Skip to content

Artkkelin kirjoittaja: Juho Muhonen 16.9.2015

Sentimentti- ja aiheanalyysi toimialaraportissa

Elokuussa teimme toimialaraportin sosiaalisesta mediasta koskien vakuutusyhtiöitä ja vakuutusalaa yleisemmin. Keskityimme analyysissa yritysten ja tuotteiden somenäkyvyyden vertailuun. Tässä tekstissä syvennämme toimialaraporttia aihe- ja sentimenttianalyysillä eli analysoimalla vakuutusalan keskustelusta esiin nousevat aiheet ja niihin liittyvän keskustelun sävyn.

Analyysissä hyödynsimme samaa viestiaineistoa kun aiemmassa markkinatutkimuksessa, eli kaikki sosiaalisen median viestit aiheeseen liittyen aikaväliltä 1/2015-8/2015.

Tutkimusta varten analysoitiin Futusomen data-arkistosta löytyviä viestejä Etuma Feedback Categorizer palvelulla. Palvelu nostaa viestimassasta yleisesti esiintyvät aihealueet ja analysoi keskustelun tunneskaalaa aiheiden alla, eli tuloksena on sentimentti- ja aiheanalyysi.

Aiheanalyysi

Tässä analyysissa keskitytään aihepiireihin, joissa keskustelun sävy poikkeaan muusta keskustelumassasta.

Hintataso:

Aiheen tiimoilta käytävä negatiivinen keskustelu on melko korkealla tasolla, mutta myös positiivinen tunneskaala on varsin laaja. Onko sitten yllätys vai ei, että vakuutusten hintataso jakaa vahvasti keskustelijoita ja harva keskustelijoista on mielipiteiltään neutraali.

Korvaukset:

Selkeästi negatiivisena aiheena nousee  esiin ”korvaukset”. Sentimenttianalyysin perusteella on siis nähtävissä, että vakuutusyhtiöiden korvauspolitiikassa on kuluttajien mielestä paljon parantamisen varaa.

Maksut:

Maksut on myös silmiinpistävä keskusteluaihe sentimenttien perusteella. 36,2% viesteistä sisältää negatiivista sisältöä aiheesta. Huomioitavaa on myös positiivisen sisällön erittäin vähäinen määrä.

Koska sentimenttikuvaaja on varsin selkeä, ei laajempi analyysi palvele tässä kirjoituksessa. Analyysi tarjoaa kyllä mahdollisuudet huomattavan perusteelliseen analyysiin tarvittaessa.

Sentimenttianalyysi

Sentimenttianalyysi eli mielialojen analysointi on analyysilaji, jonka toteutuksen nykyinen teknologia mahdollistaa. Sentimentti- ja aiheanalyysin voi tehdä joko ihminen manuaalisesti tai koneella automaattisesti. Automaattinen aihe- ja sentimenttianalyysi toimii erityisesti yrityksille, joiden ympärillä käydään runsasta keskustelua ja viestimassaa on paljon.

Perinteisesti sentimenttianalyysi nähdään tapana analysoida saatua asiakaspalautetta. Digitaalisen kanssakäymisen jatkuvan lisääntymisen myötä ollaan nyt tilanteessa, jossa sentimenttianalyysi on täysin hyödynnettävissä oleva työkalu myös yrityksen ympärillä käytävän yleiskeskustelun analysoimiseen. Suora asiakaspalaute eri kanavien kautta kumpuaa aina tarpeesta antaa joko negatiivinen tai positiivinen palaute, jolloin palauteanalyysissä on mahdollista vertailla vain ääripäitä ja niiden suhteita toisiinsa nähden. Keskustelun, esimerkiksi SoMe-keskustelun analysoinnilla päästään analysoimaan koko tutkimusaiheeseen liittyvä keskustelu kaikessa laajuudessaan. SoMe-keskustelun yleisluontoisuus on myös haaste analysoinnin suhteen. Varsin suuri osa keskustelusta on sävyltään neutraalia, eikä sellaisenaan ilman tarkempaa viestitason analysointia tuota juurikaan lisäarvoa. Kokonaisanalyysistä on kuitenkin tällä tavoin toteutettunakin selkeästi havaittavissa keskusteluissa vallitsevat tunteet, kuten yllä olevasta tutkimuskuvasta on havaittavissa.

Taannoin julkaisimme myös blogissamme käännöksen TNS Globalin tutkimuksesta jonka mukaan nykyaikainen SoMe-tutkimus tuottaa samat tulokset kuin perinteinen markkinatutkimus, mutta tuottaa vastaukset n 8 viikkoa aiemmin kuin perinteisellä kyselytutkimuksella on mahdollista tuottaa. SoMe:n avulla saavutetaan myös monissa tapauksissa kattavampi otos asiakaskunnasta, kuin pelkän kyselytutkimuksen avulla.

Olemme siis saapunut siihen tilanteeseen, jossa voidaan oikeasti harkita perinteisten kyselytutkimuksien hylkäämistä ja korvaamista täysin nykyaikaisilla analyyseillä erilaisista datakokonaisuuksissa. Sentimenttianalyysi ja markkinatutkimus esimerkiksi syntyy yhdestä ja samasta data-aineistosta ja aineiston avulla on myös mahdollista analysoida ja vertailla historiatietoja nykytilaan.

Datamania