ВПЛИВ НАСТРОЮ НА РЕАКЦІЮ КОРИСТУВАЧІВ FACEBOOK: НА ПРИКЛАДІ АМЕРИКАНСЬКОЇ ТОРГІВЕЛЬНОЇ ПАЛАТИ В УКРАЇНИ
Анотація
Стаття присвячена аналізу зв'язку реакції аудиторії та її настрою, на пости у Facebook від American Chamber of Commerce (ACC) в Україні. В дослідження був застосований аналіз реакції, який був здійснений за допомогою технологій штучного інтелекту (ШІ). За результатами аналізу настроїв, який здійснив ШІ, була запропонована їх класифікація на п'ять основних категорій, які мають наступні назви та характеристики: 1. Категорія розширення прав і можливостей, яка, за поясненнями ШІ, передбачена для вибору повідомлень, зміст яких містить саме розширені права та можливості. 2. Категорія азарту та ентузіазму, яку ШІ асоціював з різні оголошення про події та досягнення, які пов’язані або містять інформацію, з азартом та ентузіазмом. 3. Категорія вдячності – це єдине почуття, де призначення первинної емоції, здається, керується лише наявністю слова «вдячність» у тексті. 4. Категорія оптимізму – саме ця категорія включає висловлювання майбутнього оптимістичного настрою та потенціалу, в якому явно виражено віру і/або надію в майбутнє України. 5. Категорія стійкості – почуття стійкості базується як на позиції, так і на заявах, які включають слово «стійкість» та повідомлення про позиції, які демонструють рішучість продовжувати зусилля зі зміцнення, відновлення та реформування країни. За результатами аналізу визначено, що пости, які сигналізують про стійкість та оптимізм, отримують значно більше реакцій порівняно з тими, хто передає розширення можливостей та хвилювання. Крім того, визначено, що повідомлення, класифіковані як розширення прав і можливостей, більш імовірно, будуть передані/переслані читачам. Слід зазначити, що аналіз настроїв продовжує розвиватися, включаючи мультимодальні підходи та використання досягнень у сфері штучного інтелекту та нейролінгвістичного планування, і відповідно підприємства, які ефективно використовують ці інструменти, будуть краще оснащені для прийняття обґрунтованих рішень та адаптації до постійно мінливого цифрового ландшафту. Отримані, під час досліджень результати підкреслюють і доводять важливість розробки комунікаційних стратегій, які направлені на отримання бажаної аудиторії, та мають особливо важливе значення для організацій, які знаходяться в складних умовах.
Посилання
Akpinar E., & Berger J. (2017) Valuable virality. Journal of Marketing Research, no. 54(2), pp. 318–330. DOI: https://doi.org/10.1509/jmr.13.0350
Berger J., & Milkman K. L. (2012) What makes online content viral? Journal of Marketing Research, no. 49(2), pp. 192–205. DOI: https://doi.org/10.1509/jmr.10.0353
Diwali A., Saeedi K., Dashtipour K., Gogate M., Cambria E., & Hussain A. (2024) Sentiment analysis meets explainable artificial intelligence: A survey on explainable sentiment analysis. IEEE Transactions on Affective Computing, pp. 1–12. DOI: https://doi.org/10.1109/TAFFC.2023.3296373
Eberl J.-M., Tolochko P., Jost P., Heidenreich T., & Boomgaarden H. G. (2020) What’s in a post? How sentiment and issue salience affect users’ emotional reactions on Facebook. Journal of Information Technology & Politics, no. 17(1), pp. 48–65. DOI: https://doi.org/10.1080/19331681.2019.1710318
Frankwatching blog (June 20, 2023). Leading benefits of using social media for marketing purposes worldwide as of January 2023. Statista. Available at: https://www.statista.com/statistics/188447/influence-of-global-social-media-marketing-usage-on-businesses/
Guirdham, O. (2024, June 13). Sentiment analysis software market size, share and growth analysis for 2024-2033. EIN Presswire. Available at: https://www.einpresswire.com/article/719639621/sentiment-analysis-software-market-size-share-and-growth-analysis-for-2024-2033
Kim C., & Yang S.-U. (2017) Like, comment, and share on Facebook: How each behavior differs from the other. Public Relations Review, no. 43(2), pp. 441–449. DOI: https://doi.org/10.1016/j.pubrev.2017.02.006
Kramer A. D. I., Guillory J. E., & Hancock J. T. (2014) Experimental evidence of massive-scale emotional contagion through social networks. Proceedings of the National Academy of Sciences, no. 111(24), pp. 8788–8790. DOI: https://doi.org/10.1073/pnas.1320040111
Krugmann J. O., & Hartmann J. (2024) Sentiment analysis in the age of generative AI. Customer Needs and Solutions, no. 11(1). DOI: https://doi.org/10.1007/s40547-024-00143-4
Kumar A., & Sebastian T. M. (2012) Sentiment analysis: A perspective on its past, present and future. International Journal of Intelligent Systems and Applications, no. 4(10), pp. 1–14. DOI: https://doi.org/10.5815/ijisa.2012.10.01
Lovett M. J., Renana P., & Ron S. (2013) On brands and word of mouth. Journal of Marketing Research, no. 50(4), pp. 427–444. DOI: https://doi.org/10.1509/jmr.11.0458
Mantyla M., Graziotin D., Kuutila M. (2018) The evolution of sentiment analysis – a review of research topics, venues, and top cited papers. Computer Science Review, no. 27(1). DOI: https://doi.org/10.1016/j.cosrev.2017.10.002
Social Media Examiner. (May 15, 2023) Most important social media platforms for marketers worldwide as of January 2023. Statista. Available at: https://www.statista.com/statistics/259390/most-important-social-media-platforms-for-marketers-worldwide/
Srivastava S. (October 10, 2023) The impact of ai sentiment analysis: Benefits and use cases. Appinventiv. Available at: https://appinventiv.com/blog/ai-sentiment-analysis-in-business/
Tellis G. J., MacInnis D. J., Tirunillai S., & Zhang Y. (2019) What drives virality (sharing) of online digital content? The critical role of information, emotion, and brand prominence. Journal of Marketing, no. 83(4), pp. 1–20. DOI: https://doi.org/10.1177/0022242919841034
What Is Sentiment Analysis? IBM. (August 24, 2023). Available at: https://www.ibm.com/topics/sentiment-analysis