Analyser kunde produktanmeldelser ved hjælp af ChatGPT OpenAi API: En trin-for-trin guide til at udtrække forretningsindsigter fra sentimentanalyse Del 1

Hvad du skal vide for at bruge ChatGPT

ChatGPT og nu GPT-4 er en type af kunstig intelligens neural netværk kaldet en stor sprogmodel (LLM), der excellerer i naturlig sprogbehandling og andre avancerede opgaver med menneskelignende evne. GPT står for "generativ prætrænet transformer", hvilket indikerer, at den kan generere tekst-responser baseret på input og søgeordkommandoer (kaldet et prompt) fra en bruger. Den blev udviklet af OpenAI og er tilgængelig gennem en chatbot-grænseflade eller, som vi vil se i denne tutorial, som en langt mere kraftfuld application programming interface (API). Selvom det måske lyder teknisk, er det ikke svært at bruge en API, du behøver kun at skaffe en gratis API-nøgle og derefter give programmet de nødvendige indtastede data; alt AI-magien vil ske bag kulisserne og outputte resultaterne på få sekunder.

Hvordan fungerer ChatGPT?

ChatGPT er en AI-drevet samtaleteknologi, der giver brugerne mulighed for at tale med et AI-system. Det fungerer ved hjælp af algoritmer til naturligt sprogforarbejdning (NLP) for at forstå brugerens input og udfører derefter de tilsvarende opgaver. I denne vejledning vil vi bede den om at registrere følelsen af kundeanmeldelser og også opsummere lange anmeldelser. ChatGPT er trænet på store mængder af viden og data, hvilket giver den mulighed for at reagere på en bred vifte af forespørgsler og spørgsmål. Jo flere interaktioner, der finder sted, jo mere lærer ChatGPT og forbedrer sine svar. Dette kendes som maskinindlæring. Systemets fleksibilitet gør det muligt for organisationer og enkeltpersoner at tilpasse dens funktionalitet til at opfylde deres specifikke behov. Kort sagt giver ChatGPT en nem måde for ikke-programmører at få adgang til kraftfulde AI-natursprogsteknikker gennem dets chatbot eller API-interface, hvilket grundlæggende ændrer de typer af dataanalyse, der kan udføres.

Hvordan brugen af ChatGPT til at analysere kunde-feedback data kan hjælpe dit firma

Brugen af ChatGPT til at analysere kundefeedback og forbedre kundeoplevelsen kan bestemt gavne dit firma. Ved hjælp af AI-modeller kan ChatGPT hjælpe dit firma med at skabe en bedre oplevelse for dine kunder ved endelig at udnytte de massive mængder af data, som dit firma har indsamlet, men aldrig sat til god brug. Ved at udnytte dit eksisterende firmadata og udvinde indsigt fra det kan du øge kundeloyaliteten, forbedre kunderetentionen og øge omsætningen. ChatGPT API'en gør det muligt for dit firma at analysere kundefeedback med nøjagtighed og hastighed. Ved at forbedre kvaliteten af dit firms dataminingindsats kan du træffe hurtigere og mere effektive datadrevne beslutninger.

ChatGPT er dygtig til at udføre sproggenereringsopgaver ved brug af kunstig intelligens

ChatGPT er et bemærkelsesværdigt sproggenereringsværktøj, der er fremragende til at generere menneskelignende tekst, hvilket gør det ideelt til opgaver med indholdsskabelse og andre narrativ stilrapporter, der kræver logik og kreativitet. Dets evne til at generere tekst, der minder om menneskelig, gør det nyttigt til at generere engagerende og varieret indhold til blogs, sociale medier og websites. ChatGPT's tekstkompletteringsfunktion giver brugerne mulighed for at indtaste blot få nøgleord og derefter lade AI'en automatisk generere komplette sætninger eller afsnit baseret på disse nøgleord. Dette gør indholdsskabelsesprocessen lettere og mindre tidskrævende, så din virksomhed kan generere indhold hurtigt og effektivt. Efter at have brugt ChatGPT API'en til at analysere vores anmeldelser i denne tutorial, kan vi derefter udnytte ChatGPT's tekstgenereringsevner til at oprette en produktforbedringsstrategi, der består af en detaljeret liste over produkters fordele og ulemper og foreslåede produktforbedringer rangeret efter vigtighed og nemhed af implementering i de følgende tutorials.

