はじめに
弊社 ヴェネクト株式会社では、データに基づいたマーケティング支援を特長の1つとしています。
そのデータに基づいた支援を体現する為に、様々な調査・分析を実施しておりますが、その中に「商品レビュー分析」というものがあります。
「商品レビュー分析」は、単独のサービスとしても売り出しており、”商品を購入した顧客がどのような商品評価をしているのか、競合他社の商品と比較した際にそれぞれの差はどこにあるのか” を分析する内容となっています。
これまでの「商品レビュー分析」は、レビューサイトやECサイトから取得した商品レビューを人の手で大量に読み込み、ポジティブ/ネガティブなどの判別をしてきましたが、この度「商品レビュー分析サービス」のリニューアルを機に、この判別作業の一部自動化を目指しました。
詳細の内容は後述する関連記事をご参照いただきたいのですが、主に自然言語解析を使用することでレビュー文章のポジティブ/ネガティブを人によらず分類できたり、定量データとして分析できる環境を構築しましたので、合計4回の記事にて、どのような目的から何の技術を採用し、上手く構築できた点や構築に苦戦した点などを掲載していこうと思います。
商品レビュー分析サービスとは
VENECTサイト|商品レビュー分析サービスページ:
https://www.venect.jp/services/review-analytics/
成果物イメージ
分析結果の活用用途
- ECサイト内挿入サムネイルのクリエイティブ訴求の検討
- 検索型広告の買い付けキーワード/広告文の検討
- 次の商品開発・企画の検討
- 競合対策の検討
- 商品のポジショニングの明確化
構築内容について
今回の構築において、弊社が新しく取り入れた技術スタックや処理の流れについて紹介したいと思います。
処理の流れ
まずは商品レビュー分析における処理の流れは以下で実装しました。
- 商品レビューで頻出するキーワードを抽出
- 商品レビューからレビューとキーワードのポジティブ/ネガティブを分析
- キーワードを商品の特徴カテゴリーに分類
- 集計
使用した技術
以下の技術を使用しています。技術的なトピックについては別記事として掲載していますが、それぞれどのような目的で使用しているかの概要を記載します。
- Python(django)
- Google Cloud Natural Language API
- ChatGPT API
- MeCab
Google Cloud Natural Language API
このAPIを利用することで、レビューの感情やエンティティの感情を自動的に分析し、ポジティブ/ネガティブの度合いを把握することができます。
- レビューの感情(ポジティブ/ネガティブの度合い)を判断
- エンティティの感情(ポジティブ/ネガティブの度合い)を判断
ChatGPT
- 商品に対する特徴カテゴリーの提案(扇風機の場合、「風量」「サイズ」など)
- 頻出エンティティを特徴カテゴリーに分類
MeCab
- 頻出エンティティの抽出
- エンティティの原型化
- 共起ワードの抽出
今回の構築により出来るようになったこと
大きくは以下の2点がシステムから自動的に出力できるようになったのが影響が大きいと思います
- レビュー全体から算出される評価ポイントのカテゴライズ
- レビューおよびキーワードごとのポジティブ/ネガティブの判別(数値化)
その他記事へのリンク
- 第一回 | 商品レビュー分析のリニューアルに伴う自動化システム構築について
- 第二回 | Google Natural Language API
- 第三回 | ChatGPT
- 第四回 | MeCab