Analyser kunders produktanmeldelser ved hjelp av ChatGPT OpenAi API: En trinnvis guide til å hente forretningsinnsikt fra del 1 av følelsesanalyse

Hva du trenger å vite for å bruke ChatGPT

ChatGPT og nå GPT-4 er en type kunstig intelligens nevrale nettverk kalt et stort språkmodell (LLM) som er utmerket i naturlig språkbehandling og andre avanserte oppgaver med menneskelik kapasitet. GPT står for "generativt forhåndsskolert transformer" og indikerer at den kan generere tekstsvar basert på input og nøkkelordkommandoer (kalt et prompt) fra en bruker. Den ble utviklet av OpenAI og er tilgjengelig gjennom et chatbot-brukergrensesnitt eller som vi vil se i denne opplæringen, som en langt mer kraftig applikasjonsprogrammeringsgrensesnitt (API). Selv om det kan høres teknisk ut, er det ikke vanskelig å bruke et API, du trenger bare å skaffe deg en gratis API-nøkkel og sørge for at appen har de nødvendige inndataene. All AI-magien vil skje bak scenene, og resultatene vil bli utgitt på få sekunder.

Hvordan fungerer ChatGPT?

ChatGPT er en AI-basert teknologi som tillater brukere å ha samtaler med et AI-system. Det fungerer ved å bruke algoritmer for naturlig språkbehandling (NLP) for å forstå brukerens inndata og utføre tilsvarende oppgaver. I denne opplæringen vil vi be det om å oppdage stemningen til kundeanmeldelser og også oppsummere lange anmeldelser. ChatGPT er trent på store mengder kunnskap og data, noe som gjør at det kan svare på et bredt spekter av spørsmål og forespørsler. Jo flere interaksjoner som finner sted, jo mer lærer ChatGPT og forbedrer svarene sine. Dette kalles maskinlæring. Systemets fleksibilitet gjør det mulig for organisasjoner og enkeltpersoner å tilpasse funksjonaliteten til å møte spesifikke behov. Kort sagt, gir ChatGPT en enkel måte for ikke-programmerere å få tilgang til kraftige AI naturalspråksteknikker gjennom chatboten eller API-grensesnittet, noe som i grunn endrer de ulike typene dataanalyse som kan utføres.

Hvordan bruk av ChatGPT til å analysere tilbakemeldingsdata fra kunder kan hjelpe bedriften din

Bruk av ChatGPT til å analysere tilbakemeldinger fra kunder og forbedre kundeopplevelsen kan definitivt gi fordeler til din bedrift. Ved å bruke AI-modeller, kan ChatGPT hjelpe bedriften din med å skape en bedre opplevelse for kundene ved å utnytte den store mengden data som bedriften har samlet inn, men aldri tatt i bruk. Ved å utnytte eksisterende bedriftsdata og hente ut innsikt fra den, kan du øke kundelojaliteten, forbedre kundetilfredsheten og øke inntektene. ChatGPT API-en gjør det mulig for bedriften din å analysere tilbakemeldinger fra kunder med nøyaktighet og hastighet. Ved å forbedre kvaliteten på bedriftens datagruvedrift kan du ta raskere og mer effektive datadrevne beslutninger.

ChatGPT utmerker seg i oppgaver for kunstig intelligens for å generere språk

ChatGPT er et bemerkelsesverdig språkgenereringsverktøy som utmerker seg ved å generere tekst som ligner på menneskers, noe som gjør det ideelt for oppgaver innen innholdskreasjon og andre fortellende rapporter som krever logikk og kreativitet. Evnen til å generere tekst som ligner på menneskelig, gjør det nyttig i å generere engasjerende og variert innhold for blogger, sosiale medier og nettsteder. ChatGPTs funksjon for tekstfullføring gjør det mulig for brukerne å skrive inn bare noen få nøkkelord og la AI-en automatisk generere fullstendige setninger eller avsnitt basert på disse nøkkelordene. Dette gjør innholdsskapingsprosessen enklere og mindre tidkrevende, og muliggjør at din virksomhet kan generere innhold raskt og effektivt. Etter å ha brukt ChatGPT API til å analysere våre anmeldelser i denne opplæringen, kan vi så bruke ChatGPTs tekstgenereringsfunksjoner for å opprette en produktforbedringsstrategi som består av en detaljert liste over produktets fordeler og ulemper samt foreslåtte produktforbedringer rangert etter viktighet og enkel implementering i følgende opplæringer.

