AWS を使用した顧客感情のリアルタイム分析

製品やサービスをオンラインで販売する企業は、製品の購入後に Web サイトに残されたカスタマー レビューを常に監視する必要があります。 同社のマーケティングおよび顧客サービス部門は、これらのレビューを分析して顧客の感情を理解しています。 たとえば、マーケティングはこのデータを使用して、さまざまな顧客セグメントを対象とするキャンペーンを作成できます。 顧客サービス部門は、このデータを使用して顧客の不満を特定し、是正措置を取ることができます。

従来、このデータはバッチ プロセスを介して収集され、保存、分析、およびレポートのためにデータ ウェアハウスに送信され、数日ではないにしても数時間後に意思決定者が利用できるようになります。 このデータをすぐに分析できれば、企業は顧客の感情に迅速に対応する機会を得ることができます。

この投稿では、顧客フィードバックの全体的な感情をほぼリアルタイム (数分) で分析するアプローチについて説明します。 また、テキスト内の特定のエンティティ (会社、製品、人物、ブランドなど) に関連付けられたさまざまな感情を API から直接理解する方法も示します。

リアルタイムの感情分析のユースケース

リアルタイムのセンチメント分析は、次のような自社の製品やサービスに関する顧客からのフィードバックを即座に取得することに関心のある企業にとって非常に役立ちます。

• レストラン
• さまざまな製品やサービスを販売する小売企業または B2C 企業
• オンライン映画（OTT プラットフォーム）、ライブ コンサート、またはスポーツ イベントをストリーミングする企業
• 金融機関

一般に、顧客とのタッチポイントがあり、リアルタイムの意思決定を行う必要があるビジネスは、顧客からのリアルタイムのフィードバックから恩恵を受けることができます。

感情へのリアルタイム アプローチの展開は、次のユース ケースで役立ちます。

• マーケティング部門は、データを使用して顧客セグメントをより適切にターゲティングしたり、キャンペーンを特定の顧客セグメントに合わせて調整したりできます。
• 顧客サービス部門は、満足していない顧客にすぐに連絡を取り、問題の解決を試みて、顧客離れを防ぐことができます。
• 製品に対する肯定的または否定的な感情は、さまざまな場所での製品需要の有用な指標として証明できます。 たとえば、動きの速い製品の場合、企業はリアルタイム データを使用して倉庫の在庫レベルを調整し、特定の地域での過剰な在庫や在庫切れを回避できます。

次の使用例のように、センチメントを詳細に理解することも役立ちます。

• 企業は、従業員/顧客体験の楽しい部分と改善される可能性のある部分を特定できます。
• コンタクト センターとカスタマー サービス チームは、オンコールの文字起こしまたはチャット ログを分析して、エージェント トレーニングの有効性、および顧客からの具体的な反応や、その反応を引き出すために使用されたフレーズや単語などの会話の詳細を特定できます。
• プロダクトオーナーとUI/UX開発者は、ユーザーが楽しんでいる製品の機能と、改善が必要なパーツを特定できます。 これにより、製品ロードマップの議論と優先順位付けをサポートできます。

ソリューションの概要

企業が Web サイトに入力されたレビューから、ほぼリアルタイム (通常は数分) で顧客の感情 (完全なものと対象を絞ったものの両方) を分析するのに役立つソリューションを紹介します。 根本的に、それはに依存しています Amazon Comprehend 完全な感情分析とターゲットを絞った感情分析の両方を実行します。

Amazon Comprehend 感情 API は、テキスト ドキュメントの全体的な感情を識別します。 2022 年 XNUMX 月の時点で、ターゲットを絞ったセンチメントを使用して、テキスト ドキュメントで言及されている特定のエンティティに関連付けられているセンチメントを識別できます。 たとえば、「ハンバーガーは好きだったが、サービスが遅かった」というレストランのレビューでは、対象となる感情は、「ハンバーガー」に対する肯定的な感情と「サービス」に対する否定的な感情を識別します。

このユース ケースでは、北米の大手レストラン チェーンが、自社の Web サイトやモバイル アプリで顧客が行ったレビューを分析したいと考えています。 レストランは、メニューのさまざまなアイテム、支店で提供されるサービス、および顧客の経験に対する全体的な感情に関する顧客のフィードバックを分析したいと考えています。

