使用 JMP® Pro 中的文字探勘功能對消費者回饋進行建模 ( US 2018 109 )等級：中級
曲善康，百事公司統計師
王木木，百事公司資深科學家/統計學家
本研究旨在使用監督式學習情緒分析來評估顧客評論和購買行為。將消費者對飲料產品的回饋和評論逐字收集（即文字資料）分為投訴、讚美和建議等類別。透過 JMP Pro 創建的文本探勘模型，我們證明了混合演算法實作的可行性，其中手工建構的分類器與從資料中進行的經驗學習相結合。自動化系統會將演算法與傳入的語音記錄回饋和累積的逐字記錄連接，並將文件分為三個類別之一。這些演算法會根據新的數據和經驗進行調整，從而隨著時間的推移提高預測品質。我們的服務人員透過電話、電子郵件、社群媒體、聊天和電子商務手動編碼了 7,507 份來自消費者的文件。在本次示範中，我們將展示如何使用神經網路等方法來建立文字探勘模型。在混淆矩陣中，我們在訓練中實現了 6% 的錯誤分類率，在驗證中實現了 11% 的錯誤分類率。透過使用自舉森林和名目邏輯模型，可以獲得略高的比率。將建模結果與原始編碼逐字進行比較，我們也發現了一些資料輸入問題。這些模型經過訓練可以捕捉被人類錯誤分類的文件。
