Hur man använder Microsoft Excel för sentimentanalys

Du kan använda Microsoft Excel för att utföra grundläggande sentimentanalys på text. Resultaten kommer att visa dig trender dolda i data.

De potentiella användningsområdena för sentimentanalys är obegränsade: en historiker kan använda sentimentanalys för att förstå avsikten med en författare som skrivit hundratals år i det förflutna. På samma sätt kan en marknadschef övervaka utvecklingen av varumärkets rykte över tid.

Sentimentanalysmetoden som diskuteras i den här artikeln kommer att använda maskininlärning för att poängsätta din text och klassificera den som uttryckande Positiv, Negativ, eller Neutral känslor.

Du behöver Microsoft Excel och Azure Machine Learning-tillägget.

Varför är sentimentanalys viktig?

För människor som bygger produkter, arbetar med marknadsföring eller politik, eller bedriver forskning, är det en professionell nödvändighet att förstå de känslomässiga känslorna för ett visst ämne.

Sentimentanalys kan hjälpa dem. Även om det inte helt kommer att ersätta användningsdata, undersökningar, intervjuer och skrivbordsundersökningar, är Sentiment Analysis ett gediget verktyg att ha till ditt förfogande.

Varför? I nästan alla situationer där du har en stor mängd ostrukturerad kvalitativ data kan sentimentanalys snabbt ge dig insikter i dess underliggande budskap.

Sentimentanalys fungerar bäst när en stor mängd data analyseras.

Att utföra sentimentanalys på det senaste textmeddelandet från ditt romantiska intresse kommer sannolikt inte att returnera information med något mervärde. Å andra sidan, att analysera tusentals Tweets som innehåller en specifik hashtag kommer att ge dig användbara resultat.

Relaterad: Solida tips för att förbättra ditt Twitter-rykte

Andra möjliga användningsfall inkluderar att analysera produktrecensioner, granska kundundersökningar och avslöja en PR-kris. Dessutom kommer regelbunden sentimentanalys att låta dig spåra hur kundernas attityder till ditt företag förändras över tiden.

Volym vs. Känsla

Sentimentanalys är en viktig del av övervakning av sociala medier för alla företag eller varumärken som är medvetna om sitt rykte.

Till exempel kan du se att ditt företag får en stor mängd omnämnanden på sociala medier. Men bara omnämnanden är inte allt.

Ibland är omnämnanden bra. Till exempel kan de betyda en stor mängd positiva allmänhetens känslor gentemot ditt företag.

Andra gånger kanske du står inför en PR-kris som håller på att spiralera utom kontroll. Som ett resultat är allmänhetens känsla för ditt företag negativ.

Att särskilja känslan inom en stor volym omnämnanden i sociala medier kan göra stor skillnad.

Använder Microsoft Excel för sentimentanalys

Vissa övervakningsplattformar för sociala medier inkluderar sentimentanalys som en del av sitt erbjudande. Det är också möjligt att utföra sentimentanalys på text med hjälp av ett programmeringsspråk som Python.

Dessa alternativ kräver dock antingen en betydande budget för att ha råd med en övervakningsplattform för sociala medier eller kodningsfärdigheter.

Om du är som de flesta andra och inte har någon av dessa, är Microsoft Excel ett bra alternativ för att utföra grundläggande sentimentanalys.

Även om inget av dessa verktyg ger perfekta resultat, kan de hjälpa dig att förstå den övergripande trenden för känslorna i texten.

Hur man utför sentimentanalys i Microsoft Excel

Följ dessa steg för att prova en sentimentanalys med Excel utan att skriva kod. Under huven är Excel och Azure-tillägget beroende av en naturlig språkbehandlingsalgoritm och en generisk ordbok med positiva och negativa ord. Varje ord i lexikonet tilldelas ett positivt, neutralt eller negativt värde.

1. Ordna data du vill analysera i ett Microsoft Excel-ark.
2. Rensa upp data genom att ta bort tomma utrymmen och onödiga karaktärer.
3. Gör den första cellen i din datauppsättning tweet_text (behåll med gemener).
4. Gå till Infoga > Tillägg.
5. Gå sedan till Sök > Azure Machine Learning.
6. När det har installerats kommer Azure Machine Learning-tillägget att dyka upp en ruta till höger på skärmen.
7. Du kommer att se två alternativ: Titanic Survivor Predictor och Textsentimentanalys.
8. Klicka på Textsentimentanalys.
9. Gå till Förutspå > Inmatning, lägg sedan till intervallet där data du vill analysera finns.
10. Lämna Mina data har rubriker kontrollerade.
11. Gå till Produktion och lägg till cellen där du vill att analysresultaten ska hamna.
12. Tryck Förutspå.

A Känsla och Göra för texten i varje cell kommer att fyllas i; motsvarande text är mer Negativ om poängen är närmare noll. Du kanske föredrar att ändra Poäng till a Procent. I så fall, ju närmare a Göra är att 100%, desto mer positivt är det. Neutral är vilken som helst Göra runt 50%.

Se nedanstående exempel från Treasure Island av Robert Louis Stevenson.

Hur man får insikter från sentimentanalys

Efter att ha kört Sentiment Analysis kommer du att ha celler med Positiv, Negativ, eller Neutral klassificeringar och deras motsvarande numeriska poäng.

Hur kan du omvandla resultaten till förståeliga insikter? Här är några idéer:

• Segmentera klassificeringarna efter skapa en pivottabell i Excel.
• Du kan använda Visio, som nu ingår i Microsoft 365 Business utan extra kostnad, för att visualisera det totala antalet för var och en av de Positiva, Negativa, eller Neutrala. Datavisualisering kan ge dig ett fågelperspektiv.
• Om du ansvarar för reputation management på ett företag eller varumärke, kanske du vill fokusera på att skanna igenom alla texter som klassas som Negativ. Vad gör texten Negativ? Är det något du behöver förmedla för att lösa problemet?
• Du kan göra samma övning för texterna som klassificeras som Positiv. Kanske finns det en särskilt trevlig kundrecension begravd i ett stort antal produktrecensioner som du skulle vilja dela med dig av.
• Du kan också segmentera texten ytterligare så att du bara ser celler som nämner en ny produktfunktion. Är användare fler Positiv, Negativ, eller Neutral om funktionen? Sentiment Analysis kan hjälpa dig att fastställa detta och mer effektivt samla in feedback.

Sentimentanalys kan ta människor ur beslutsprocessen. Ibland kan detta vara bra eftersom texttolkning kan vara högst subjektivt.

Föreställ dig till exempel en grupp människor som försöker avgöra om 5 000 produktrecensioner är fler Positiv eller Negativ. Deras olika perspektiv och uppmärksamhet på detaljer kommer att sänka trovärdigheten för det övergripande resultatet. Att tillåta en maskins databas att bestämma kommer i hög grad att hjälpa till med konsekvensen. Relaterad: De bästa tipsen och verktygen för att fatta gruppbeslut på jobbet

Användning av Microsoft Excel för sentimentanalys

Om du vill prova att utföra sentimentanalys men inte har mycket ekonomiska resurser eller kodningskunskaper, då är Microsoft Excel ett utmärkt ställe att börja.

Sentimentanalys i Microsoft Excel ger dig insikter som du kan använda för att förstå ostrukturerad textdata. Det kan också vara ett idealiskt sätt att bekanta dig med maskininlärningskoncept innan du dyker in i ett projekt på fältet.

11 projektidéer för maskininlärning för nybörjare

Dessa projektidéer är utmärkta för dem som har lite programmeringskunskaper och vill ta sig in i maskininlärningsområdet.

Läs Nästa

Om författaren