たとえば、顧客は次のようなレビューを書くことができます。 パスタはおいしかったです。 しかし、サービスは非常に貧弱でした！” このレビューでは、レストランの場所はニューヨークです。 全体的な感情はまちまちで、「食べ物」と「パスタ」に対する感情は肯定的ですが、サービスに対する感情は否定的です。

レストランは、年齢や性別などの顧客プロファイルごとにレビューを分析して、顧客セグメント全体の傾向を特定したいと考えています (このデータは、Web およびモバイル アプリによってキャプチャされ、バックエンド システムに送信される可能性があります)。 顧客サービス部門は、このデータを使用して、下流の CRM システムで顧客チケットを作成することにより、エージェントに問題のフォローアップを通知したいと考えています。 オペレーション部門は、特定の日に動きの速いアイテムを把握して、それらのアイテムの準備時間を短縮できるようにしたいと考えています。

現在、すべての分析は、2 ～ 3 日かかるバッチ プロセスを介して電子メールでレポートとして配信されます。 レストランの IT 部門には、そのようなソリューションを構築するための高度なデータ分析、ストリーミング、または AI と機械学習 (ML) 機能がありません。

次のアーキテクチャ図は、ワークフローの最初のステップを示しています。

ソリューション全体を、顧客の Web サイトまたはモバイル アプリの背面に接続できます。

アマゾンAPIゲートウェイ XNUMX つのエンドポイントを公開します。

• 顧客レビューが入力される顧客エンドポイント
• サービス部門が特定のレビューを見てサービス チケットを作成できるサービス エンドポイント

ワークフローには次の手順が含まれます。

1. 顧客が (たとえば、Web サイトから) レビューを入力すると、それは API ゲートウェイに接続された API ゲートウェイに送信されます。 Amazon シンプル キュー サービス (Amazon SQS) キュー。 キューは、入力されたレビューを保存するバッファとして機能します。
2. SQS キューは、 AWSラムダ 関数。 数回再試行してもメッセージが Lambda 関数に配信されない場合、メッセージは今後の検査のために配信不能キューに入れられます。
3. Lambda 関数は、 AWSステップ関数 ステート マシンを呼び出し、キューからメッセージを渡します。

次の図は、Step Functions ワークフローを示しています。

Step Functions は、次の手順を並行して実行します。

1. Step Functions は、Amazon Comprehend から detect_sentiment API を呼び出して、メッセージの完全なセンチメントを分析します。
2. 次の手順を呼び出します。
   1. 結果を Amazon DynamoDB 列で番号の横にあるXをクリックします。
   2. センチメントが否定的または混合的である場合、次のアクションを実行します。
      • に通知を送信します。 Amazon シンプル通知サービス (Amazon SNS)、XNUMX つ以上の E メールアドレス (カスタマーサービスのディレクター、マーケティングのディレクターなど) によって購読されています。
      • にイベントを送信します。 アマゾンイベントブリッジ、受け取ったレビューに基づいて行動するために、別の下流システムに渡されます。 この例では、EventBridge イベントは アマゾンクラウドウォッチ ログ。 実際のシナリオでは、Lambda 関数を呼び出して、AWS の内部または外部のダウンストリーム システム (在庫管理システムやスケジューリング システムなど) にイベントを送信できます。
3. を呼び出すことにより、メッセージの対象となる感情を分析します。 detect_targeted_sentiment Amazon Comprehend の API。
4. Map 関数を使用して DynamoDB テーブルに結果を書き込みます (並行して、メッセージで識別されたエンティティごとに XNUMX つ)。

次の図は、Step Functions からダウンストリーム システムへのワークフローを示しています。

1. DynamoDB テーブルが使用する AmazonDynamoDBストリーム 変更データ キャプチャ (CDC) を実行します。 テーブルに挿入されたデータは、 Amazon Kinesisデータストリーム 〜へ Amazon Kinesis データ ファイアホース ほぼリアルタイムで (60 秒に設定)。
2. Kinesis Data Firehose はデータを Amazon シンプル ストレージ サービス （Amazon S3）バケット。
3. アマゾンクイックサイト S3 バケット内のデータを分析します。 結果は、販売、マーケティング、または顧客サービス チーム (内部ユーザー) が表示できるさまざまなダッシュボードに表示されます。 QuickSight は、スケジュールに従ってダッシュボードを更新することもできます (この例では 60 分に設定されています)。

