تحلیل نظرات مشتریان محصول با استفاده از ChatGPT OpenAi API: راهنمایی گام به گام در استخراج بینش های تجاری از تجزیه و تحلیل احساسات بخش 1

تصویر

آنچه برای استفاده از چت جی پی تان باید بدانید

چت‌جی‌پیتی و اکنون جی‌پی‌تی-۴، نوعی شبکه عصبی هوش مصنوعی است که به اسم مدل زبان بزرگ (LLM) شناخته می‌شود که در پردازش زبان طبیعی و سایر وظایف پیشرفته با توانائی شبیه به بشر، بسیار موفق است. جی‌پی‌تی به معنای "تبدیل پیش‌آموزشی تولیدی" است، که نشان می‌دهد می‌تواند پاسخ‌های متنی را بر اساس ورودی و دستورهای کلیدی (که پرامپت نامیده می‌شود) کاربر تولید کند. این شبکه عصبی توسط اوپن‌ای توسعه داده شده است و از طریق رابط ربات گفتگویی در دسترس است، یا همانطور که در این آموزش مشاهده خواهیم کرد، به عنوان یک رابط برنامه‌نویسی اپلیکیشن (API) بسیار قوی. اگرچه به نظر ممکن است فنی باشد، استفاده از یک رابط برنامه‌نویسی اپلیکیشن (API) اصلاً دشوار نیست، شما فقط باید یک کلید API رایگان بگیرید و سپس ورودی مورد نیاز برنامه را به برنامه بدهید؛ تمام جادوی هوش مصنوعی پشت صحنه اتفاق می‌افتد و نتایج را در چند ثانیه خروجی می‌دهد.

چگونه چت‌جی‌پی‌تی کار می‌کند؟

ChatGPT یک فناوری مکالمه‌ای با قدرت هوش مصنوعی است که به کاربران اجازه می‌دهد تا با یک سیستم هوش مصنوعی گفتگو کنند. این با استفاده از الگوریتم‌های پردازش زبان طبیعی (NLP) کار می‌کند تا ورودی کاربر را درک کرده و پس از آن وظایف مربوطه را انجام دهد. در این آموزش، ما از آن برای تشخیص احساسات بررسی‌های مشتریان و همچنین خلاصه کردن نظرات طولانی استفاده خواهیم کرد. ChatGPT منبع بسیار زیادی از دانش و داده‌ها را یاد گرفته است که امکان پاسخ به گونه‌های مختلف پرسش‌ها و سوال‌ها را برای آن فراهم کرده است. هر چه تعاملات بیشتری صورت می‌گیرد، ChatGPT بیشتر یاد می‌گیرد و پاسخ‌هایش را بهبود می‌دهد. این به عنوان یادگیری ماشینی شناخته می‌شود. انعطاف پذیری سیستم، سازمان‌ها و افراد را قادر می‌سازد تا عملکرد آن را برای برآورده کردن نیازهای خاص خود تنظیم کنند. به طور خلاصه، ChatGPT یک راه آسان برای دسترسی به تکنیک‌های قدرتمند زبان طبیعی AI از طریق رابط چتبات یا API خود را فراهم می‌کند که اساسا نوع تحلیل داده‌ها را تغییر می‌دهد.

چگونه استفاده از شت‌جی‌پی‌تی برای تجزیه و تحلیل داده‌های بازخورد مشتری می‌تواند به شرکت شما کمک کند؟

استفاده از ChatGPT برای تحلیل بازخورد مشتریان و بهبود تجربه مشتری می‌تواند برای شرکت شما بهره‌مندی قطعی داشته باشد. با استفاده از مدل‌های هوش مصنوعی، ChatGPT می‌تواند شرکت شما را در ایجاد تجربه بهتری برای مشتریان کمک کند، با استفاده از حجم بسیار زیاد داده‌هایی که شرکت شما جمع آوری کرده است، اما هیچ‌گاه از آن‌ها به شکل خوبی استفاده نکرده است. با بهره‌گیری از داده‌های موجود شرکت شما و به دنبال یافتن بینش در آن، شما می‌توانید وفاداری مشتریان را افزایش دهید، نگه‌داشت مشتری را بهبود بخشید و درآمد را افزایش دهید. API ChatGPT قابلیت تحلیل بازخورد مشتریان شما را با دقت و سرعت فراهم می‌کند. با بهبود کیفیت تلاش‌های استخراج داده شرکت شما، می‌توانید تصمیمات تحت الشعاع و مبتنی بر داده‌های سریع‌تر و موثرتری بگیرید.

