読んだ本

読書マインドマップ

読書メモ

第2章　10のリサーチ技法②『情報をつくる編』

• ソーシャルリスニング

  • テクニック：ツール任せではなく、ローデータを引き抜く

    • ツールは高機能になっているが、深い分析をするためにはローデータが必要（標準機能では力不足）

    • ローデータ入手時にはノイズ除去にも注意を払う
      →「RT（リツート）」や「BOT」などの除外ワードを適切に設定する

  • テクニック：属性データの振り付けがインサイト導出の肝

    • コメント1件1件に対して、分析用属性データを付与する

    • 例：購買行動を分析したい場合（p.111図表13）

      • 購入者

      • 商品とのコンタクトポイント

      • 価格に対する態度

      • 商品に対する評価

    • 地道で骨の折れる作業だが、インサイト導出のためには極めて重要な作業

    • この工程には嬉しい副産物がある
      →想定していなかった「意外なキーワードの発見」

  • テクニック：付与した属性データを可視化する

    • 例：商品別の消費者の評価（図表3-11）

    • 実際のソーシャルリスニングは、以下の流れになっている

      1. 検証したい仮説がある

      2. そのために必要な分析軸の定義と属性データの付与を行う

      3. その上で分析軸を組み合わせて気づきをえる

感想

コメントに属性データを付与するとは、なんとも骨の折れそうな仕事です。コーパスのタグ付けと似ているかもしれません。コーパスでは品詞などの情報をタグとして付与することがあります。

ローデータに属性データを付与するのは、『外資系コンサルのリサーチ技法（第2版） 』の文章を読む限りにおいては、手作業でやっているように感じました。

英語のコーパスでは、私が勉強した2000年代前半でさえ、自動でタグ付けできると言われていました。日本語コーパスでは事情が違うのかもしれませんが、AIをトレーニングすれば、うまくタグ付けしてくれそうな気がします。それと同様に、ソーシャルリスニングでの属性データ付与は、AIを利用すれば何とかできるかもしれません。

コンピュータのおかげで、大量のデータを分析できるようになりました。AIは、さらに精度の高い自動化を加速させています。ソーシャルリスニングのローデータや言語のコーパスなど、データ分析のあり方を、AIはずいぶんと変容させていくのではないかと思います。