Алгоритмы для боссов
В середине 2000-х многие компании начали применять сентимент-анализ или анализ тональности текста для оценки популярности своей продукции среди клиентов. Компании использовали алгоритмы для оценки тысяч отзывов покупателей, чтобы выявить их эмоции, скрытые в тексте.
В 2016 году индустрия сентимент-анализа используется в разных отраслях: социологических исследованиях, анализе публикаций в социальных сетях, а крупные корпорации таким образом оценивают степень удовлетворенности работой своих сотрудников. Обозреватель vc.ru разобрался, как анализ тональности текста помогает компаниям создавать оптимальные условия для сотрудников.
Перед президентскими выборами 2012 года в США, издание USA Today запустило спецпроект совместно с компанией-партнером Topsy. Проект был призван оценить, как пользователи социальных сетей отзываются об обоих кандидатах в президенты: Бараке Обама и Митте Ромни. 1 мая 2012 года сентимент-оценка Обамы равнялась 32 баллам, а Ромни - 26. 7 ноября Обама получил 85 баллов, а Ромни - 57.
Практически каждый день, пока шло исследование, социолог Марк Смит негативно отзывался о спецпроекте. «Это безответственно. Информация, собранная USA Today настолько нелогична и бесполезна, что ее сбор можно приравнять к преступлению», - говорил Смит.
Спецпроект заключался в том, что алгоритмы Topsy - компании, специализирующейся на поиске по социальным медиа - находили посты в Twitter, касающиеся Обамы и Ромни, а затем оценивали их эмоциональную окраску. По мнению Смита, USA Today не учитывало того факта, что твиты отправляли две отдельные группы пользователей: сторонники Обамы и Ромни.
В результате этого, изменения в ходе президентской гонке фактически ничего не значили - они определяли лишь «громкость» сторонников каждого кандидата в социальных сетях в этот день.
Загадка Topsy
В марте 2014 года некоммерческая организация Global Voices использовала аналитику Topsy для того, чтобы оценить частоту использования слов «война» и «мир» среди русскоязычных пользователей. «Графики показывают, что за последние несколько дней в сотнях тысяч твитов были упоминания слова "война"», - писали в Global Voices. Технологии Topsy часто использовали для анализа реакции пользователей на различные события.
В 2013 году компания Apple приобрела Topsy за $225 млн. Технологии Topsy впечатляли - компания могла проводить поиск в реальном времени среди всего архива сообщений в Twitter, начиная с 2006 года. Однако это все равно не объясняло, зачем Apple нужна технология сентимент-анализа в социальных сетях.
Крупная сумма, которую Apple заплатила за поглощение Topsy, подогрела интерес к сентимент-анализу. Позже выяснилось, что компания использовала технологии Topsy для создания сервиса Proactive, который предлагает пользователям релевантную информацию по поисковым запросам.
«В 2013 году результаты поиска в Spotlight выглядели как список приложений и контактов. Сейчас это статьи из "Википедии", информация со всех приложений и многое другое. Apple и Topsy просто выбросили поисковую строку Google с вашего iPhone», - писал редактор Business Insider Аарон Хэйс-Рот. Мнения о том, что Apple приобрела Topsy для борьбы с Google, придерживались и другие издания.
Однако в индустрии появилось много компаний, которые заменили Topsy и вывели технологию сентимент-анализа на новый уровень.
«Как работается?»
Каждый день люди отправляют и получают 200 млрд электронных писем, сотни миллионов твитов и бесчисленное количество сообщений в мессенджерах. Компания Radicati предполагает, что число текстовых сообщений будет расти в течение следующих пяти лет и к 2019 году даже электронной почтой будут пользоваться на 25% чаще.
В тексте много эмоций. Даже если отбросить личную переписку и анализировать лишь корпоративную, то даже там эмоциональный окрас может кардинально отличаться. Ни один человек не может проанализировать такой объем информации, зато может компьютер. За десятилетие существования сентимент-анализа исследователи создали программы, которые обрабатывают тонны текста, в попытках анализировать стоящие за ним эмоции.
