Sentimenttianalyysi – kun äänensävyllä on väliä

Megafoni vaaleanpunaisella taustalla.
Megafoni vaaleanpunaisella taustalla.

Äänensävy kertoo meille paljon: se saattaa viestiä turhautumisesta, ilosta, asiantuntijuudesta, epäilevästä mielestä tai vaikkapa neutraalista tunnetilasta. Kun ihminen keskustelee toisen kanssa kasvokkain, toisen ihmisen ilmeitä, eleitä ja ääniä on helpohko tulkita. Kun keskustelu siirretään painettuun-, digitaaliseen-, tai sosiaalisen mediaan, saattaa keskustelun sävyn, eli sentimentin erottaminen olla haastavampaa. Tästä syystä sentimentin tulkinta ja  sentimenttianalyysin tekeminen on tärkeää yrityksissä: sen avulla voi esimerkiksi tunnistaa nopeammin pinnan alla kyteviä kriisejä.

Sävy-, eli sentimenttianalyysi on hyvä keino seurata keskusteluja, joita yrityksestä, sen tuotteista, palveluista tai kilpailijoista käydään esimerkiksi sosiaalisessa mediassa. Sentimenttianalyysiä voidaan tehdä niin digitaalisesta uutismediasta, printistä, näköislehdistä, podcasteista, sosiaalisesta mediasta, televisiosta kuin radiosta esimerkiksi mediaseurannan ja media-analyysin keinoin. Sentimenttianalyysin arvo ei piile kuitenkaan yksittäisten someviestien tai artikkelien analysoinnissa, vaan niiden yhdistelemiseen ja vertailemiseen perustuvassa ymmärryksessä.

Sisältö:

Mitä sentimenttianalyysi tarkoittaa?

Sentimentti- eli sävyanalyysin avulla pystytään tutkimaan erilaisissa teksteissä esiintyviä tunteita: sentimenttianalyysin avulla voidaan arvioida viestin sisältöä positiivisella, neutraalilla ja negatiivisella akselilla. Sentimenttianalyysiä voidaan tehdä sekä koneoppimisen että ihmisen tekemän analysoinnin kautta. Sentimenttianalyysin avulla on mahdollista tarkastella esimerkiksi yrityksen tai sen avainhenkilöiden, tietyn tuotteen tai yrityksen kilpailijoiden näkymistä sekä toimitetussa- että sosiaalisessa mediassa.

Mitä hyötyä sentimenttianalyysistä on?

Sosiaalisen median käytön yleistyminen on jossain määrin vaikuttanut siihen, että palautteen antaminen tietystä tuotteesta tai palvelusta saattaa jäädä antamatta ensin tai kokonaan itse yritykselle ja keskustelu tuotteen tai palvelun laadusta siirtyy helposti puskaradiomaisesti sosiaaliseen mediaan ja keskustelupalstoille. Somekuuntelun ja sentimenttianalyysin avulla pystyy tunnistamaan helpommin esimerkiksi sitä, mistä tuotteesta asiakkaat pitävät eniten ja mistä ei.

Sentimenttianalyysi toimii erityisesti arvokkaana välineenä kriisiviestinnässä, sillä se toimii palohälyttimen tavoin: palohälytin ei sammuta pinnan alla kytevää tai jo roihuavaa tulipaloa, mutta se auttaa tunnistamaan tulen. Sentimenttianalyysi toimii siis samalla tavalla: se ei auta sammuttamaan kriisiä, mutta sen avulla yritys tai organisaatio pystyy tarkastelemaan pinnan alla kyteviä tai jo pinnalle nousseita kriisejä ja reagoimaan niihin nopeammin. Sama pätee myös positiivisiin asioihin: mikäli tietystä tuotteesta tai palvelusta keskustellaan suureksi osaksi positiivisella sävyllä, voidaan tietoa hyödyntää vaikkapa tuotekehityksessä.

Kuvakaappaus Meltwaterin alustan sentimenttianalyysistä, joka erottelee negatiivisen ja positiivisen äänensävyn.

Kuvakaappaus: Meltwaterin interaktiviinen dashboard ja sentimenttianalyysi

Onko sentimenttianalyysi koneen vai ihmisen tekemää?

Sentimenttianalyysiä voi tehdä sekä koneoppimisen kautta että ihmisen analysoiman sisällön kautta. Koneoppimisen kautta tehty sentimenttianalyysi on ns. määrällistä tekstianalyysiä. Tekstianalyysi keskittyy tekstin semanttisiin ominaisuuksiin, kuten esimerkiksi positiivisiin ja negatiivisiin sanoihin, ilmaisuihin sekä konnotaatioihin.

Koneoppimisen kautta tehty tekstianalyysi on nopeaa: se mahdollistaa sen, että yrityksen on mahdollista nopealla aikataululla analysoida sellaisiakin isoja aineistoja, joiden sisältämän tekstimäärän lukeminen veisi vuosikausia. Monissa tilanteissa pelkän tekstianalyysin ja koneoppimisen käyttäminen sentimenttianalyysissa voi kuitenkin olla ristiriitaista: esimerkiksi sarkasmin tai ironian tulkinta ja kontekstista erottaminen on haastavaa joskus jopa ihmisille ja erityisesti tietokoneille, ja koneoppimisen kautta tehty sentimenttianalyysi saattaakin osoittautua tuloksiltaan vääräksi. Voi myös olla, että viestin negatiivinen ilmaus koskeekin jotain muuta kuin viestissä mainittuja viestijöitä ja tämä jää koneelta huomaamatta, sillä koneoppimisen kautta tehty sentimenttianalyysi perustuu usein sanalistoihin positiivisista ja negatiivisista ilmaisuista.

