So verwenden Sie Microsoft Excel für die Stimmungsanalyse

Sie können Microsoft Excel verwenden, um grundlegende Stimmungsanalysen für Text durchzuführen. Die Ergebnisse zeigen Ihnen Trends, die in den Daten verborgen sind.

Die Einsatzmöglichkeiten der Stimmungsanalyse sind grenzenlos: Ein Historiker kann die Stimmungsanalyse verwenden, um die Absicht eines Autors zu verstehen, der Hunderte von Jahren in der Vergangenheit schreibt. Ebenso kann ein Marketingmanager die Entwicklung des Markenrufs im Laufe der Zeit überwachen.

Die in diesem Artikel besprochene Stimmungsanalysemethode verwendet maschinelles Lernen, um Ihren Text zu bewerten und ihn als Ausdruck zu klassifizieren Positiv, Negativ, oder Neutral Emotionen.

Sie benötigen Microsoft Excel und das Azure Machine Learning-Add-In.

Warum ist Stimmungsanalyse wichtig?

Für Menschen, die Produkte herstellen, im Marketing oder in der Politik arbeiten oder forschen, ist es eine berufliche Notwendigkeit, die emotionale Stimmung zu einem bestimmten Thema zu verstehen.

Sentiment Analysis kann ihnen dabei helfen. Obwohl es Nutzungsdaten, Umfragen, Interviews und Desktop-Recherchen nicht vollständig ersetzen wird, ist die Stimmungsanalyse ein solides Werkzeug, das Sie zur Verfügung haben sollten.

Wieso den? In fast jeder Situation, in der Sie über eine große Menge unstrukturierter qualitativer Daten verfügen, kann Ihnen die Stimmungsanalyse schnell Einblicke in die zugrunde liegende Botschaft geben.

Die Stimmungsanalyse funktioniert am besten, wenn eine große Datenmenge analysiert wird.

Es ist unwahrscheinlich, dass die Durchführung einer Sentiment-Analyse für die neueste Textnachricht von Ihrem romantischen Interesse Informationen mit Mehrwert liefert. Auf der anderen Seite erhalten Sie nützliche Ergebnisse, wenn Sie Tausende von Tweets analysieren, die einen bestimmten Hashtag enthalten.

Verwandt: Solide Tipps zur Verbesserung Ihres Twitter-Rufs

Weitere mögliche Anwendungsfälle sind die Analyse von Produktbewertungen, die Überprüfung von Kundenumfragen und die Aufdeckung einer PR-Krise. Darüber hinaus können Sie durch regelmäßige Stimmungsanalysen verfolgen, wie sich die Einstellung der Kunden zu Ihrem Unternehmen im Laufe der Zeit verändert.

Lautstärke vs. Gefühl

Die Stimmungsanalyse ist ein wesentlicher Bestandteil der Überwachung sozialer Medien für jedes Unternehmen oder jede Marke, die sich ihres Rufs bewusst ist.

Beispielsweise stellen Sie möglicherweise fest, dass Ihr Unternehmen in den sozialen Medien viele Erwähnungen erhält. Aber Erwähnungen allein sind nicht alles.

Manchmal sind Erwähnungen eine gute Sache. Sie können zum Beispiel eine große Menge an positiver öffentlicher Stimmung gegenüber Ihrem Unternehmen bedeuten.

In anderen Fällen stehen Sie möglicherweise vor einer PR-Krise, die außer Kontrolle gerät. Infolgedessen ist die öffentliche Stimmung gegenüber Ihrem Unternehmen negativ.

Die Unterscheidung der Stimmung in einer großen Anzahl von Erwähnungen in sozialen Medien kann den Unterschied ausmachen.

Verwendung von Microsoft Excel für die Stimmungsanalyse

Einige Social-Media-Monitoring-Plattformen beinhalten Stimmungsanalysen als Teil ihres Angebots. Es ist auch möglich, mit einer Programmiersprache wie Python eine Sentimentanalyse für Text durchzuführen.

Diese Optionen erfordern jedoch entweder ein erhebliches Budget, um sich eine Social-Media-Überwachungsplattform leisten zu können, oder Programmierkenntnisse.

Wenn Sie wie die meisten Menschen sind und keines von beiden haben, ist Microsoft Excel eine gute Option für die Durchführung grundlegender Stimmungsanalysen.

Obwohl keines dieser Tools perfekte Ergebnisse liefert, können sie Ihnen helfen, den Gesamttrend der im Text enthaltenen Stimmung zu verstehen.

So führen Sie eine Stimmungsanalyse in Microsoft Excel durch

Befolgen Sie diese Schritte, um eine Stimmungsanalyse mit Excel auszuprobieren, ohne Code schreiben zu müssen. Unter der Haube hängen Excel und das Azure-Add-In von einem Verarbeitungsalgorithmus für natürliche Sprache und einem generischen Wörterbuch mit positiven und negativen Wörtern ab. Jedem Wort im Lexikon wird ein positiver, neutraler oder negativer Wert zugewiesen.

