Skip to main content
Loading...
Skip to article
  • Qualtrics Platform
    Qualtrics Platform
  • Customer Journey Optimizer
    Customer Journey Optimizer
  • XM Discover
    XM Discover
  • Qualtrics Social Connect
    Qualtrics Social Connect

感情分析


Was this helpful?


This site is protected by reCAPTCHA and the Google Privacy Policy and Terms of Service apply.

The feedback you submit here is used only to help improve this page.

That’s great! Thank you for your feedback!

Thank you for your feedback!


意見分析を有効化

クアルトリクスは、Text iQにロードされるとすぐに、[非常にネガティブ]、[ネガティブ]、[中立]、[ポジティブ]、[非常にポジティブ]、[混合]の感情をテキスト回答に割り当てます。このセンチメントは、回答の言語および質問テキストに基づきます。Text iQモデルは、大きく多様な実体験データセットについてトレーニングを受けており、センチメントが強く表現されていない場合に、分類品質を大幅に向上させ、不確実性を最小限に抑えます。割り当てられた各センチメントには、センチメントスコアと呼ばれるスコアが数値で表示されます。

最も強いセンチメントを示すため、[非常にネガティブ] および [非常にポジティブ] のセンチメントラベルが実装されており、各コメントの最も重要なフィードバックに集中することができます。これらのセンチメントメジャーは、データのフィルタリングに使用したり、レポートタブのビジュアライゼーションに表示したりすることができます。

ヒント:感情分析は、高度なテキストのクライアントのみが使用できます。
ヒント:Text iQ分析の感情またはトピックに基づいて分岐する場合は、「Text iQを活用したアンケートフロー」を参照してください。

センチメント機能

ほとんどのText iQ分析では、質問テキストは回答の感情に関連しません(例:「なぜ、このスコアを獲得したのですか」)。ただし、質問の枠組は、回答に対するセンチメントを意味する場合があります(例:「製品について改善できることを 1 つ挙げてください」)。このような場合、Text iQは感情を正確に予測するために質問と回答の両方を必要とします。たとえば、「当社についてどう思いますか」という質問の場合、回答が明示的に否定的でない限り(例:「何もない、あなたの会社が嫌い」)の場合、回答のテキストが中立的であっても、回答のセンチメントは肯定的である可能性があります(例:”価格設定”)。このセンチメント分析の更新では、可能であれば質問テキストがセンチメント分析に組み込まれ、予測されたセンチメントが可能な限り正確になります。

ヒントCXダッシュボードでText iQを使用する場合、質問テキストの代わりにフィールド名が使用されます。整合性を確保するためにダッシュボードを設定する際に、フィールド名と質問文が一致していることを確認することをお勧めします。

このモデルでは、将来のセンチメントの割当を改善する方法を学習するために、センチメントの編集も考慮されるようになりました。ただし、これらの編集はアカウントでのプロジェクトのセンチメント割当にすぐには影響しないことに注意してください。代わりに、これらの編集はすべてのクアルトリクスユーザーで定期的に分析され、センチメント分析モデル全体の改善に使用されます。

全体センチメント対トピックに対する感情

トピックの感情は、テキスト回答に含まれる特定のトピックの感情スコアです。各トピックに独自のスコアが割り当てられるため、回答には複数のトピック感情スコアを含めることができます。トピックの感情は、クエリに一致する応答の部分を分離し、その個々の部分の感情を判断することによって計算されます。

全体センチメントは、特定の回答のセンチメントスコアです。Text iQで分析されたすべての回答には、全体的な感情スコアが1つだけ含まれます。

トピック感情は、テキスト回答における特定のトピックの感情スコアです。各トピックに独自のスコアが割り当てられるため、回答には複数のトピック感情スコアを含めることができます。クエリがないトピックの場合、トピックの感情は全体的な感情にデフォルト設定されます

ヒント:回答の全体的な感情とトピック感情の両方を編集できます。詳細については、センチメントの表示と変更セクションを参照してください。
例:「サービスと食べ物は優れていましたが、全てが非常に価格が高すぎた」というアンケート回答を受け取ったとします。この回答にサービス、食品、および価格のトピックがタグ付けされている場合、各トピックのトピックセンチメントは、Service=Positive、Food=Positive、Price=Negative になります。回答がほとんどポジティブであったため、全体センチメントはポジティブです。

応答エクスポートには、全体的なセンチメント、全体的なセンチメントスコア、トピックレベルのセンチメント、およびトピックレベルのセンチメントスコアが含まれます。全体的なセンチメントには、”センチメント” および “センチメントスコア” というラベルが付けられます。最上位レベルには、”トピック感情ラベル” および “トピック感情スコア” というラベルが付いています。最上位レベルフィールドには、(複数のトピックに対応するために) 複数の値を設定することができます。これらのフィールドは、トピック: センチメントとして一覧表示されます。例: デザート: ネガティブ回答エクスポートにはトピックも含まれます。

Q1 - センチメントスコア、Q1 - センチメント、Q1 の列があるデータのスクリーンショット。- トピック、および All Food、Burgers、Dessert、Q1 - Topic Sentiment Label、Dessert: Negative、All Food: Neutral など、その列に前述の値、最後に Q1 - トピックセンチメントスコアのカンマ区切りトピック (Dessert: -1、All Food: 0 など)