AI-basert analyse i praksis: Hent innsikt fra kundeomtaler ved hjelp av følelsesanalyse med openAI ChatGPT API

Hvorfor følelsesanalyse?

Følelsesanalyse blir stadig viktigere i dagens samfunn der folk fritt og enkelt uttrykker sine meninger på nettet. Følelsesanalyse innebærer å analysere skriftlig tekst og deretter kategorisere den som positiv, negativ eller nøytral i tone. Denne teknikken kan gi markedsførere verdifulle innsikter i forbrukeratferd og preferanser, som deretter kan brukes av virksomheter for å forbedre produkter og tjenester, forbedre kundeopplevelsen eller gi bedre kundestøtte. Tidligere måtte du gjennomføre undersøkelser eller fokusgrupper for å prøve å lære hva kundene dine tenkte, i håp om at prosessen med å samle inn slike data ikke ville forvrenge meningene på noen måte. Nå kan du utnytte det folk har skrevet på nettet for å raskt forstå hvordan produktet ditt blir oppfattet. Følelsesanalyse kan også brukes til å overvåke sosiale medieplattformer for offentlig opinion om visse emner, hendelser, produkter eller til og med konkurrenter for forretningsbruk.

Hvorfor bruke openai API istedenfor ChatGPT-chatbot-grensesnittet?

Ved å bruke openAI API kan du automatisere den kjedelige oppgaven med å klippe og lime inn hver anmeldelse i ChatGPT. Med ett enkelt Python-kommando kan du instruere ChatGPT til å analysere kundeanmeldelser og bestemme følelsen i hver enkelt. Når det er gjort, kan vi bruke chatgpt til å generere resultatene på skjermen og også lagre dem til Excel og Word for sikkerhets skyld og videre diskusjon med teamet ditt. Koden vil også gi deg en prosentandel oppdeling av hvor mange anmeldelser som var positive, negative eller nøytrale. APIen lar oss også ta utgangspunkt i en del av analysen vår (dvs. Del 1 i denne opplæringen) og bruke det som inndata i neste trinn (dvs. Del 2, 3 og 4 i neste opplæring), og til slutt skape en innsiktsfull produktforbedringsanalyse på vanlig engelsk som ville vært vanskelig, om ikke umulig, å gjøre med bare chatbot-grensesnittet.

Trinnvis maskinlæringsbasert analyse av følelser

Antakelser

1. For å bruke openai API, trenger du en API-tilgangsnøkkel. Hvis du ikke har en fra før, følg disse trinnene for å opprette en gratis konto i 3 måneder
2. Du har en gratis Google Colab-konto

Trinn 1: Installer de nødvendige Python-bibliotekene i Google Colab

Brukt for å koble til openai API og sende forespørsler til den
!pip install pandas openai requests Brukt for å opprette en fremdriftsindikator mens API-samtalene blir gjort
!pip install tqdm Brukt for å eksportere resultatene til Word-format
!pip install python-docx

Steg 2: Forbered OpenAI API-miljøet i Colab

1. Erstatt delen som sier <REPLACE THIS TEXT WITH YOUR OPENAI API ACCESS KEY> med din private OpenAI API-tilgangsnøkkel. Pass på å la " " rundt API-tilgangsnøkkelen.
2. Vi skal bruke chat/completions API-endepunktet i stedet for de eldre gpt-3-endepunktene for å sikre at vi bruker den nyeste chatGPT-versjonen av programvaren, som også er billigere å bruke enn den eldre gpt-3-API-en.