چت‌جی‌پی‌تی در وظایف تولید زبان با استفاده از هوش مصنوعی برتری دارد

ChatGPT یک ابزار بسیار قابل توجهی در زمینه تولید زبان است که در تولید محتوا و سایر گزارشات نویسی شبیه به یک نویسنده عالی پیشرفت کرده است و به همین دلیل برای وظایف نوشتاری و گزارشات داستانی که نیاز به منطق و خلاقیت دارند بسیار مناسب است. قابلیت تولید نوشتار شبیه به انسان این ابزار را در تولید محتوای جذاب و متنوع برای وبلاگ‌ها، رسانه‌های اجتماعی و وب سایت‌ها بسیار کارامد می‌کند. امکان تکمیل متن (Text completion) ChatGPT به کاربران امکان می‌دهد تا فقط با وارد کردن چند کلمه کلیدی، هوش مصنوعی به‌صورت خودکار جملات کامل یا پاراگراف‌هایی را بر اساس آن کلمات تولید کند. این ویژگی باعث آسان شدن و کاهش زمان مورد نیاز برای ایجاد محتوا می‌شود و شما را قادر می‌سازد تا به‌صورت سریع و با کیفیت محتوای خود را تولید کنید. پس از استفاده اولیه از رابط برنامه‌نویسی ChatGPT برای تجزیه و تحلیل بررسی‌های ما در این آموزش، ما می‌توانیم برای ایجاد یک استراتژی بهبود محصول از قابلیت تولید متن ChatGPT استفاده کنیم. جزئیات در خصوص نقاط قوت و ضعف محصول و پیشنهادهای بهبود محصول را با ترتیب‌بندی بر اساس اهمیت و سهولت اجرا در آموزش‌های زیر، بررسی می‌کنیم.

تحلیل هوش مصنوعی در عمل: استخراج برداشت‌هایی از بررسی‌های محصول مشتری با استفاده از تحلیل احساسات با API ChatGPT باز AI

چرا تجزیه و تحلیل احساسات؟

تجزیه و تحلیل احساسات در جهان امروز به شدت مهم شده است زیرا مردم به آسانی و آزادانه نظرات خود را آنلاین بیان می کنند. تجزیه و تحلیل احساسات شامل تحلیل متن نوشتاری و سپس دسته بندی آن به عنوان نوع مثبت، منفی یا خنثی است. این تکنیک می تواند به بازاریاب با بینش های ارزشمندی درباره رفتار و ترجیحات مصرف کنندگان کمک کند که سپس توسط کسب و کارها برای بهبود محصولات و خدمات، بهبود تجربه مشتری یا ارائه پشتیبانی بهتر به مشتریان استفاده شود. قبلاً، شما باید نظرسنجی یا گروه های تمرکز مشتری برگزار کنید تا سعی کنید بفهمید مشتریانتان در حال فکر کردن چه هستند و امیدوار باشید که فرآیند جمع آوری چنین داده هایی نظرات را به یک روش یا دیگر رانگراند. اکنون، شما می توانید از آنچه مردم آنلاین نوشته اند، برای فهمیدن سریع تر تصور مردم درباره محصولتان بهره ببرید. تجزیه و تحلیل احساسات همچنین می تواند برای کاربردهای تجاری نظارت بر پلتفرم های رسانه های اجتماعی برای بررسی نظر عمومی در مورد موضوعات، رویدادها، محصولات و حتی رقبا مورد استفاده قرار بگیرد.

