Menganalisis sentimen pesan

Analisis sentimen menganalisis pesan selama percakapan antara agen manusia dan pengguna akhir untuk menentukan maksud emosional pengguna akhir. Fitur ini menganalisis setiap pesan dengan konteks percakapan dan bahkan dapat menganalisis aliran audio untuk memberikan skor sentimen pengguna akhir yang akurat.

Mengaktifkan analisis sentimen

Anda dapat mengaktifkan analisis sentimen selama pembuatan atau pengeditan profil percakapan. Jika Anda mengedit profil percakapan yang ada, Anda hanya akan melihat efeknya dalam percakapan setelah profil percakapan diperbarui. Anda juga dapat mengaktifkan analisis sentimen saat membuat profil percakapan menggunakan konsol Agent Assist.

Ikuti langkah-langkah berikut untuk mengaktifkan analisis sentimen dan melihat hasilnya.

  1. Tetapkan enableSentimentAnalysisV3 ke true di MessageAnalysisConfig.
  2. Kirim permintaan createConversation menggunakan ConversationProfile dengan fitur ini diaktifkan.
  3. Lihat hasil sentimen di AnalyzeContentResponse.message.sentimentAnalysis.
  4. Jika mengaktifkan integrasi Pub/Sub di Agent Assist, Anda juga dapat melihat hasil sentimen di NewMessagePayload.

Menafsirkan hasil analisis sentimen

Sentimen diwakili oleh nilai score dan magnitude, metrik yang ditampilkan dalam respons. score sentimen berkisar antara -1,0 (negatif) dan 1,0 (positif) serta sesuai dengan kecenderungan emosional keseluruhan teks atau audio. Nilai magnitude menunjukkan kekuatan emosi secara keseluruhan (positif dan negatif) dalam teks atau audio yang diberikan dan berkisar antara 0.0 dan 1.0. Untuk mengetahui informasi selengkapnya tentang cara menafsirkan metrik ini, lihat dokumentasi Analisis sentimen bahasa alami.

Berikut adalah dua contoh output analisis sentimen dari fitur demo Natural Language API. Ikuti langkah-langkah berikut untuk menggunakan demo guna menguji analisis sentimen pada contoh teks.

  1. Tempelkan contoh teks ke dalam kolom.
  2. Klik Analisis > Sentimen.

Contoh 1

Teks: Saya tidak senang.

score yang ditampilkan adalah -0,9, dan magnitude adalah 0,9. Hal ini menunjukkan kecenderungan emosi negatif yang sangat kuat, dengan kekuatan emosi rendah hingga sedang.

Contoh 2

Teks: Google Cloud adalah layanan cloud dari Google.

Nilai yang ditampilkan untuk score dan magnitude adalah 0, yang berarti bahwa teks tidak menunjukkan emosi atau kekuatan perasaan apa pun.

Contoh 3

Teks: Saya sangat marah dan kecewa dengan hasilnya. Di sisi lain, saya senang melihat tim kami bekerja sangat keras dan menunjukkan sikap profesional.

Tidak seperti Contoh 1, teks ini berisi dua kalimat. Output mencakup metrik untuk seluruh dokumen serta metrik untuk setiap kalimat. Nilai seluruh dokumen merepresentasikan metrik kedua kalimat yang digabungkan, bukan salah satunya. Setiap kalimat juga dicantumkan dengan nilai magnitude dan score yang sesuai.

Sentimen score yang ditampilkan untuk seluruh dokumen adalah 0, sedangkan magnitude adalah 1,0. score 0 dalam dokumen multi-kalimat dapat berarti bahwa dokumen tersebut benar-benar netral secara emosional, atau bahwa kecenderungan emosional positif dan negatif di berbagai titik dalam teks saling meniadakan. Teks dengan sentimen yang benar-benar netral juga akan memiliki magnitude yang sama dengan atau mendekati 0. Dalam hal ini, magnitude yang relatif tinggi sebesar 1,0 berarti sentimen kedua kalimat tersebut tidak benar-benar netral, tetapi campuran (misalnya marah, kecewa, dan senang di berbagai titik dalam teks). Melihat nilai score untuk setiap kalimat, satu kalimat sangat positif (0,8) dan yang lainnya sangat negatif (-0,8), sehingga rata-rata score seluruh dokumen menjadi 0.

Model lama

Anda mungkin masih menggunakan analisis sentimen Agent Assist versi lama. Versi lama berbeda dalam hal berikut:

  • Tetapkan enableSentimentAnalysis ke true di MessageAnalysisConfig untuk mengaktifkan analisis sentimen.
  • Menganalisis sentimen untuk agen manusia dan pengguna akhir.
  • Gunakan hanya transkrip percakapan dari file audio untuk analisis.
  • Lihat skor Magnitude yang berkisar dari 0,0 hingga +inf.