểm thông qua văn bản hoặc lời nói. Các nguồn dữ liệu được phân tích phổ biến như Social media, Blog, Website đánh giá sản phẩm, tổng đài Contact center,…
Hiện nay, nhờ sự tiến bộ của các công nghệ thế hệ mới, các thuật toán phân tích quan điểm ngày càng được nâng cấp với độ chính xác cao, từ đó hỗ trợ trong các sản phẩm thông minh như trợ lý ảo tích hợp trên ô tô, căn hộ… cải thiện chất lượng cuộc sống của con người.
Lợi ích của phân tích quan điểm
– Xác định và trích xuất thông tin hữu ích từ khách hàng
Việc nhận biết được cảm xúc của người dùng trong cuộc trò chuyện giúp doanh nghiệp phân tích được mức độ quan tâm của khách hàng đối với thương hiệu, sản phẩm/ dịch vụ của mình. Đây là nguồn thông tin có giá trị cao giúp doanh nghiệp điều chỉnh chiến lược về sản phẩm, kinh doanh, marketing và đặc biệt là các dịch vụ tư vấn phù hợp.
– Tự động đánh giá chất lượng của các tư vấn viên hoặc tổng đài viên
Thông qua cảm xúc của khách hàng trong các cuộc trò chuyện bằng tin nhắn hoặc cuộc gọi, doanh nghiệp dễ dàng xác định được thái độ và sự hài lòng của khách hàng đối với hoạt động tư vấn. Từ đó dễ dàng đánh giá được chất lượng của nhân viên và quản lý hiệu quả hơn.
Các dạng phân tích quan điểm chính
1. Phân tích chi tiết (Fine-Grained)
Mô hình phân tích cảm xúc này này giúp xác định được độ chính xác của các tính chất. Các tính chất chính được phân chia thành: rất tích cực, tích cực, trung tính, tiêu cực hoặc rất tiêu cực. Việc phân chia chi tiết như vậy rất phù hợp để đánh giá các cuộc trò chuyện
Đối với thang điểm đánh giá từ 1 đến 5, bạn có thể coi 1 là rất tiêu cực và 5 là rất tích cực. Đối với thang điểm từ 1 đến 10, bạn có thể coi 1-2 là rất tiêu cực và 9-10 là rất tích cực.
2. Dựa trên khía cạnh (Aspect-Based)
Trong khi phân tích chi tiết xác định tính chất tổng thể cảm xúc của khách hàng trong cuộc trò chuyện, thì phân tích dựa trên khía cạnh sẽ đi sâu hơn, nhận dạng cụ thể từng khía cạnh trong lời nói của họ.
Chẳng hạn khi khách hàng nói rằng “máy ảnh gặp khó khăn trong điều kiện ánh sáng nhân tạo”. Với phân tích dựa trên khía cạnh, chúng ta không chỉ đánh giá được đây là cảm xúc tiêu cực mà còn có thể xác định rằng người dùng đó đã nhận xét tiêu cực về đối tượng “máy ảnh”.
3. Phát hiện cảm xúc (Emotion Detection)
Cảm xúc ở đây có thể bao gồm các sắc thái tức giận, buồn bã, hạnh phúc, thất vọng, sợ hãi, lo lắng, hoảng sợ… Hệ thống phát hiện cảm xúc thường sử dụng từ vựng – một tập hợp các từ truyền tải những cảm xúc nhất định. Một số bộ phân loại nâng cao cũng sử dụng các thuật toán học máy (Machine Learning – ML) mạnh mẽ.
4. Phân tích ý định (Intent Analysis)
Việc xác định chính xác mục đích của người tiêu dùng có thể giúp công ty tiết kiệm thời gian, tiền bạc và công sức, bởi các doanh nghiệp có thể không tiếp tục chăm sóc những khách hàng không tiềm năng và chưa có kế hoạch mua hàng. Phân tích mục đích chính xác có thể giải quyết nhiều vấn đề cho doanh nghiệp như vậy.
Phân tích mục đích giúp doanh nghiệp xác định mục đích của người tiêu dùng – cho dù khách hàng có ý định mua hàng hay chỉ đang lướt qua. Nếu khách hàng sẵn sàng mua hàng, bạn có thể theo dõi họ và nhắm mục tiêu họ bằng các quảng cáo. Nếu người tiêu dùng chưa sẵn sàng mua, chúng ta có thể tiết kiệm thời gian và nguồn lực bằng cách không quảng cáo cho họ.
Giới thiệu thuật toán Xác định ngữ nghĩa theo ngữ cảnh (Contextual Semantic Search – CSS)
Để nắm bắt được những thông tin hữu ích từ khách hàng, điều quan trọng nhất là phải hiểu họ đang thảo luận về khía cạnh nào của thương hiệu. Ví dụ: Amazon muốn tách biệt các tin nhắn liên quan đến: giao hàng trễ, vấn đề thanh toán, truy vấn liên quan đến khuyến mại, đánh giá sản phẩm, v.v. Mặt khác, Starbucks muốn phân loại các tin nhắn dựa trên việc chúng có liên quan đến hành vi của nhân viên, hương vị cà phê mới hay không, phản hồi về vệ sinh, đơn đặt hàng trực tuyến, tên và vị trí cửa hàng, v.v. Nhưng làm thế nào máy tính có thể phân loại những thứ đó?
Giải pháp cho vấn đề này chính là thuật toán tìm kiếm thông minh thông minh – Xác định ngữ nghĩa theo ngữ cảnh (CSS). Cách hoạt động của CSS là nó lấy hàng nghìn thông điệp và một khái niệm làm đầu vào và lọc tất cả các thông điệp có mối liên quan chặt chẽ với khái niệm đã cho. Chẳng hạn như với khái niệm giá, thuật toán thực hiện tìm kiếm từ khóa về Giá và các từ liên quan chặt chẽ khác như (giá, phí, đô la, trả tiền).
Tuy nhiên, điểm hạn chế của phương pháp này chính là không thể tìm ra tất cả các từ khóa có liên quan và các biến thể của chúng.
Tư liệu tham khảo: Towards Data Science