چرا باید از واسط بات چت ChatGPT بجای API openai استفاده شود؟

با استفاده از رابط برنامه‌نویسی openAI، می‌توانید کار خسته‌کننده برش و الصاق هر بررسی را به ChatGPT اتوماسیون کنید. با یک دستور در پایتون، می توانید به ChatGPT این دستور را دهید که بررسی‌های مشتری را تحلیل کند و نظر مثبت یا منفی هرکدام را بررسی کند. پس از انجام این کار، می‌توانیم از chatgpt برای نمایش نتایج در صفحه و همچنین ذخیره آنها در اکسل و ورد برای حفظ و بحث بیشتر با تیم خود استفاده کنیم. کد نیز درصدی از تعداد بررسی‌های مثبت، منفی و یا خنثی را نمایش می‌دهد. رابط برنامه‌نویسی openAI همچنین به ما این اجازه را می‌دهد که خروجی یک بخش از تحلیل خود را (یعنی بخش ۱ در این آموزش) را به عنوان ورودی به مرحله بعدی (یعنی بخش های ۲، ۳ و ۴ در آموزش بعدی) استفاده کنیم، سرانجام یک تحلیل بهتر و با مفهوم محصول را به زبان ساده انگلیسی ایجاد کنیم که بدون آنکه با رابط گپچت تنها کار داشتنی باشد، بسیار دشوار است، اگر نه ناممکن.

تحلیل احساسات یادگیری ماشینی مرحله به مرحله

فرضیات

  1. برای استفاده از API openai ، باید دسترسی کلید API داشته باشید. اگر هنوز یکی ندارید ، از این مراحل برای ایجاد یک حساب کاربری رایگان برای 3 ماه دنبال کنید
  2. شما یک حساب Google Colab رایگان دارید

مرحله ۱: نصب کتابخانه‌های پایتون مورد نیاز در گوگل کولب

برای دسترسی به API openai و ارسال درخواست‌ها به آن استفاده می‌شود
!pip install pandas openai requests برای ایجاد بررسی‌کننده پیشرفت در حین انجام تماس‌های API استفاده می‌شود
!pip install tqdm برای برون دادن نتایج به فرمت Word استفاده می‌شود
!pip install python-docx

عکس 1_dByQKohL3pT0-VJC8Gfzlw.png

مرحله ۲: آماده‌سازی محیط openAI API در Colab

  1. بخشی که <REPLACE THIS TEXT WITH YOUR OPENAI API ACCESS KEY> نوشته شده، را با کلید دسترسی اختصاصی خود به API اوپن‌آی‌ای جایگزین کنید. به یاد داشته باشید تا " " اطراف کلید دسترسی به API خود را حذف نکنید.
  2. ما قصد داریم از نقطه پایانی API chat/completions استفاده کنیم و نه نسخه‌های قدیمی gpt-3 تا اطمینان حاصل کنیم از آخرین نسخه chatGPT نرم‌افزار استفاده می‌کنیم که همچنین ارزانتر از API gpt-3 است.

مرحله ۳: مجموعه داده بررسی خود را بارگیری کنید

ما در اینجا فرض می‌کنیم که بررسی‌ها در یک فایل CSV با نام "reviews.csv" قرار دارند. بررسی‌ها در یک ستون واحد به نام "Product_Review" قرار دارند و هر بررسی در یک خط قرار دارد.

در این مثال، ما از نقد و بررسی محصولات نمونه ای استفاده می کنیم که احتمالاً مربوط به کسب و کار خودمان است. با این حال، شما همچنین می توانید بررسی های محصولات رقیب یا خدمات را استفاده کنید تا درک کنید که چطور محصولات رقبا توسط کاربران دریافت می شوند.

ما از دیتافریم چاپ خواهیم کرد تا اطمینان حاصل کنیم که همه چیز به درستی بارگذاری شده است.

1_lAqyex3FZ7Skvy0nQZhCMA.png

مرحله ۴: با استفاده از ChatGPT، احساسات هر نقد محصول را تعیین کرده و نتایج را در فرمت‌های اکسل و ورد خروجی بگیرید

توجه: اگر از حساب آزمایشی رایگان با openAI استفاده می کنید، تعداد بارهایی که می توانید در هر دقیقه اطلاعات را به API ارسال کنید محدود است. برای عبور از این محدودیت، در کد زیر بین هر درخواست، چند ثانیه تاخیر اضافه می کنیم. اگر از حساب openAI پرداخت بر اساس مصرف استفاده می کنید، می توانید این کد زمانی تاخیر را از کد زیر، time.sleep(4)، حذف کنید.

