ストーリー ~レビュー文のラベリング作業の自動化~

状況と課題:ラベリング作業に工数を要している

あなたは、あるオーディオ製品を製造しているメーカーのマーケティング部門に所属しています。自社製品の評判を調べるため、レビューサイトのレビュー文を分析しています。特にネガティブな内容を分析するため、評価の低いレビュー文を集め、タイプごとにラベリングしています。このタイプ分けを同僚と手分けしてやっているのですが、また毎週数時間を要するため効率が悪いと感じています。この作業自体は楽しいものではありません。

予測分析の活用:ラベリング作業を予測分析によるものに置き換える

  • レビュー文とこれまでのタイプ分け結果をまとめたデータを準備(チュートリアルでは、サンプルデータを使用します)
  • Prediction One を利用して、まだ分類していないレビュー文に対してタイプを予測
  • レビュー文に対するラベリングを Prediction One に任せることで、タイプ分けの工数を削減

期待される効果:ラベリング工数の削減。分類結果の安定

レビュー文のタイプ分けを自動化できるため、工数が削減されます。 担当者ごとにタイプ分けの基準が違うことがありましたが、自動化により安定化が期待されます。

それでは、実際に Prediction One で予測に基づく顧客リストを作成してみましょう!