　 AWS CloudFormation ソリューション アーキテクチャを作成するためのテンプレートは、 GitHubの. テンプレートには QuickSight ダッシュボードは含まれていませんが、README.md ファイルに作成方法の説明が記載されていることに注意してください。 次のセクションでは、いくつかのサンプル ダッシュボードを提供します。

QuickSight ダッシュボード

ダッシュボードは、マーケティング部門やカスタマー サービス部門が主要なビジネス指標全体で製品やサービスのパフォーマンスを視覚的に分析するのに役立ちます。 このセクションでは、レストランの架空のデータを使用して、QuickSight で作成されたサンプル レポートをいくつか紹介します。 これらのレポートは、意思決定者が約 60 分で利用できるようになります (更新サイクルによる)。 次のような質問に答えることができます。

• 顧客はビジネス全体をどのように認識していますか?
• 顧客が好む、または好まないサービスの特定の側面 (サービスの提供にかかる時間、顧客の苦情に対して提供される解決策など) はありますか?
• 新しく導入された特定の商品 (メニューの項目など) を顧客はどのように気に入っていますか? 顧客が好む、または好まない特定の製品はありますか?
• 年齢層、性別、場所を問わず、顧客の感情に観察可能なパターンはありますか (今日、さまざまな場所で人気のある食品は何かなど)?

完全な感情

次の図は、完全な感情分析の例を示しています。

最初のグラフは、全体的なセンチメントです。

次のグラフは、年齢層別のセンチメントを示しています。

次のグラフは、性別ごとのセンチメントを示しています。

最後のグラフは、レストランの場所全体のセンチメントを示しています。

的を絞った感情

次の図は、対象を絞ったセンチメント分析の例を示しています。

最初のグラフは、エンティティ (サービス、レストラン、食事の種類など) ごとのセンチメントを示しています。

以下は、エンティティごとの年齢層全体のセンチメントを示しています。

次のグラフは、エンティティごとの場所全体のセンチメントを示しています。

次のスクリーンショットは、顧客の感情をより詳細に分析するために使用できる CRM チケット システムからのものです。 たとえば、私たちのユースケースでは、顧客サービス部門が否定的な感情の電子メール通知を受け取るように設定しました。 メールからの情報 (顧客の感情のレビュー ID) を使用して、サービス担当者は感情のより詳細な情報にドリルダウンできます。

まとめ

この投稿では、Amazon Comprehend やその他の AWS サービスを使用したリアルタイムの感情分析のアーキテクチャについて説明しました。 当社のソリューションには、次の利点があります。

• これは、顧客向けアプリまたはモバイル アプリの背後にデプロイできる API ゲートウェイを備えた CloudFormation テンプレートとして提供されます。
• AI、ML、または自然言語処理に関する特別な知識がなくても、Amazon Comprehend を使用してソリューションを構築できます
• SQL に関する特別な知識がなくても、QuickSight を使用してレポートを作成できます
• 完全にサーバーレスにすることができ、柔軟なスケーリングを提供し、必要な場合にのみリソースを消費します

リアルタイムのセンチメント分析は、サービスに関する顧客からのフィードバックを即座に得たい企業にとって非常に役立ちます。 これは、会社のマーケティング、販売、および顧客サービス部門が顧客からのフィードバックを即座に確認し、是正措置を取るのに役立ちます。

このソリューションを会社で使用して、ほぼリアルタイムで顧客の感情を検出して対応します。

の詳細については このブログで説明する主なサービス、以下のリンクにアクセスしてください

Amazon Comprehend
AWSステップ関数
AmazonDynamoDBストリーム
Amazon Kinesisデータストリーム
Amazon Kinesis データ ファイアホース
アマゾンイベントブリッジ
アマゾンクイックサイト

---

著者について

バラド・G・バラダラジャン アマゾン ウェブ サービスのシニア ソリューション アーキテクト (SA) であり、米国北東部の顧客をサポートしています。 Varad は、デジタル ネイティブ ビジネスの信頼できるアドバイザーおよびフィールド CTO として機能し、AWS を使用して革新的なソリューションを大規模に構築するのを支援しています。 Varad の関心分野は、IT 戦略コンサルティング、アーキテクチャ、および製品管理です。 仕事以外では、Varad はクリエイティブな執筆、家族や友人との映画鑑賞、旅行を楽しんでいます。