Koneoppimisen kautta tehdylle sentimenttianalyysille on kuitenkin aikansa ja paikkansa: esimerkiksi Meltwaterin mediaseurannan kautta sentimentti päivittyy uutis- ja some-mainintoihin reaaliajassa, eikä määrätyn ihmisen tarvitse olla lukemassa mainintoja joka minuutti. Näin pysytään helposti reaaliajassa mukana siinä, onko esimerkiksi yritykseen tai organisaatioon liittyvä keskustelu kääntymässä jossain mahdollisesti positiivisesta negatiiviseksi tai onko negatiivinen häly kääntymässä neutraalimpaan muotoon. Vaikka koneoppimisen kautta sävytetty teksti ei välttämättä ole aina 100 % varma, antaa se hyvää lisätietoa siitä, miten yrityksestä, tuotteista, palveluista, kilpailijoista tai toimialasta puhutaan eri kanavissa ja medioissa.

Kun sentimenttianalyysiin ottaa mukaan ihmisen, niin äänensävyn tulkinta syvenee ja monimuotoistuu. Mukaan tulee tuolloin laadullisia menetelmiä, kuten esimerkiksi diskurssianalyysi ja keskusteluanalyysi. Diskurssianalyysi asettaa tekstianalyysin laajempaan kehykseen: se ottaa huomioon käsitykset ja näkemykset todellisuudesta ja tarkastelee sitä, kuinka artikkelit tai somemaininnat sijoittuu muuhun julkisuuteen tarkasteltavana ajanjaksona. Keskustelunanalyysin kautta on taas mahdollista tarkastella laadullisesti sitä, miten kahden tai useamman ihmisen välinen keskustelu ja vuorovaikutus näyttäytyy ja sävyttyy. Yksityiskohtaisempi tutkiminen helpottuu, kun sentimenttianalyysin teossa on mukana ihminen.

Millaisia työkaluja sentimenttianalyysin tekemiseen on olemassa?

Kuten jo varmasti huomasitkin, sentimenttianalyysiä voi tehdä sekä koneoppimisen tai ihmisen tekemän sentimenttianalyysin keinoin. Usein paras lopputulos on näiden kahden voiman yhdistämisessä: esimerkiksi suurilla organisaatioilla saattaa koitua ongelmaksi se, että media- ja somenäkyvyys kasvaa vuositasolla niin suureksi, ettei ole enää mielekästä tai kustannustehokasta luetuttaa jokaista pientä artikkelia tai sosiaalisen median mainintaa ihmisen voimin. Tällaisessa tapauksessa sentimenttianalyysiä voi tehdä esimerkiksi mediaseurannassa tehokkaasti sekä määrällisen, että laadullisen sentimenttianalyysin keinoin: sentimenttianalyysissa luotetaan koneoppimisen kautta tehtyyn analyysiin, mutta ihminen sävyttää esimerkiksi suurimmat näkyvyyspiikit ja suurimmissa medioissa julkaistut artikkelit.

Sentimenttianalyysi voi olla siis joko täysin koneellisesti tehtyä, ihmisen tekemää tai näiden yhdistelmää. Meltwaterilla on käytössä sekä automaattisia raportteja että media-analyytikoiden tekemiä räätälöityjä sentimenttianalyysejä. Sentimenttianalyysiä voi siis tehdä koneellisen sävytyksen tai media-analyytikon tekemän sävytyksen kautta. Media-analyysit ovat useimmiten räätälöityjä asiakkaan tarpeisiiin perustuen ja sävytyksestä voidaan käydä myös dialogia asiakkaan kanssa: jos media-analyysin tilannut organisaatio on sitä mieltä, että tietyn kategorian osumat ovat lähtökohtaisesti negatiivisia tai positiivisia riippumatta kontekstista, se on sovittavissa media-analyytikon kanssa. Media-analyysin sävytys voidaan tehdä myös käymättä dialogia asiakkaan kanssa: silloin analyysin tarkoituksena on saada täysin ulkopuolinen arvio siitä, kuinka yritystä käsitellään mediassa.

Miten sentimenttianalyysi auttaa viestinnän mittaamisessa?

Sentimenttianalyysi auttaa viestinnän mittaamisessa monilla eri keinoilla: sen avulla pystyy selvittämään esimerkiksi sitä, millaiset mediat tai toimittajat suhtautuvat eri aiheisiin kriittisimmin, kuinka laaja näkyvyys negatiivisella, positiivisella tai neutraalilla näkyvyydellä on ollut, ja mitkä aiheet tai teemat ovat olleet tarkastelujakson aikana positiivisimmassa tai negatiivisimmassa valossa. Sentimenttianalyysi konkretisoi myös sitä, millä sävyllä yrityksen avainhenkilöt, eli spokes personit mediassa näyttäytyvät ulkopuolisten keskustelujen ja artikkelien kautta. Sentimenttianalyysi syventää viestinnän mittareita.

Sentimenttianalyysiä voi käyttää monissa erilaisissa tapauksissa. Media-analyysissa sentimenttianalyysin kohde voi olla esimerkiksi:
– yritys tai organisaatio

– kilpaileva yritys tai organisaatio

– yrityksen oma tuote, palvelu tai tavaramerkki

– kilpaileva tuote, palvelu tai tavaramerkki.

Haluatko kuulla lisää Meltwaterin media-analyyseistä tai mediaseurannasta? Jätä alle yhteystietosi, niin olemme sinuun pian yhteydessä.

Loading...