AI-drevet analyse i praksis: Uddrag indsigt fra kundeproduktanmeldelser ved hjælp af følelsesanalyse med openAI ChatGPT API

Hvorfor sentimentanalyse?

Sentimentanalyse bliver stadig vigtigere i dagens verden, hvor folk frit og nemt udtrykker deres meninger online. Sentimentanalyse indebærer at analysere skrevet tekst og kategorisere det som positivt, negativt eller neutralt i tone. Denne teknik kan give en markedsfører værdifulde indsigter i forbrugeradfærd og præferencer, som virksomheder derefter kan anvende til at forbedre produkter og tjenester, forbedre kundeoplevelsen eller give bedre kundesupport. Tidligere skulle du have gennemført undersøgelser eller kunde fokusgrupper for at forsøge at lære, hvad dine kunder tænkte, og håbe på, at indsamlingen af ​​sådanne data ikke forudindtager meningerne den ene eller den anden vej. Nu kan du drage fordel af, hvad folk har skrevet online, for hurtigt at forstå, hvordan dit produkt bliver opfattet. Sentimentanalyse kan også bruges til at overvåge sociale medieplatforme for offentlig mening om visse emner, begivenheder, produkter eller endda konkurrenter til forretningsbrug.

Hvorfor bruge Openai API i stedet for ChatGPT chatbot interface?

Med brug af openAI API'en kan du automatisere den kedelige opgave med at klippe og indsætte hver anmeldelse i ChatGPT. Med en enkelt kommando i Python kan du instruere ChatGPT til at analysere kundeanmeldelser og bestemme stemningen i hver enkelt. Når det er gjort, kan vi bruge ChatGPT til at generere resultater på skærmen og også gemme dem i Excel og Word til sikker opbevaring og yderligere diskussion med dit team. Koden vil også give dig en procentuel opsplitning af, hvor mange anmeldelser der var positive, negative eller neutrale. API'en giver også mulighed for at tage outputtet af en del af vores analyse (dvs. del 1 i denne tutorial) og bruge det som input i næste trin (dvs. del 2, 3 og 4 i de følgende tutorials), hvilket til sidst skaber en indsigtfuld produktforbedringsanalyse på almindeligt engelsk, som ville være svært, hvis ikke umuligt, at gøre alene med chatbot-interfacet.

Trin-for-trin Maskinindlæring Sentimentanalyse

Antagelser

1. For at bruge openai API skal du have en API adgangsnøgle. Hvis du ikke allerede har en, skal du følge disse trin for at oprette en gratis konto i 3 måneder
2. Du har en gratis Google Colab-konto

Trin 1: Installer de nødvendige Python biblioteker i Google Colab

Bruges til at få adgang til OpenAI API'en og sende anmodninger til den
!pip install pandas openai requests Bruges til at lave en fremdriftsindikator, mens API-anmodningerne er i gang
!pip install tqdm Bruges til at eksportere resultaterne til Word-format
!pip install python-docx

Trin 2: Forbered openAI API-miljøet i Colab

1. Erstat afsnittet, der siger <UDSKIFT DENNE TEKST MED DIN OPENAI-API-TILGANGSNØGLE> med din private OpenAI API-tilgangsnøgle. Sørg for at bevare de " " der omgiver din API-tilgangsnøgle.
2. Vi vil bruge chat/completions API-slutpunktet i stedet for de ældre gpt-3-slutpunkter for at sikre, at vi bruger den nyeste chatGPT-version af softwaren, som også er billigere at bruge end den ældre gpt-3 API.

