许多公司努力将其在谷歌上的评级保持在一定的阈值以上。乍一看，这似乎很合理：对生意有利的明星很多，坏事的明星很少。人们经常得出的结论是，正面评价本身就足够了，但实际上却忽略了用户评论中蕴含的更大潜力：情绪分析可用于启动公司服务和产品质量的具体改进。
处理评论的挑战
谷歌和其他平台鼓励用户以书面评论的形式详细描述他们的体验，并为其他客户留下评估。这些来自消费者对消费者的意见也为受审查的公司提供了宝贵的见解。客户之间互相告知的内容通常比他们在被询问时告诉公司的内容要诚实得多。
虽然这些内容对公司来说非常有趣，但大量的评论给负责人带来了几乎不可能完成的任务。几十条评论还可以记录下来，但如果记录成百上千则就很困难了。各个地点的经理几乎可以跟踪他们的评论，但这只能帮助个别地点，而不是整个公司。如果一个品牌拥有超过 1,000 家商店，一个人甚至一个团队就无法再仅靠人力来跟踪评论并进行明智的分析。
机器智能可以提供帮助：情绪分析工具使最重要的关键词、对话主题和评论中的总体情绪变得透明。
情感分析更深入
为了理解评级并对评级进行分类，使用情绪分析工具的需求随着公司规模的扩大而增加。乍一看，如果一家餐厅的评论经常包含积极的关键词，例如“份量大”、“正宗”和“服务好”，这似乎是有利的。但如果同时出现“贵”、“不卫生”等负面关键词，就需要引起关注了。解决这种情况很容易，因为情绪分析会提醒餐馆老板注意负面关键词。
适当的工具可以提供相关的结果，而不仅仅是简单地区 多米尼加共和国电话数据 分正面和负面评论。通过将品牌作为一个整体与特定地区甚至个别地点进行比较，趋势就会变得清晰起来，而仅根据星级数量进行评级是无法揭示的。例如，如果某个特定城市或州的位置的表现比其他地区的位置差得多，则较低的星星数量可能表明存在地理趋势，但没有揭示原因。
在情感分析中，显示的关键词讲述了评论背后的故事。在某些地方看似积极的术语可能会在其他地方产生负面的看法。一家专门从事海鲜的连锁餐厅发现其龙虾产品在南方得到积极评价，而在北方得到负面评价，从而出现了品牌认知问题。如果竞争对手的名字出现在北方的收视率中而没有出现在南方，则很明显该玩家在北方市场需要更多关注。
即使在超本地层面，情感分析也可以提供有价值的见解。评级中相同数量的星星可能表示两个位置的不同方向。如果四星级酒店有“价格”、“价值”或“便利”等关键词，那么它的评级与有“服务”、“有帮助”甚至通常是“服务”名称的四星级酒店的评级完全不同。出现特定员工。这两个地点都获得了积极的评价，但标准却截然不同。在情感分析中，相同数量的星星并不总是会产生相同的结果。有时，机器学习通过指出公司中对客户影响最大的人文品质来帮助情绪分析。