Mengikis sentimen media sosial menggunakan API Easy2Digital, Twitter

Bab ini menunjukkan kepada Anda cara memanfaatkan API Easy2Digital untuk membaca nada dan sentimen pendapat orang di balik beberapa topik Twitter. Ini disebut analisis sentimen media sosial. Ini harus menjadi bab babak kedua setelah bot Twitter. Pada akhir bab ini, Anda menguasai mengapa analisis sentimen sangat berharga bagi bisnis Anda dan dapat menerapkan analisis sendiri.

Bahan: Python, Easy2Digital API, Twitter API

Daftar Isi: Robot Analisis Sentimen Media Sosial

• Mengapa analisis sentimen sangat penting untuk bisnis dan pemasaran?
• Easy2Digital API
• Ekstrak polaritas dan subjektivitas kueri spesifik
• Dibagi menjadi skor positif, netral, dan negatif
• Tentukan fungsi persentase dan gunakan bundar ()
• Skrip Python lengkap analisis sentimen Twitter

Mengapa analisis sentimen sangat penting untuk bisnis?

Sebagai seorang pemasar atau pengusaha, Anda mungkin ingin tahu tentang apa pendapat orang tentang topik, produk, dan acara paling populer. Mungkin sebagai seorang analis, Anda ingin mempelajari pengaruh kampanye pemasaran merek terbaru perusahaan Anda. Dan yang paling penting, merencanakan kampanye pemasaran konten untuk terlibat dengan kebutuhan pelanggan. Itu karena nada yang tepat yang cocok dengan sentimen dan persepsi pikiran pelanggan sangat penting untuk kesuksesan.

Analisis sentimen sangat berguna untuk membantu bisnis Anda. Hal ini memungkinkan kami untuk mendapatkan gambaran tentang opini publik yang lebih luas di balik topik, produk, dan acara tertentu dan memberi Anda wawasan tentang konten, dan efek kampanye yang berkelanjutan.

Sementara itu, Anda dapat menemukan jawaban untuk masalah bisnis yang paling penting dari analisis sentimen. Anda dapat berdasarkan umpan balik pelanggan, dan nada suara menyesuaikan strategi bisnis. Sementara itu, Anda dapat mengamati dan memantau branding dan Words of the Month pesaing Anda juga. Dan menyerap apa yang mereka lakukan dengan baik, dan memanfaatkan apa yang mereka lakukan lebih buruk adalah sangat membantu.

Di lingkungan saat ini, benar -benar layak untuk mengumpulkan data dan menemukan jawaban tentang rasa ingin tahu yang disebutkan di atas. Namun, makan siang mungkin tidak gratis, atau bahkan mengatakan bahwa orang sekarang menderita kelebihan data. Bisnis mungkin memiliki gunung pendapat pelanggan yang dikumpulkan. Namun bagi manusia biasa, masih tidak mungkin untuk menganalisisnya secara manual tanpa kesalahan atau bias apa pun.

Beruntung dengan Python, mengumpulkan dan memvisualisasikan data analisis sentimen dalam satu hub mudah dan otomatis. Dan Twitter akan menjadi salah satu saluran media sosial paling sempurna untuk memompa Anda kebisingan dan data suara.

Easy2Digital API

Pada dasarnya, API mengembalikan dua data sentimen utama sebuah kalimat. Kalimatnya bisa dari blog, tanya jawab, pos sosial, dll. Mereka adalah polaritas dan subjektivitas. Dari perspektif kuantitatif, kedua metode penting ini adalah inti dan penting bagi Anda untuk menganalisis dataset yang dihasilkan.

Polaritas terletak di antara [-1,1], -1 mendefinisikan sentimen negatif dan 1 mendefinisikan sentimen positif. Kata -kata negatif membalikkan polaritas. Ini memiliki label semantik yang membantu analisis berbutir halus. Misalnya – emotikon, tanda seru, emoji, dll.

Subjektivitas terletak di antara [0,1]. Ini mengukur jumlah pendapat pribadi dan informasi faktual yang terkandung dalam teks. Angka subjektivitas yang lebih tinggi berarti bahwa teks berisi lebih banyak pendapat pribadi.

Ekstrak polaritas dan subjektivitas kueri spesifik

Seperti membangun bot Twitter untuk mengikis konten topik tertentu, analisis sentimen juga perlu mengikis konten terlebih dahulu di Twitter. Dan langkah lebih lanjut adalah membaca informasi sentimen dari teks daripada hanya menemukan yang paling populer.

Sangat mudah dengan hanya menggunakan API. Dan kemudian Anda dapat membuat dua variabel lainnya untuk mendapatkan nomor polaritas semua posting dan nomor subjektivitas. Inilah kodinya:

Dibagi menjadi skor positif, netral, dan negatif

Seperti yang disebutkan, ada berbagai indeks angka yang harus ditunjukkan jika pos positif atau negatif dari polaritas. Pada paragraf sebelumnya, kami mengambil jumlah total polaritas. Jadi di sini kita perlu memisahkan yang positif, negatif, dan netral (jumlahnya sama dengan nol) dengan menggunakan kondisi jika dalam skrip

Tentukan fungsi persentase dan gunakan metode bundar ()

Baik angka positif dan negatif tidak dapat menghadirkan persentase dari semua pos yang tergores. Jadi Anda tidak dapat langsung mengetahui sentimen dan nadanya. Dengan demikian, Anda dapat membuat fungsi DEF yang menggunakan angka positif dibagi dengan total posting atau angka negatif dibagi dengan total posting.

Terlebih lagi, float angka itu mungkin memiliki terlalu banyak dan membuatnya sulit untuk dibaca jika Anda menggunakan metode float dalam fungsi persentase DEF. Jadi di sini Anda dapat mencolokkan dan menggunakan metode bundar untuk memperpendek angka mengapung, seperti 2, atau 3.

Skrip Python lengkap analisis sentimen media sosial menggunakan Easy2Digital API dan Twitter

Jika Anda tertarik dengan skrip lengkap analisis sentimen media sosial menggunakan Easy2Digital API dan Twitter, silakan berlangganan buletin kami dengan menambahkan pesan “Bab 35”. Kami akan segera mengirimkan skrip ke kotak surat Anda.

• Dukung dan Donasikan ke saluran kami melalui PayPal (paypal.me/Easy2digital)
• Berlangganan ke saluran saya dan aktifkan lonceng pemberitahuan saluran Youtube Easy2Digital.
• Ikuti dan sukai halaman saya halaman Facebook Easy2Digital
• Bagikan artikel ini di jaringan sosial Anda dengan hashtag #easy2digital
• Anda daftar untuk newsletter mingguan kami untuk menerima artikel terbaru, video, dan kode diskon Easy2Digital
• Berlangganan keanggotaan bulanan kami melalui Patreon untuk menikmati manfaat eksklusif (www.patreon.com/louisludigital)