1. Organisieren Sie die Daten, die Sie analysieren möchten, in einer Microsoft Excel-Tabelle.
2. Bereinigen Sie die Daten durch Leerzeichen entfernen und unnötige Zeichen.
3. Erstellen Sie die erste Zelle in Ihrem Datensatz tweet_text (Kleinschreibung beibehalten).
4. Gehe zu Einfügen > Add-Ins.
5. Als nächstes gehen Sie zu Suche > Azure Machine Learning.
6. Nach der Installation öffnet das Azure Machine Learning-Add-In ein Feld auf der rechten Seite Ihres Bildschirms.
7. Sie sehen zwei Optionen: Titanic Survivor Predictor und Text-Stimmungsanalyse.
8. Klicke auf Text-Stimmungsanalyse.
9. Gehe zu Vorhersagen > Eingang, und fügen Sie dann den Bereich hinzu, in dem sich die zu analysierenden Daten befinden.
10. Verlassen Meine Daten haben Kopfzeilen geprüft.
11. Gehe zu Ausgabe und fügen Sie die Zelle hinzu, in der die Analyseergebnisse erscheinen sollen.
12. Drücken Sie Vorhersagen.

EIN Gefühl und Ergebnis denn der Text in jeder Zelle wird ausgefüllt; der entsprechende Text ist mehr Negativ wenn die Punktzahl näher bei Null liegt. Sie können es vorziehen, die zu ändern Ergebnisse zu einem Prozent. Je näher a Ergebnis ist zu 100%, desto positiver ist es. Neutral ist beliebig Ergebnis rund 50%.

Sehen Sie sich das folgende Beispiel an Schatzinsel von Robert Louis Stevenson.

So erhalten Sie Erkenntnisse aus der Stimmungsanalyse

Nach dem Ausführen der Stimmungsanalyse haben Sie Zellen mit Positiv, Negativ, oder Neutral Klassifikationen und ihre entsprechenden numerischen Bewertungen.

Wie können Sie die Ergebnisse in verständliche Erkenntnisse umwandeln? Hier sind ein paar Ideen:

• Segmentieren Sie die Klassifikationen nach Erstellen einer Pivot-Tabelle in Excel.
• Sie können verwenden Visio, das jetzt ohne zusätzliche Kosten in Microsoft 365 Business enthalten ist, um die Gesamtzahl der einzelnen zu visualisieren Positives, Negative, oder Neutrale. Die Datenvisualisierung kann Ihnen eine Vogelperspektive geben.
• Wenn Sie für das Reputationsmanagement eines Unternehmens oder einer Marke verantwortlich sind, möchten Sie sich möglicherweise darauf konzentrieren, alle Texte zu durchsuchen, die als klassifiziert sind Negativ. Was macht den Text Negativ? Gibt es etwas, das Sie weitergeben müssen, um das Problem zu lösen?
• Sie können die gleiche Übung für die als klassifizierten Texte durchführen Positiv. Vielleicht verbirgt sich in einer Vielzahl von Produktbewertungen eine besonders schöne Kundenmeinung, die Sie teilen möchten.
• Sie können den Text auch weiter segmentieren, sodass Sie nur Zellen sehen, die eine neue Produktfunktion erwähnen. Sind Benutzer mehr Positiv, Negativ, oder Neutral über die Funktion? Die Stimmungsanalyse kann Ihnen dabei helfen, dies festzustellen und Feedback effizienter zu sammeln.

Sentiment Analysis kann Menschen aus dem Entscheidungsprozess herausnehmen. Manchmal kann dies gut sein, da die Textinterpretation sehr subjektiv sein kann.

Stellen Sie sich zum Beispiel eine Gruppe von Menschen vor, die versuchen zu entscheiden, ob 5.000 Produktbewertungen mehr sind Positiv oder Negativ. Ihre unterschiedlichen Perspektiven und ihre Liebe zum Detail mindern die Glaubwürdigkeit des Gesamtergebnisses. Wenn Sie der Datenbank einer Maschine die Entscheidung überlassen, wird dies sehr zur Konsistenz beitragen. Verwandt: Die besten Tipps und Tools für Gruppenentscheidungen bei der Arbeit

Verwendung von Microsoft Excel für die Stimmungsanalyse

Wenn Sie versuchen möchten, eine Stimmungsanalyse durchzuführen, aber nicht über viele finanzielle Ressourcen oder Programmierkenntnisse verfügen, ist Microsoft Excel ein ausgezeichneter Ausgangspunkt.

Die Stimmungsanalyse in Microsoft Excel gibt Ihnen Einblicke, die Sie verwenden können, um unstrukturierte Textdaten zu verstehen. Es könnte auch eine ideale Möglichkeit sein, sich mit maschinellen Lernkonzepten vertraut zu machen, bevor Sie sich in ein Projekt in diesem Bereich stürzen.

11 Projektideen für maschinelles Lernen für Anfänger

Diese Projektideen eignen sich hervorragend für diejenigen, die über Programmierkenntnisse verfügen und in den Bereich des maschinellen Lernens einsteigen möchten.

Lesen Sie weiter

Über den Autor