王劍冰

消費(fèi)者喜不喜歡這款產(chǎn)品？喜歡產(chǎn)品哪一點(diǎn)？有多喜歡？企業(yè)忙著揣測“圣意”，殊不知這件事其實(shí)很簡單——答案就在隨處可見的網(wǎng)絡(luò)評(píng)論中。

小米筆記本值得購買嗎？《速度與激情8》好看嗎？知乎上的付費(fèi)產(chǎn)品到底有沒有用？

遍布網(wǎng)絡(luò)的社交評(píng)論信息，傳遞著消費(fèi)者最真實(shí)的聲音。輿情監(jiān)控工作對于企業(yè)來說既重要，又難辦——這項(xiàng)工作僅靠人力很難做到“海量信息分析”，而大數(shù)據(jù)服務(wù)商因?yàn)槿狈ο鄳?yīng)技術(shù)，只能采集數(shù)據(jù)，無法進(jìn)行準(zhǔn)確分析，形成解決方案。

2016年9月，一群來自甲骨文、滴滴、特斯拉、華為的年輕人成立了語憶科技，做出了市面上首款中文文本情感解析引擎Kismet。

Kismet最大的革新之處就在于能夠從文本中分析18種細(xì)分情緒，并提煉出引起情緒變化的關(guān)鍵詞。比如，小米筆記本的產(chǎn)品評(píng)論以“憂慮”情緒為主，引起這個(gè)情緒的關(guān)鍵詞是“性能”。而其中的秘訣就在于語憶科技自主研發(fā)的半監(jiān)督式機(jī)器學(xué)習(xí)算法，結(jié)合情感神經(jīng)網(wǎng)絡(luò)模型，可以迅速從詞庫中關(guān)聯(lián)文本的細(xì)分情緒。相比之下，市面上的同類產(chǎn)品大多數(shù)只能分析出喜悅、憤怒等簡單情緒。

Kismet最直接的應(yīng)用就是商業(yè)分析咨詢服務(wù)，比如幫助企業(yè)進(jìn)行競品分析，挖掘產(chǎn)品屬性對應(yīng)的用戶情感反饋，從而針對產(chǎn)品創(chuàng)新和改善服務(wù)提供建議。以語憶科技服務(wù)過的食品品牌商為例，“不好吃”是消費(fèi)者對產(chǎn)品表達(dá)的負(fù)面情緒，引起情緒的關(guān)鍵詞中“口感不好”占比36.7%，“太甜”占18.4%。據(jù)此，企業(yè)的產(chǎn)品改良方案能做到有的放矢。

如果將視角拔高，從文本情緒分析上升到情感經(jīng)濟(jì)來看，語憶科技還有更大的想象空間。

隨著智能硬件和服務(wù)機(jī)器人的普及度越來越高，Kismet情感解析技術(shù)可以集成到機(jī)器人產(chǎn)品中，對用戶輸入的文本進(jìn)行情感分析。這能讓客服、禮賓、送餐、陪伴、娛樂類機(jī)器人變得“更懂感情”，實(shí)現(xiàn)人機(jī)交互體驗(yàn)的一次飛躍。

語憶科技還能為廣告主提供服務(wù)。根據(jù)網(wǎng)絡(luò)文本中用戶對產(chǎn)品的態(tài)度，語憶科技對評(píng)論發(fā)布者進(jìn)行分類分組，廣告主可以在“期待”“喜歡”等情緒強(qiáng)烈的渠道進(jìn)行重點(diǎn)投放。

2017年3月，語憶科技還與杭州一家IP孵化公司達(dá)成合作。在網(wǎng)絡(luò)小說中，人物情緒波動(dòng)明顯的內(nèi)容更有可能成為爆款。通過情緒解析算法，語憶科技可以得到小說的情緒波動(dòng)值，為IP孵化渠道提供參考依據(jù)。目前，語憶科技還在著手打造數(shù)據(jù)可視化通用SaaS平臺(tái)，企業(yè)可以自行提供數(shù)據(jù)進(jìn)行批量情感分析。比起之前的定制化深度服務(wù)，這樣的模式更輕，更利于語憶科技迅速提高知名度。