資訊超載時代，何不雇個智慧書僮為你擴增溝通力!
作者: SAS台灣業務支援部顧問鍾尚倫
原文刊登自:天下雜誌
身為企業主的你，如果有位書僮，能幫你梳理國際趨勢、掌握各界對你的評價，甚至還睿智地讀出沉默多時客戶的心聲，這等人才是否該立即延攬?Lenovo聯想2年前因為雇用了這位書僮，讓企業縮短了50%以上偵測問題的時間，也阻止了一場差點造成品牌危機的鍵盤設計更改計畫。智慧時代裡，您或許也應該擁有這樣一位語言專家書僮，他的名字叫文字分析(Contextual Analysis )。
資訊超載已成這世代的常態，社群與自媒體平台更是加速每位消費者的訊息產出量，如何在漫天的資訊裡利用「文字分析」敏銳地挖掘並解讀顧客及其社群的喜好、觀點，進一步掌握群體的脈動，成為近日企業面對市場溝通策略的新顯學。
SAS台灣業務支援部顧問鍾尚倫接受採訪指出「現今機器學習的技術，早已使非結構化資料分析的成熟度推進，文字分析在商業上的應用已不只在品牌管理，強大的語意與情感分析功能，讓應用早已延伸至產品品質控管、商品設計與保固，及社會政策制定…等。」
他舉例曾有一家金融客戶，為了節節升高的信用卡註銷率而煩惱，就算客服人員主動告知客戶取消年費，狀況也不見改善，進而尋求SAS協助，結果SAS運用了論壇討論與客服中心的對話記錄，找出了顧客想「剪卡」的意圖其實不僅是年費收取，而是該卡與當年底競爭者推出的同質卡相比紅利過低，短時間就能發掘原因並及時改變商品策略，進一步以客戶抱怨的內容，準確預測其剪卡機率，讓客服人員能夠及時挽留客戶。
除了發掘隱藏價值 還可帶你掌握世界脈動
你知道臉書上面看似無意義的打屁聊天文字可以拿來預測一個國家的失業率嗎？ SAS與聯合國合作的全球脈動計劃(UN Global Pulse)的計畫，就是透過大數據來找出失業率升高前的可能跡象，希望更有效率地改善各國勞動條件。聯合國委請SAS在美國及愛爾蘭地區的新聞媒體與社群進行為期兩年的分析，結果透過情緒評分以及關聯指標分析，SAS協助發現了幾個關鍵前導指標：人們在社群網站提及搭乘大眾運輸工具的比例增加、或提及日用品採購費用下降，而沮喪情緒言論升高後4個月也同步顯示失業率高漲。後續更觀察到愛爾蘭在失業率提升後8個月，出售房屋的討論度開始提升，但美國卻2個月後就出現相關言論。
「這些具時序的發現，將成為政府部門可提前採取對策的重要指標」鍾尚倫補充。而以印尼來說，政府關心經濟弱勢家庭的處境，因此發現了辣椒、牛肉、雞肉等民生必需品等價格波動，竟能由Twitter上面的文字來預測。「很有趣地，Twitter上的民生用品購買討論串，變成了政府了解民生的預警指標，進而成為政府分配社會福利資源的依據之一」。
別以為這樣具規模性的監測只有政府單位才有需求，鍾尚倫說:「呼應新南向政策，其實台灣已經有進出口貿易商，開始與SAS合作使用文字分析解析主要交易市場國的新聞網站與商務平台，以預判產業投資趨勢，搶先掌握具下一波需求動能的合作對象。」
不只爬文 智能的「自動聚類」加「機器學習」才可完備分析能量
擁有多次導入文字分析專案的鍾尚倫觀察，市面上其實不少廠商都有提供企業品牌聲量評比的解決方案。「但其多停留在蒐集臉書、PPT的網友評論，進行關鍵字的比對與計數。就我們的標準，這僅是做完了數據的彙整，屬於報表性的分析層次」鍾尚倫進一步說明:「文字分析應該能從大量非結構化的文件中擷取事實並理解其中的情感觀點，這需涵蓋『產品』、『特性』、『議題』與『情感』四種面向的探索」
