
Bästa verktygen för textanalys
Verktyg för textanalys som förstår både ord och ton
En jämförelse av sentimentverktyg, med Brandwatch och Tonar sida vid sida, för er som följer varumärken i nordiska medier.
Se hur verktygen skiljer sig åt i praktiken
Läs genomgången först, och jämför sedan verktygen mot era egna behov, språk och datakällor.
Vad sentimentanalys är och varför det spelar roll
Sentimentanalys, ibland kallad opinion mining, kombinerar språkteknologi (NLP), maskininlärning och statistik för att avgöra vilken ton som finns i en text. Verktygen svarar oftast positivt, negativt, neutralt eller blandat, ibland med en säkerhetsgrad per kategori. Mer avancerade verktyg går längre och delar in känslan i sex grundkänslor: ilska, avsky, rädsla, glädje, förvåning och sorg.
För en PR-chef eller marknadschef är poängen enkel. Det räcker inte att veta hur ofta ett varumärke nämns. Ni behöver veta hur det sägs. Läs mer om grunderna i sentimentanalys.
Regelbaserat eller AI-drivet, och var gränsen går
Regelbaserade verktyg bygger på lexikon och språkregler. Ett känt exempel är VADER, som är anpassat för sociala medier och som finns i en svensk översättning. Det är snabbt och lätt att förstå, men ordlistor har svårt med ironi, slang och branschspråk.
AI-drivna modeller tränas på stora mängder märkt text och tolkar sammanhanget bättre. Ett svenskt exempel är KBLabs modell för sentiment, som är tränad på svenska texter från flera områden, bland annat tweets. Det finns också hybridlösningar där regler förbehandlar texten och en modell gör den finare bedömningen. Ju mer sammanhang modellen ser, desto mindre gissar den.
Det här bör ni titta på när ni väljer
Utgå från er egen situation. Vilka språk ska verktyget hantera? Brandwatch uppskattar själva att sentimentträffsäkerheten för de flesta sökningar i ett språk som stöds ligger mellan 60 och 75 procent, så fråga alltid hur det ser ut för just era språk.
Titta sedan på integrationer med era datakällor, om analysen sker i realtid, vilka typer av data ni har (recensioner, ärenden, sociala medier, ljud) och om ni kan lägga egna regler eller träna för er bransch. Läs gärna mer om NLP i mediebevakning och om hur ni väljer program för mediebevakning.
Brandwatch och Tonar: två olika tyngdpunkter
Brandwatch är en plattform för konsumentinsikt som följer omnämnanden i en mycket stor mängd onlinekällor: sociala medier, forum, bloggar, nyhetssajter och recensionsplattformar. Den använder transformerbaserade språkmodeller och känner igen sex känslor. Den passar marknads- och insiktsteam i stora organisationer som vill ha detaljerad kontroll över vad som bevakas i webbens text.
Tonar utgår från ljud. Vi bevakar poddar, radio, strömmande tjänster och korta klipp i Sverige, Finland och Norge, med egna modeller tränade på nordiska språk och dialekter. Ordfelsfrekvensen ligger på 3 procent. Sentimentet analyseras per entitet, och modellerna läser hela samtalet så att SCB och SEB inte blandas ihop. Är er viktigaste källa skriven text på webben är Brandwatch ett starkt val. Är det som sägs i ljudmedier avgörande för ert rykte, är Tonar det vassare. Se också verktyg för att mäta share of voice.
Vilket verktyg passar er textanalys bäst
Tre sätt att angripa sentimentanalys, och vem de passar.
- Regelbaserade verktyg (till exempel VADER)
- Passar utvecklare som vill ha en enkel, snabb grund för text i sociala medier.Bygger på lexikon och regler, svagare på ironi och branschspråk.
- Brandwatch
- Passar marknads- och insiktsteam i stora organisationer som följer text på webben.Bred bevakning av onlinekällor och sex känslor, med fokus på skriven text.
- Tonar
- Passar PR, kommunikation och byråer som vill följa ryktet i poddar, radio och strömmande ljud i Norden.Egna modeller för nordiska språk, sentiment per entitet och Auto-label.
Välj Tonar om ljudmedier i Sverige, Finland eller Norge är viktiga för ert rykte och ni vill ha sentiment per varumärke. Välj Brandwatch om ni främst analyserar skriven text på webben och sociala medier i stor skala.
Många verktyg läser det som skrivs och missar det som sägs, och i poddar och radio sägs mycket om ert varumärke.
Fördelar
Språkprecision för nordiska språk
Fråga hur verktyget presterar på svenska, norska och finska, inte bara hur många språk det listar. Tonars modeller är tränade på nordiska språk och dialekter, med 3 procent ordfel.
Förståelse för namn och sammanhang
Bra verktyg läser hela samtalet och skiljer SCB från SEB. Det handlar om entitetsigenkänning som tolkar varumärken och förkortningar utifrån sammanhanget.
Sentiment på entitetsnivå
Ett avsnitt kan nämna flera varumärken med olika ton. Sentiment per entitet visar vem som får berömmet och vem som får kritiken, utifrån tonen och inte bara enskilda ord.
Täckning av ljudmedier
Många textverktyg bevakar webben, sociala medier och nyheter. Poddar, radio och strömmande tjänster kräver egen transkribering och egen bevakning, något Tonar bygger sin plattform kring.
Anpassning med egna regler
Kan ni styra märkningen själva? Med Auto-label beskriver ni en regel i vanlig text, och AI:n tillämpar den på varje träff. Det ger analys som speglar er bransch.
Så väljer olika team verktyg i praktiken
PR-team som bevakar omnämnanden i poddar
Ett PR-team vill veta när varumärket diskuteras i poddar och radio, inte bara på webben. Där behövs transkribering som klarar svenska, finska och norska och som tolkar namn och förkortningar rätt. Med ljud till text blir samtalen sökbara, och med ett klick lyssnar teamet på själva stället.
Byrå som jämför kunden med konkurrenter
En byrå ska visa hur en kund står sig mot två konkurrenter. Share of voice och sentiment per varumärke gör jämförelsen rättvis, och ämnesanalysen visar vad som kopplas till vem, till exempel hållbarhet eller kampanjer. Entitetsnivå är här viktigare än ett samlat betyg för hela avsnittet.
Produktteam som analyserar kundrecensioner
Ett produktteam som främst läser skrivna recensioner och sociala inlägg från många länder får ofta mest nytta av en bred webbplattform som Brandwatch, med stor källtäckning och känsloindelning. Här är text i fokus, och Tonar är inte förstahandsvalet om ljud saknar betydelse.
Kommunikationsavdelning som följer ryktet
En kommunikationsavdelning vill fånga kritik tidigt. Med Auto-label skriver de en regel med egna ord, till exempel att märka när någon uttrycker direkt kritik mot varumärket, och AI:n märker varje träff som matchar. Med AI-sökning beskriver de vad de letar efter i vanlig text.
Vanliga frågor om bästa verktygen för textanalys
Testa analysen på ert eget varumärke
Berätta vilka källor och språk ni följer, så visar vi hur analysen ser ut på era egna varumärken. Ni avgör sedan om ljud är en lucka i er bevakning.