API openAI گاهی اوقات با خطا مواجه می‌شود یا به دلیل رویارویی با درخواست‌های زیاد دیگر کاربران به هنگام می‌شود. برای جلوگیری از شکست کد در صورت بروز چنین موقعیتی، در کد زیرازمنی طی می‌کنیم که تماس با API را ۳ بار تلاش می‌کند؛ به طور معمول این تلاش‌ها برای حل مشکل کافی است.

شما می‌توانید ببینید که ما از gpt-3.5-turbo استفاده می‌کنیم، که در حال حاضر توسط openAI به‌عنوان سریع‌ترین، ارزان‌ترین و کارآمدترین مدل برای این نوع تجزیه و تحلیل توصیه شده است.

این دستورالعمل (یا دستور) تحت عنوان تشخیصی است که به چت‌جی‌پی‌تی ارائه می‌دهیم که آن را به عنوان یک تحلیلگر احساسات محصول در حال عمل در نظر می‌گیرد و تصمیم می‌گیرد که آیا یک بررسی مثبت، منفی یا خنثی است.

شما یک مدل زبان هوشمند آموزش دیده شده هستید که برای تجزیه و تحلیل و تشخیص احساسات نقد و بررسی های محصول آموزش دیده شده‌اید. نقد و بررسی محصول زیر را تجزیه و تحلیل کرده و تعیین کنید که حس مثبت، منفی یا بی طرف است. یک کلمه فقط برگشت دهید، یا مثبت یا منفی و یا بی طرف.

تصویر 1_Cy_e4URU0pB-fNQ2jRnpiw.png

مرحله 5: خلاصه‌ای از هر بررسی با استفاده از ChatGPT تهیه کرده و نتایج را در فایل های Excel و Word نمایش دهید

توجه: مانند کد قبلی، یک تاخیر 4 ثانیه‌ای بین فراخوانی‌های API معرفی می‌کنیم، تا محدودیت‌های حساب آزمایشی رایگان را برای فراخوانی‌های API اجتناب کنیم. در صورت داشتن حساب openAI پرداختی، می‌توانید خط time.sleep(4) را حذف کنید.

این پیامی است که ما برای گرفتن خلاصه‌ی نظرات کاربران در مورد محصول از چت‌جی‌پی‌تی استفاده می‌کنیم.

شما یک مدل زبانی هوش مصنوعی هستید که آموزش دیده است تا بررسی و خلاصه‌ای از نقدهای محصول را ارائه دهد. نقد محصول زیر را خلاصه کنید و مزایا و معایب آن را مشخص کنید.

تصویر ۱_۷YcdjhGAXUpnGkE-FlJMvA.png

مرحله 6: به بخش ۲ ادامه دهید تا ما به‌صورت خودکار یک فهرست از مزایا و معایب محصول را از بررسی کاربران تولید کنیم

لینک قسمت ۲ را در اینجا ببینید که در آن به ساخت لیست مزایا و معایب و استخراج فهرستی از پیشنهادات اولویت دار برای بهبود محصول پرداخته شده است.

نتیجه‌گیری

امیدوارم این آموزش برای شما مفید بوده باشد و من همیشه آماده پاسخگویی به هر سوالی هستم.

امیدوارم این آموزش برای شما مفید بوده باشد و من با خریت پاسخگوی هر سوالی هستم.

مطمئن شوید که به مدیوم من دنبال کنید تا در بخش بعدی که به آن بر می‌گردیم و با استفاده از ChatGPT یک راهبرد بهبود محصول پیشنهادی ایجاد می‌کنیم، شرکت کنید.

اگر نظرات، سؤالاتی دارید و یا می‌خواهید بخشی از کد بالا به طور دقیق‌تری توضیح داده شود، لطفا در بخش نظرات اعلام کنید.

همچنین، اگر موارد دیگری از کاربردهای تجاری NLP وجود دارد که می‌خواهید من در مورد آن‌ها بنویسم، لطفاً در نظرات یا از طریق پیام مستقیم به من اطلاع دهید. با تشکر!

یک_Ybp8Hs-Q2wtM1pWrh9BXWw.png

مقالات مرتبط

نمایش بیشتر >>