舉例來說一家中國手機領導廠商曾請SAS協助解析新品上市後的各界反應。舉例而言，如有網友評論「HTC的手機照相畫質真的不錯」，像這樣的一段話，「產品」為HTC手機，「特性」為相機，「議題」為畫質，對應的「情感」的文字是正面的「真的不錯」。一句話可以拆解為眾多維度，這些都不是爬文與關鍵字分類就可以偵查出的細節。因此，我們就能夠將消費者認知量化，真正了解到消費者的評論以及偏好，進一步擬定產品策略或處理公關危機。
而要能做到此四種面向的偵測，第一步要做的事情就是將雜亂無章的文章有效的經由電腦演算法聚類，自動生成主題。過往只仰賴人為定義聚類規則時，一則我們的分類多侷限在已知的經驗基準，二則每個經手人主觀認定的分類規則不同，因此詞彙的正負面定義與關聯分析就可能失準。「文字分析能揭露出原本被人為經驗過度簡化的要素，而這些常被列為『其他』或『特殊』的類別，能給予我們的驚喜其實超乎你想像。」鍾尚倫補充。在客戶抱怨的數萬篇文字裡面，很多文章都被客服人員分成「其他」類，但這些「其它」類的文章，往往就是企業最容易忽視的客戶問題。而文章聚類自動生成主題的技術，能夠協助分析人員馬上找到原本不知道的客戶抱怨內容，迅速解決問題。而「自動生成主題」的技術，必需包含有自動化辨識自然語言詞彙、偵測同義詞、搜尋詞幹(stem)及篩選無意義字等進階能力。進而才能在茫茫的文字海中，找出屬於該企業的寶礦。
文字分析的另一個關鍵技術是機器學習。台灣也有某運輸業者引用機器學習，大量地判讀貨艙物品提單內容，讓不同危險等級成份的物品，能被歸列到正確的危險等級，降低人為誤判。例如玉米是非危險品，但玉米粉卻有可能引發塵爆，必須妥善置放。人工判斷會有無法避免的疏失，但由文字分析引擎，卻能經由機器學習的方式，習得精準的危險品分類方法。
當然也有人會質疑機器的智慧程度，譬如網友的嘲諷文如何判別?鍾尚倫回應:「SAS已將機器學習運算置入文字分析解決方案底層，如同真人書僮需要被教導一樣，我們也會透過訓練，讓機器了解流行語與酸文，像是網友評論『好棒棒』時，前後文匹配到的負面語意程度高，則隨著文章數量增加，機器開始自動生成規則將『好棒棒』列為非正面詞彙。當然，人為還是可隨時介入編輯規則。」
發掘觀感、偏好與主觀價值，真正理解客戶需求
進入智慧時代，我們已可仰賴進階的分析技術，全盤擁抱堆積的資訊，使其更精準地化身具價值的金礦，不再讓以偏概全的誤差帶來決策風險。這樣的體會，全球個人電腦領導廠商Lenovo最知道，2年前他們曾經因為市場潮流啓動更改鍵盤設計專案，結果透過SAS文字分析及時偵查出一個規模雖小卻十分具影響力的線上遊戲社群，發現有位玩家寫下了長達6頁關於現有鍵盤設計擁護的評論，引來了2,000則高度正面呼應的回覆，使其決定暫停新產品設計計畫，避免掉很有可能發生的品牌危機。
鍾尚倫再次強調文字分析可帶來的新視野:「商業世界已轉為消費者導向，我們需要重新理解產品或服務品質的定義，那不再僅是數據測量，更是包含了消費者互動觀感、操作偏好的主觀價值判斷，現在透過情感與文字分析，我們能聽到問卷中發掘不到的客戶心聲，真正從客戶角度理解需求。」
