تحلیل احساس و کاوش عقیده از متن به روش بدون نظارت با استفاده از منطق فازی: کاربرد در تحقیقات بازار

تجزیه‌ و ‌تحلیل احساسات کاربران در‌حوزۀ بازاریابی و بهبود تجربۀ مشتریان نقشی اساسی دارد و به تدوین استراتژی‌ های بازاریابی کمک می‌کند. این تحلیل یکی از عوامل اساسی در ارزیابی کارآیی و عملکرد رسانه‌های اجتماعی به‌عنوان ابزارهای ارتباطی است. پژوهش حاضر از‌لحاظ هدف، کاربردی، از‌لحاظ زمان، مقطعی، از‌لحاظ متغیر پژوهشی، کمّی و کیفی و از‌لحاظ طرح پژوهش، توصیفی است. محققان این پژوهش با بهره‌گیری از سیستم فازی و رویکرد بدون نظارت، بدون نیاز به دانش پیشین و داده‌های برچسب‌گذاری‌شده توییت‌های کاربران را دسته‌بندی کردند. این پیشرفت در تحلیل احساسات به محققان و صنعت‌گران امکان می‌دهد تا بدون نیاز به دادۀ برچسب‌گذاری شده اطلاعات مفیدی را از نظر‌ها و احساسات کاربران در‌زمینه و بستر دلخواه خود استخراج و از آن در فرآیند تصمیم‌گیری‌های تجاری برای دستیابی به سود بیشتر استفاده کنند. محققان در پژوهش حاضر تجربه‌های کاربران را دربارۀ تلفن‌های همراه شرکت‌های سامسونگ و اپل از سال 2022 تاکنون بررسی و تحلیل و آنها را به شکل مثبت، منفی و خنثی دسته‌بندی کردند. بدین منظور از سه ابزار تحلیل احساسات واژگان sentiwordnet، afinn و vader برای تعیین قطبیت توییت‌ها استفاده شد. نتایج دسته‌بندی نشان داد که میزان رضایت کاربران از تلفن‌های همراه شرکت سامسونگ نسبت به شرکت اپل بیشتر بوده است.

fuzzy logic-based unsupervised sentiment analysis and opinion mining: applications in market research

analyzing user sentiments in marketing and enhancing customer experiences are essential for developing effective marketing strategies. this analysis is crucial for assessing the performance of social media platforms as communication tools. this research was practical in nature and cross-sectional in time, while utilizing both quantitative and qualitative variables within a descriptive research design. the study categorized user tweets without relying on prior knowledge or labeled data, employing fuzzy systems and an unsupervised approach. this advancement in sentiment analysis enabled researchers and practitioners to extract valuable insights from user opinions and emotions within their respective domains and platforms, thereby facilitating informed business decisions aimed at maximizing profitability. as a case study, this empirical research examined user experiences with samsung and apple mobile phones from 2022 to the present, classifying sentiments into positive, negative, and neutral categories. three sentiment analysis tools—sentiwordnet, afinn, and vader—were employed to determine the polarity of the tweets. the classification results revealed a higher level of user satisfaction with samsung mobile phones compared to apple.introductionsentiment analysis plays a vital role in marketing by enabling businesses to extract emotional insights from text data, allowing for a deeper understanding of customer reactions to products and services. as social media and online platforms continue to expand rapidly, the challenge of analyzing vast amounts of textual data has intensified, highlighting the need for efficient and accurate analytical methods. this study aimed to explore and introduce an innovative approach to sentiment analysis within the context of market research and marketing strategies. by leveraging fuzzy logic—a technique adept at managing imprecise and ambiguous opinions—this research proposed a novel method for categorizing user tweets without relying on labeled data. this approach offered greater flexibility and adaptability compared to traditional methods. the primary objective was to provide managers and industry professionals with actionable insights that could inform commercial decision-making and enhance marketing strategies. furthermore, this study addressed significant challenges associated with conventional sentiment analysis techniques, such as the time-consuming and costly nature of manual data processing and the limited availability of labeled datasets. by proposing a fuzzy logic-based system, the research aimed to overcome these limitations and offer a more efficient alternative.