ستساعدك المقالة التالية: مقابلة: مديرة الأبحاث في MyHealthTeam بيث شنايدر حول استخدام واجهة برمجة تطبيقات تحميل البيانات من Brandwatch لتحليل 250.000 نقطة بيانات
تنشئ MyHealthTeams شبكات اجتماعية لمجتمعات الأشخاص الذين يعانون من أمراض مزمنة ، بما في ذلك التوحد وسرطان الثدي والتصلب المتعدد والمزيد.
هناك 37 من هذه الشبكات التي تمتد عبر 13 دولة. الهدف هو ربط الأشخاص الذين يعانون من ظروف مماثلة لمشاركة النصائح والحصول على الإحالات ، وفي النهاية تحسين النتائج الصحية.
تعمل بيث شنايدر في أبحاث السوق منذ أكثر من 35 عامًا. انضمت إلى MyHealthTeams في سان فرانسيسكو قبل أربع سنوات ، حيث تركز الآن على كل من أبحاث المسح وتحليل الاستماع الاجتماعي.
البيانات التي يمكنها الوصول إليها رائعة. تنشئ الشبكات الاجتماعية من MyHealthTeams ثروة من البيانات التي يمكن للفريق التعلم منها ، لكن الوصول إلى تلك الأفكار كان يمثل تحديًا.
قبل استخدام Brandwatch ، أمضت Beth الكثير من الوقت في إجراء التحليل اليدوي لمحاولة تحديد سمات المحادثة. للتعمق أكثر ، والعثور على المجهول ، ولتوفير الوقت الثمين ، أراد الفريق تقنية جديدة.
إيجاد الحل الصحيح
تقول بيث: “كان الشيء الرئيسي الذي كنا نبحث عنه هو اتباع نهج جديد للكشف بسهولة عن الرؤى القابلة للتنفيذ وتحديد المشاعر بين آلاف المحادثات التي تحدث يوميًا على شبكتنا الاجتماعية”.
اختار الفريق حلاً موجودًا الآن في Brandwatch Consumer Research ، والمعروف باسم Data Upload API. شبكات MyHealthTeams مغلقة ، لذا لا تستطيع منصات الاستماع الاجتماعي تحليل البيانات كمعيار – بدلاً من ذلك ، قام الفريق بتحميل البيانات التي أرادوا تحليلها. باستخدام Data Upload API ، يمكن للمستخدمين استيراد أي بيانات نصية لديهم إذن بتحليلها مثل رسائل البريد الإلكتروني للدعم وسجلات الدردشة وتعليقات العملاء والاستطلاعات. يمكن تخزين هذه البيانات بشكل آمن وسري في حساب Brandwatch الخاص بهم.
قامت بيث بتحميل 250 ألف إشارة حرفية مجهولة المصدر وتمكنت من البدء في تحليل البيانات بسرعة ، والعثور على جميع أنواع الأفكار.
“من خلال تحليل البيانات التي قمنا بتحميلها إلى النظام الأساسي ، تمكنا بسهولة من اكتشاف الاتجاهات غير المتوقعة والرؤى المدعومة بالبيانات وحتى المؤثرين. التصورات مذهلة. إنها سهلة الإنشاء والفهم ، والأهم من ذلك أنها تجعل من السهل اكتشاف “a-has” الجديدة ومناطق لمزيد من الاستكشاف. وهي طريقة موجزة لتلخيص الاتجاهات المهمة “. – بيث شنايدر ، مديرة الأبحاث ، MyHealthTeams
ما لا نعرفه
سمحت التقارير التي تمكن فريق Beth من إنشائها بتأكيد الافتراضات الرئيسية – تم دعمها الآن باتصالات واضحة ومدعومة بالبيانات.
لكن الفريق كان حريصًا أيضًا على معرفة ما لم يعرفوه عن المحادثات الجارية في شبكاتهم. مع العديد من الإشارات ، فإن إجراء هذا النوع من البحث يدويًا أمر صعب للغاية.
أحببت بيث كيف أن تحليل النص المدعوم بالذكاء الاصطناعي في النظام الأساسي أعطى الفريق المزيد من “ نظرة شاملة ” على جميع الإشارات ، حتى يتمكنوا من العثور على موضوعات ، وذروات محادثة ، ومجالات لمزيد من الاستكشاف. سمح لهم ذلك باكتشاف مواضيع جديدة لم يتوقعوها وتحديد الشخصيات المؤثرة مثل الأطباء الذين تحدثوا عنهم من قبل أفراد المجتمع.
تقول بيث: “المنصة مثل المنارة”. “إنه لا يمنحك الإجابات ، ولكنه يشير إلى المكان الذي يجب أن يلقي فيه الباحث نظرة.”
المشاعر الذكية
تعد القدرة على التصفية حسب المشاعر أمرًا مهمًا حقًا للفريق ، وبسبب الخصوصية العالية للمحادثات على شبكات MyHealthTeams ، فهي شيء يتطلب أداة مرنة للحصول على الحق. ليست الكلمات الرئيسية فقط هي التي قد تدل على شعور معين ، ولكن السياق الذي تظهر فيه. كانت تقنية التعلم الآلي الخاصة بـ Brandwatch ضرورية لتقسيم البيانات بهذه الطريقة.
بيث هي باحثة من ذوي الخبرة ، وقد أمضت الوقت في “تدريس” المنصة للتعرف على كيفية تندرج الإشارات في فئات مشاعر معينة. بمجرد تدريب البيانات ، يمكن لفريقها مراقبة الاتجاهات المتغيرة بمرور الوقت.
“الأداة ذكية ، وقد جعلتنا نشعر بالذكاء!” تقول بيث. “لقد تعلمت بسرعة وفي النهاية تمكنا من أتمتة تحليل المشاعر بدقة شديدة.”
الإثارة في الفريق
تقول بيث إنه كان هناك شعور حقيقي بالإثارة بين الفريق فيما يتعلق بقدرة الأداة على الكشف عن رؤى عميقة وذات مغزى.
تقول: “كان لواجهة برمجة تطبيقات تحميل البيانات تأثير كبير على عملنا”.
