B2B Growth · Strategy · Revenue · AI Automation Маркетинг с 2008 года
Словарь маркетинга

Анализ тональности текста (Sentiment Analysis)

Коротко
Sentiment Analysis классифицирует эмоциональную или оценочную окраску текста — например, positive, neutral, negative. Метод полезен на больших массивах, но сильно зависит от контекста и языка.

Где используют

  • Отзывы и рейтинги.
  • Social listening.
  • Support tickets.
  • Call/chat transcripts.
  • Открытые ответы опросов.
  • PR и репутационный мониторинг.

Почему sentiment сложнее трёх классов

Сарказм, смешанная оценка, профессиональный жаргон и контекст легко ломают простую классификацию. «Продукт мощный, но внедрение ужасное» содержит положительный и отрицательный сигнал одновременно.

Уровни анализа

УровеньПример
Document-levelОбщий тон всего отзыва
Sentence-levelТон конкретного предложения
Aspect-basedОтдельный sentiment по цене, сервису, продукту

Как повысить качество

  1. Определите business taxonomy, а не используйте generic sentiment без проверки.
  2. Соберите размеченную выборку из своего языка и категории.
  3. Проверяйте precision/recall или хотя бы manual accuracy.
  4. Используйте aspect-based подход для сложных отзывов.
  5. Показывайте исходный текст рядом с агрегированной метрикой.

Что sentiment не доказывает

Рост доли negative не обязательно означает падение удовлетворённости всей базы: мог измениться источник данных или доля людей, которые вообще пишут. Sentiment — сигнал, который нужно сопоставлять с volume, segment и business outcomes.

Связанные понятия

Итог
Sentiment Analysis полезен как масштабируемый слой классификации, если команда понимает ошибки модели и не заменяет им чтение реального контекста.
Исследования рынка и клиентов