В беседе с изданием The Atlantic профессор Университета Иллинойса Бинг Лу рассказал, что анализ тональности текста появился в результате маркетингового исследования. «В середине 2000-х онлайн-отзывы начали набирать обороты. Компании хотели более глубоко понять, как покупатели оценивают их продукцию и использовали специальные алгоритмы, анализирующие отзывы», - говорит Лу.
С 2010 года сентимент-анализ превратился в процветающую индустрию. Платформы для анализа текста разрабатывают десятки стартапов и крупные корпорации пользуются ими по-разному. Кто-то по-прежнему использует их для работы с клиентами, другие же используют сентимент-анализ внутри компании - среди своих сотрудников.
В 2007 году корпорация IBM запустила платформу Connections. Она «помогает организации работать с нужными людьми, ускорить внедрение инноваций и достичь желаемых результатов», - говорится на сайте корпорации. Платформа работает как корпоративная социальная сеть.
The Atlantic пишет, что Connections работает во всех офисах IBM в 170 странах мира. Для 380 тысяч сотрудников она работает как Facebook, Dropbox и Wikipedia, объединенные в одну массивную сеть. С ее помощью можно совместно работать над проектами, публиковать посты или общаться с коллегами. IBM также продает Connections другим компаниям.
В прошлом году IBM запустила программу Social Pulse, которая анализирует публикации и комментарии в Connections. Результаты анализа отправляются в HR-отдел компании, чтобы помочь HR-специалистам понять предпочтения и эмоции сотрудников, их отношение к корпорации в целом. «Система совмещает сентимент-анализ и структурированную демографическую информацию о сотрудниках, чтобы узнать новую информацию об их рабочих условиях», - говорится на странице Social Pulse.
Twitter в каноэ
Компании в стартап-зонах, например, в Кремниевой долине, активнее других борются за сотрудников. «Возможность убедиться в том, что сотрудники удовлетворены работой в Twitter, невероятно важно для нас», - говорит директор отдела аналитики Twitter Шон Маккоули. В 2015 году социальная сеть начала сотрудничество со стартапом Kanjoya, который занимается сентимент-анализом.
До этого Twitter проводила опрос сотрудников несколько раз в год и практически все вопросы были закрытыми - ответить на них можно было лишь выбрав один вариант из перечня. С момента сотрудничества с Kanjoya, компания начала проводить опрос 1/6 сотрудников каждый месяц и добавила в список больше открытых вопросов.
Программное обеспечение Kanjoya анализирует развернутые ответы сотрудников. «К концу опроса сотрудникам надоедало нажимать 3, 3, 3 и мы получали практически бесполезную информацию, с которой ничего нельзя было сделать», - говорит Субхадра Дутта, работающий в HR-отделе Twitter.
Важность своей работы Kanjoya подтверждает исследованием, проведенным в августе 2016 года исследовательским центром GenHQ. Исследование показало, что три из четырех сотрудников считают наиболее важным показателем в компании ее желание прислушиваться к отзывам работающих.
Проблемы технологии
Анализ тональности речи нельзя назвать отполированной технологией. «Компьютер все еще плохо понимает человеческую речь». - говорит профессор Бинг Лу. В 2015 году в Минессотского университете провели исследование, протестировав точность систем сентимент-анализа.
На обработку компьютеру дали большое количество электронных писем, которыми обменивались программисты. Система распознала эмоции с точностью всего в 30%. Однако параллельно два человека попытались проанализировать небольшую часть этих писем и их точность составила также 30%.
Однако большинство компаний и так используют эту технологию лишь в анализе публичной переписки. «Мы были предельно честны с сотрудниками, сказав им, что исследуем сообщения и публикации на корпоративном форуме», - говорит руководитель HR-отдела Intel Ричард Тейлор.
Эксперты возлагают немалые надежды на нейронные сети и машинное обучение. Однако некоторые считают, что в тексте считать эмоции гораздо сложнее, чем с лица человека. В 2015 году несколько ученых из Индии предложили новую технологию анализа эмоций - сканирование лица.
В теории, подобная система будет фотографировать лицо сотрудника, каждый раз, когда он приходит на работу, чтобы увидеть его эмоции. Подавлен ли он, рад, огорчен, зол или апатичен - компания сможет анализировать эту информацию, чтобы улучшить условия труда своих сотрудников.