Steg 3: Last inn din anmeldelses-datasett

Her antar vi at vurderingene er i en CSV-fil som heter "reviews.csv". Vurderingene er inneholdt i en enkelt kolonne kalt "Product_Review" med en anmeldelse per linje.

I dette eksempelet bruker vi eksempel produktomtaler fra en virksomhet, antagelig vår egen. Du kan imidlertid også bruke produktomtaler for konkurrerende produkter eller tjenester for å forstå hvordan konkurrenters produkter blir oppfattet av brukere.

Vi vil skrive ut datasettet for å forsikre oss om at alt er lastet inn korrekt.

Trinn 4: Bestem følelsen av hver produktanmeldelse ved hjelp av ChatGPT, og eksporter resultatene til Excel og Word

Merk: Hvis du bruker en gratis prøvekonto med openAI, begrenser de antall ganger du kan sende data til API per minutt. For å komme rundt denne begrensningen, introduserer vi en noen sekunders forsinkelse i koden mellom hver forespørsel. Hvis du bruker en betal-etter-bruk openAI-konto, kan du fjerne denne forsinkelsestimeren fra koden nedenfor, time.sleep(4)

openAI-APIen opplever noen ganger feil eller blir overveldet av forespørsler fra andre brukere. For å hindre at koden mislykkes når dette skjer, introduserer vi en while-klausul i koden som vil prøve igjen API-kallet 3 ganger; dette er vanligvis nok.

Du kan se at vi bruker gpt-3.5-turbo, som er det openAI anbefaler for øyeblikket som den raskeste, billigste og mest kapable modellen for denne typen analyse.

Dette er oppgaven (også kalt kommandoen) vi gir til chatGPT for å instruere den til å opptre som en produktanalytiker for følelser og avgjøre om en anmeldelse er positiv, negativ eller nøytral.

Du er en AI-språkmodell trent til å analysere og oppdage følelsen av produktomtaler. Analyser følgende produktomtale og bestem om følelsen er: positiv, negativ eller nøytral. Returner kun et enkelt ord, enten POSITIV, NEGATIV eller NØYTRAL "You are an AI language model trained to analyze and detect the sentiment of product reviews."

Trinn 5: Oppsummer hver vurdering ved hjelp av ChatGPT, og eksporter resultatene til Excel- og Word-dokumenter.

Merk: På samme måte som for tidligere kode, introducerer vi en 4-sekunders forsinkelse mellom API-anrop for å unngå å overskride API-anropbegrensningene for gratis prøvekonto. Du kan fjerne linjen time.sleep(4) hvis du har en betalt openAI-konto.

Dette er forespørselen vi bruker for å be chatGPT om å oppsummere produktanmeldelsene for oss.

Du er en AI språkmodell trent til å analysere og oppsummere produktanmeldelser. Oppsummer følgende produktanmeldelse ved å fremheve fordeler og ulemper.

Trinn 6: Fortsett til del 2 hvor vi vil automatisk generere en liste over fordeler og ulemper ved produktet fra brukeranmeldelsene

Her er lenken til Del 2 hvor vi dykker inn i å skape fordeler og ulemper fra listen og utarbeide en liste over prioriterte produktforbedringsforslag.

Konklusjon

Jeg håper du fant denne opplæringen nyttig, og jeg er glad for å besvare eventuelle spørsmål.

Jeg håper du fant denne opplæringen nyttig, og jeg er glad for å svare på eventuelle spørsmål.

Sørg for å følge meg på Medium for den kommende delen 2, der vi skal bygge videre på denne opplæringen når vi skaper en foreslått produktforbedringsstrategi med ChatGPT.

Hvis du har noen kommentarer, spørsmål eller ønsker å få noen deler av koden ovenfor forklart mer detaljert, vennligst gi meg beskjed i kommentarfeltet.

Og hvis det er andre forretningsområder for NLP som du vil at jeg skal skrive om neste gang, vennligst gi meg beskjed i kommentarfeltet eller via direktemelding. Takk!