Trin 3: Indlæs din anmeldelsesdatabase

Her antager vi, at anmeldelserne er i en CSV-fil med navnet "anmeldelser.csv". Anmeldelserne er indeholdt i en enkelt kolonne kaldet "Produkt_anmeldelse" med én anmeldelse pr. linje.

I dette eksempel bruger vi eksempel anmeldelser af produkter fra en virksomhed, formentlig vores egen. Du kan dog også bruge produktanmeldelser for konkurrerende produkter eller services for at forstå, hvordan dine konkurrenters produkter opfattes af brugerne.

Vi vil udskrive dataframen for at sikre os, at alt er indlæst korrekt.

Trin 4: Bestem følelsen af hver produktanmeldelse ved hjælp af ChatGPT, output resultaterne til Excel og Word

Bemærk: Hvis du bruger en gratis prøvekonto med openAI, begrænser de antallet af gange, du kan sende data til API'en per minut. For at omgå denne begrænsning introducerer vi en lille forsinkelse i koden mellem hver anmodning. Hvis du bruger en betal-efter-behov openAI-konto, kan du fjerne denne forsinkelsestimer fra koden nedenfor, time.sleep(4).

openAI API'en oplever sommetider fejl eller bliver overvældet af forespørgsler fra andre brugere. For at forhindre at koden fejler, når dette sker, introducerer vi en while-klausul i koden, der vil forsøge at kalde API'en 3 gange igen; dette er normalt nok.

Du kan se, at vi bruger gpt-3.5-turbo, som er, hvad openAI anbefaler på nuværende tidspunkt som den hurtigste, billigste og mest kapable model til denne type analyse.

Dette er prompten (også kendt som kommandoen), som vi giver til chatGPT, der vil instruere den til at fungere som en produktanmeldelsesanalyzer og bestemme, om en anmeldelse er positiv, negativ eller neutral.

Du er en AI sprogmodel trænet til at analysere og opdage holdningen i produktanmeldelser. Analyser følgende produktanmeldelse og afgør, om holdningen er: positiv, negativ eller neutral. Returner kun et enkelt ord, enten POSITIV, NEGATIV eller NEUTRAL "Du er en AI sprogmodel trænet til at analysere og opdage holdningen i produktanmeldelser."

Trin 5: Opsummer hvert anmeldelse ved hjælp af ChatGPT, og eksporter resultaterne til Excel og Word

Bemærk: Ligesom den foregående kode introducerer vi en 4-sekunders forsinkelse mellem API-opkald for at undgå at overskride begrænsningerne for API-opkald i en gratis prøvekonto. Du kan fjerne linjen time.sleep(4) hvis du har en betalt openAI konto.

Dette er prompten, vi bruger til at bede chatGPT om at opsummere produktanmeldelserne for os.

Du er en AI-sprogmodel, der er trænet til at analysere og sammenfatte produktanmeldelser. Sammenfat følgende produktanmeldelse og fremhæv fordele og ulemper.

Trin 6: Fortsæt til Del 2, hvor vi automatisk genererer en liste over produkternes fordele og ulemper fra brugeranmeldelserne

Her er linket til Del 2, hvor vi dykker ned i at skabe en liste over fordele og ulemper og udleder en liste over prioriterede produktforbedringsforslag.

Konklusion

Jeg håber, at du fandt denne vejledning nyttig, og jeg er glad for at besvare eventuelle spørgsmål.

Jeg håber, at du fandt denne vejledning nyttig, og jeg er glad for at besvare eventuelle spørgsmål.

Sørg for at følge mig på Medium for den kommende del 2, hvor vi vil bygge videre på denne vejledning, mens vi skaber en foreslået produktforbedringsstrategi med ChatGPT.

Hvis du har kommentarer, spørgsmål eller gerne vil have nogle dele af ovenstående kode forklaret mere detaljeret, så lad mig det vide i kommentarfeltet.

Hvis der er andre forretningsmæssige anvendelser af NLP, som du gerne vil have, at jeg skriver om næste gang, så lad mig det vide i kommentarerne eller via direkte besked. Tak!