情绪分析应用于客户忠诚度预测
近年来,社交媒体的受欢迎程度显着增加。越来越多的人使用社交媒体与他人分享他们的想法,信息和观点。对社交媒体中存在的人们观点的理解具有巨大的适用性。商业世界希望利用人们在社交媒体上共享的信息。情绪分析可用于客观地估计用户的情绪。该研究侧重于Twitter情感分析和情感信息在客户忠诚度预测中的应用。服务提供商希望同时提升忠诚客户以保留忠诚客户。这项研究工作和从Twitter收集到的与航空公司相关的推文都将研究航空公司服务。选择了四个地区航空公司,分别是欧洲,印度,美国和澳大利亚。Tweepy来自Python的软件包用于收集航空公司的推文。航空公司服务具有帮助台Twitter句柄,用于收集推文。在某些情况下,官方Twitter句柄也用于收集推文。使用TextBlob执行Twitter情感分析,该分析提供推文的情感评分。
航空公司消费者忠诚度
使用搜索词收集的推文有两种类型,例如“左航空公司”和“忠于航空公司”或“忠实传单”。离开航空公司的人在推特上贴了“离开航空公司”一词,他们并不忠于航空公司。带有术语和“忠于航空公司”或“忠实传单”的推文是忠于航空公司服务并继续接受航空公司服务的消费者。
使用这些条款,大约有10
图1. Twitter数据预测
Twitter忠诚度预测功能
Twitter数据已用于预测消费者是否忠诚。特征分析和选择在机器学习中起着至关重要的作用。使用10
图2.推文在正面和负面情绪评分方面的分布。
从Twitter帐户收集用户的关注者数量。下图3显示了关于正面情感得分(y轴)和关注者数量(x轴)的非忠诚和忠诚推文分布。
图3.推文的正面分布和关注者数量
正面,负面情绪评分和关注者数量的3D可视化如图4所示。沿着x轴显示的是正面情绪评分,沿着y轴显示的是负面情绪评分,沿着z轴显示了关注者的数量。此3D散点图将每个点显示为一条忠实或不忠实的鸣叫。3D视图显示了有关乘客影响力的重要信息。该图根据他们的追随者和他们所站的感情得分以及对其他乘客的影响程度来指示。确定航空公司服务中有影响力的乘客对于市场观点很重要。
图4.非忠实客户和忠实客户的3D散点图。
忠诚度预测
机器学习技术可以用来预测消费者是否忠诚。与Twitter相关的信息用作诸如正面情绪评分,负面情绪评分,转推平均值,喜欢平均值和关注者数量之类的功能。使用了三种不同的分类器,例如随机森林分类器,决策树分类器和逻辑回归分类器。交叉验证在10
1