Qualtrics Platform
Customer Journey Optimizer
XM Discover
Qualtrics Social Connect

センチメント (発見)

感情について

センチメントは、XM Discoverのすべてのデータソースで提供されるエンリッチメントです。センチメントは、個々のコメントの肯定的または否定性を測定します。センチメントは -5 から 5 のスケールで文レベルで計算され、3 つまたは 5 つのスケールセグメント (非常にネガティブ、ネガティブ、ニュートラル、ポジティブ、非常にポジティブ) に分割することができます。

ヒント：文書エクスプローラーまたはフィードバックウィジェットで顧客フィードバックを調べると、センチメント関連データを強調表示できます。センチメント別に文書をソートまたはフィルタリングするか、各文の横に表示されるセンチメントバッジを有効化します。

センチメントの計算方法

XM Discoverは、文内の単語やフレーズのトーンに基づいて文のセンチメントを分析します。

単語：Designer には、当社の導入経験に基づいて、ポジティブまたはネガティブのフラグが付けられた何千もの単語が付属しています。デフォルトのチューニングを使用するか、チューニングでデータをより適切に調整できます。
ヒント：チューニングの詳細については、Discover サポートチームまたはDiscover 担当者にお問い合わせください。
フレーズ: ワードレベルのセンチメントに加えて、Designer では、サポートされている全言語の最も有名なセンチメント変更言語パターンをカバーするセンチメント修飾子および例外ルールも認識されます。デフォルトルールを管理するか、カスタムルールを登録することができます。
ヒント：感情の例外ルールの詳細については、Discover サポートチームまたはDiscover担当者にお問い合わせください。

感情スケール

ウィジェットに感情を追加する場合、多くの場合、3～5段階の尺度を選択できます。3 段階のスケールには、負、中立、およびポジティブのみが含まれます。

>Scale Segment	>デフォルト範囲	>デフォルト色
>非常にマイナス	&gt: –2.5 未満	>濃い赤
>負	&gt: –2.5 と -1 の間	赤色(&G)
>Neutral	&gt: -1 と 1 の間	>灰色
>正数	>1 から 2.5 の間	>Green
>非常にポジティブ	>2.5 より大きい(&G)	>濃い緑

ヒント：感情スケールの範囲と各感情に関連する色を変更できます。詳細については、センチメント、エフォート、感情強度バンドの変更を参照してください。

センチメントデータの使用

センチメントをXM Discover全体で使用すると、有益なダッシュボードを構築できます。関係者へのセンチメントの表示、データのフィルタリング、組織のニーズを満たす独自のカスタムセンチメント指標の構築も行います。

テキスト分析と組み合わせると、センチメント分析はさまざまな点で有益になります。

顧客フィードバックに優先順位を付け、大量のフィードバックを一貫して正確に処理します。
製品やサービスから、場所、広告、競合他社まで、あらゆるものに関する顧客の意見を見つけることができます。
あなたとあなたのブランドについて、顧客が何を好み、嫌っているかを理解します。
ソーシャルメディア、Web サイト、コールセンター担当者、または有用なビジネス情報を含むその他のソースから顧客の感情的なフィードバックを分析します。
ビジネスのあらゆる側面について、世論の変化を常に把握します。
製品の改善が必要な箇所を特定したり、営業担当者やカスタマーケア担当者のトレーニングを行ったり、センチメントスコアのピークや谷から発生する新しいマーケティングキャンペーンを登録したりします。

ウィジェットデータをセンチメント別にグループ化

Studio でウィジェットを作成するときに、センチメント別にデータをグループ化できます。センチメント別にデータをグループ化する場合は、Studio におけるセンチメントレベルとレコードレベルのセンチメントの以下の違いに留意することが重要です。

各文のセンチメントスコアは 1 つのみですが、文書には文と同じ数のセンチメントスコアが含まれます。
つまり、ドキュメントに 1 つの正と負の 1 つの文が含まれている場合、そのドキュメントは正と負の両方のドキュメントとみなされます。
そのため、データがセンチメント別にグループ化されると、通常、合計数は各分類群のすべてのレコードの合計よりも少なくなります。以下のウィジェットを参照してください。

例：各セグメントのボリューム（1425 + 1395 + 930 + 729 + 243）を合計すると、これは与えられた総量 (1663) よりも大きくなります。これは文書数は1663件あるが、センチメントを評価した4722文があるためだ。