Analisis Sentimen : Visualisasi (Bagian 2)

Dalam pembahasan kali ini kami akan fokus pada empat hasil visualisasi data analisis sentimen yang telah dibuat oleh dashboard.

• Sentimen Keseluruhan
• Sentimen dari Waktu ke Waktu (over time)
• Sentimen Berdasarkan Peringkat (rating)
• Sentimen Berdasarkan Topik (topic)

1. Sentimen keseluruhan

Kita akan mulai dengan menampilkan grafik relevan dari dashboard di atas. Sentimen keseluruhan ulasan Chewy, dibagi menjadi sentimen positif (38,2%), negatif (40,8%), dan netral (21%) dalam bentuk bagan lingkaran.

Anda akan melihat hasil ini sangat berbeda dari gambaran umum TrustPilot (82% sangat bagus, dll). Ini karena kecerdasan analisis sentimen AI MonkeyLearn melakukan analisis sentimen lanjutan, dengan memeriksa setiap kalimat ulasan dari kalimat ke kalimat, kata demi kata.

Yang Anda dapatkan adalah penilaian yang akurat dari semua yang pelanggan tulis, bukan hanya penghitungan sederhana dari bintang-bintang. Analisis ini dapat menunjukkan kepada Anda titik-titik gesekan dengan jauh lebih akurat dan lebih rinci.

Simak mekanisme bagaimana analisis sentimen bekerja di bawah ini.

2. Sentimen dari waktu ke waktu

Inilah grafik sentimen dari waktu ke waktu yang praktis: Contoh visualisasi data temporal yang menggambarkan perubahan bertahap dalam sentimen ulasan selama periode waktu tertentu. Ini melacak proporsi keseluruhan sentimen positif, netral, dan negatif dalam bahasa ulasan dari tahun 2016 hingga 2021. Tanggapan negatif turun dari tahun 2019–2020, kemudian melonjak kembali ke level sebelumnya pada tahun 2021.

Contoh visualisasi data ini adalah visualisasi data temporal klasik, yang melacak hasil dan menggambarkannya selama periode waktu tertentu.

Grafik ini memperluas data Sentimen Keseluruhan kami — ini melacak proporsi keseluruhan sentimen positif, netral, dan negatif dalam ulasan dari tahun 2016 hingga 2021.

Grafik ini memberikan informasi tentang perubahan bertahap dalam konten ulasan tertulis selama periode lima tahun ini. Sebagai contoh, tanggapan negatif turun dari tahun 2019–2020, kemudian melonjak kembali ke level sebelumnya pada tahun 2021.

3. Sentimen berdasarkan peringkat

Jumlah ulasan dan proporsi sentimen yang dibagi berdasarkan peringkat.

Sekarang kita beralih ke sesuatu yang mengaitkan sentimen berbasis teks kami dengan hasil awal TrustPilot.

Dengan mengambil setiap kategori TrustPilot dari 1-Buruk hingga 5-Luar Biasa, dan memecah teks ulasan tertulis dari skor, Anda dapat mengekstrak grafik di atas.

Melihat hasilnya, dan berkat melihat ulasan lebih dalam melalui analisis sentimen, kita bisa mengambil beberapa kesimpulan menarik langsung.

• Hasil TrustPilot tidak tidak berguna — ulasan yang lebih baik memiliki proporsi sentimen positif yang lebih tinggi dan ulasan yang lebih buruk memiliki lebih banyak sentimen negatif. Namun, semua ulasan mengandung sedikit dari semua jenis sentimen — kita telah belajar bahwa ulasan kami nuansanya dan dengan demikian kemungkinan memiliki wawasan tersembunyi lebih banyak bagi kita!
• Ulasan kami bersifat polarisasi. Mereka condong dalam jumlah ke peringkat 5 dan 1.

Poin-poin singkat ini mengarahkan kita pada potensi analisis masa depan. Khususnya, bagian sentimen positif dari ulasan negatif dan bagian negatif dari ulasan positif, serta ulasan peringkat 2–4 (mengapa mereka merasakan apa yang mereka rasakan, bagaimana kita bisa meningkatkan skor mereka?).

4. Sentimen berdasarkan topik

Jumlah ulasan dan proporsi sentimen yang dibagi berdasarkan topik: dukungan pelanggan, pengiriman, produk, harga, dan situs web.

Akhirnya, kita bisa melihat Sentimen Berdasarkan Topik untuk mulai menggambarkan bagaimana analisis sentimen bisa membawa kita lebih jauh dalam data kita.

Grafik di atas mengaplikasikan klasifikasi teks terkait produk bersamaan dengan analisis sentimen untuk menghubungkan sentimen tertentu dengan fitur spesifik produk / layanan, ini dikenal sebagai analisis sentimen berbasis aspek.

ini berarti kita dapat mengetahui bagaimana pelanggan merasa tentang apa, membantu kita lebih fokus dan memperbaiki titik-titik rasa sakit atau masalah tertentu.

Semua ini adalah titik awal yang bagus yang dirancang untuk secara visual mendemonstrasikan nilai analisis sentimen — tetapi mereka hanya menggaruk permukaan dari kekuatannya yang sebenarnya.