センチメントの表示と変更

  1. 編集モードが開いていることを確認します。右上隅に [概要に戻る] ボタンが表示されます。
    センチメントの編集
  2. 回答に移動します。各回答の左側には、感情を示すアイコンが表示されます。これはセンチメントスコアを表します。
    • 2 つの赤い下矢印2 つの赤い下矢印: 非常にネガティブ
    • 1 赤の下矢印1 赤の下矢印: ネガティブ
    • 重複する灰色のダイヤモンド重複する灰色のダイヤモンド: 混合。
    • 1 緑の上矢印1 緑の上矢印: ポジティブ
    • 2 つの緑色の上矢印2 つの緑色の上矢印: 非常にポジティブ
    • 灰色のひし形灰色のひし形: どちらでもない
  3. コメントの編集アイコンをクリックします。
  4. コメント全体センチメントセクションにナビゲートします。
    センチメントの編集

    ヒント:回答全体のコメント全体的な感情を編集しています。
  5. 新しい感情スコアをクリックします。
  6. 保存をクリックします。

トピックに対する感情

トピックの感情を選択すると、回答にタグ付けされた各トピックの感情を指定できます。これは、全体的な感情が混在している場合、または回答者が取り上げたトピックごとに感情の強度が異なる場合に特に役立ちます。

トピックの感情スコア

各トピック名で、センチメントおよびセンチメントスコアを選択することができます。

例:回答者はレストランで食べ物を愛しているかもしれませんが、スタッフが働き過ぎていると考えているため、「All Food」というトピックはポジティブな感情を持ちますが、「Workforce」というトピックはそうではありません。これら 2 つのトピックのセンチメントが相互にやり取りするため、全体的なセンチメントが混在しています。

件の提案トピックタグ

モデルの他のトピックには、トピックタグやセンチメントをレスポンスに直接追加するオプションもあります。提案されたトピックをクリックするか、青色のプラス( + )記号で独自のトピックを作成します。

センチメントによるフィルタリング

  1. [データ]、[分析]、[結果]、または [レポート] に移動します。
    データ & Analysis へのセンチメントフィルタの追加
  2. フィルタを追加]をクリックします。
  3. [埋め込みデータ]を選択します。
  4. 関心のあるセンチメントを選択します。質問番号によってラベルが付けられます。
  5. フィルタリングしたいセンチメントのタイプ (ネガティブ、ニュートラル、ポジティブ、非常にネガティブ、または非常にポジティブ) を選択します。フィルタリングするセンチメント (ネガティブ、ニュートラル、ポジティブ、非常にネガティブ、非常にポジティブ) を選択します。

感情スコア

ポジティブ、ネガティブ、混合、または中立のコメントのラベル付けに加えて、各センチメントに数値が割り当てられます。

センチメントスコアは、コメントのセンチメントに対する -2 から +2 のスコアです。例えば、「愛が大好き、あなたの会社が大好き」といった非常にポジティブな反応!スコアは +2 になります。非常に否定的な反応:「あなたの会社を見捨てる!」など。は -2 になります。中立のコメントは 0 のスコアを受け取ります。センチメントスコア

は、データ & Analysisおよびレポートタブの項目として表示されます。ほとんどのテキスト分析変数と同様に、埋め込みデータカテゴリの下に表示されます。

[データ & amp; 分析] の [感情スコア] 列

ヒント:まだ表示していない場合は、列選択リストを使用して、これらの変数を[データ]タブと[分析]タブに取り込みます。

センチメントモデル更新

時間の経過とともに、クアルトリクスは改善を行い、当社のセンチメントモデルのマイナーバージョン更新をリリースします。SAP では、これらの更新に対して集中的な品質保証を実施し、センチメント予測精度の一貫性または改善性を確保しています。

新しいモデルバージョンがリリースされると、Text iQの新しいコメントの分析にのみ使用されます。以前にText iQで分析されたコメントは、新しいモデルのリリースでは更新されません。

Text iQをプロジェクトまたはダッシュボードのコピーに適用する場合、回答履歴の感情の予測にいくつかの差異を表示できます。これは、元のプロジェクトまたはダッシュボードでの応答の分析時に、以前のバージョンのセンチメントモデルが使用されていたためです。コピーされたプロジェクトまたはダッシュボードでは、センチメント予測は現在のモデルを使用して再計算されます。

多言語センチメント分析

センチメント分析を持つすべてのユーザ、つまりすべての高度なテキストクライアントが、他の言語でセンチメント
を分析できます。

Qualtricsセンチメントモデルは、最新のディープラーニングテクノロジーを活用する変革ベースのクロスリンガルモデルです。当社のモデルは、英語、フランス語、スペイン語、ドイツ語、韓国語、イタリア語、オランダ語、日本語、ポルトガル語、中国語(繁体字)、中国語(簡体字)、ポーランド語、スウェーデン語、タイ語、インドネシア語、ロシア語向けに最適化されています。モデルでは、すべての言語でセンチメント予測を行うことができますが、最適化された言語の予測と同じレベルの品質を保証することはできません。センチメント分析モデルがどのように開発されたかについては

このブログ投稿で詳しくお読みいただけます。

当サポートサイトの日本語のコンテンツは英語原文より機械翻訳されており、補助的な参照を目的としています。機械翻訳の精度は十分な注意を払っていますが、もし、英語・日本語翻訳が異なる場合は英語版が正となります。英語原文と機械翻訳の間に矛盾があっても、法的拘束力はありません。