Tunteita voidaan mitata monella tapaa, ja yksi yleisimmistä mittaustavoista on itsearviointi. Itsearvioinnissa henkilöltä kysytään, miltä hänestä tuntui tietyssä tilanteessa. Itsearvioinnin yleisyydestä huolimatta sen ongelmallisuus on subjektiivisuus sekä ihmisten erot siinä, kuinka avoimesti he haluavat kertoa tuntemuksistaan.

Me Haaga-Heliassa hyödynnämme tunnetekoälyä, jonka avulla voidaan mitata henkilöiden tunnereaktioita kasvojenilmeistä. Ilmeiden mittaus perustuu koodattuun järjestelmään, jonka mukaisesti joko tutkija tai koneäly havaitsee tiettyjä perustunteita ihmisten kasvojenilmeistä. Tunnereaktiot näkyvät kasvoilla jo ennen kuin henkilö itse välttämättä sisäistää tunnetta.

Edellisten lisäksi tunteita voidaan mitata myös kirjoitetusta tekstistä.

Luonnollisen kielen käsittely

Tunne- eli sentimenttianalyysin avulla tekstin sisältöä pystytään arvioimaan positiivisella, neutraalilla ja negatiivisella akselilla. Analyysiä voidaan tehdä joko ihmisten tai koneälyn avulla. Koneäly analysoi nopeasti, ja siksi myös yritysten on mahdollista saada tuloksia aineistoista, joiden sisältämän tekstimäärän lukeminen veisi ihmisiltä vuosia.

Pelkän tekstianalyysin ja koneoppimisen käyttäminen sentimenttianalyysissa voi kuitenkin osoittautua haastavaksi. Tietokoneet eivät ole taitavia erottamaan esimerkiksi ironiaa, sarkasmia tai kontekstia, sillä koneoppimiseen perustuva sentimenttianalyysi nojautuu usein sanalistoihin positiivisista ja negatiivisista ilmaisuista. ”Sujuipa hienosti tosiaan” -lause voi tarkoittaa myönteistä tai kielteistä ilmaisua, ja koneen on vaikea ymmärtää, kumpi on kyseessä.

Suomen kieli tuo omat haasteensa sentimenttianalyysille. Toistaiseksi verrattain harvat ratkaisut pystyvät tarjoamaan palveluja suomen kielelle, mutta niitäkin on jo olemassa. Tutkimushankkeissa suomenkieliset tutkijat ovat välttämättömiä, sillä he pystyvät asettamaan kielen kontekstiinsa sekä ymmärtämään sävyerot.

Kun sentimenttianalyysissä käytetään koneälyä, algoritmien toiminta on avainasemassa. Monessa kaupallisessa ratkaisussa ostajan ei ole mahdollista tietää, miten algoritmi rakentuu, joten turvallisinta on luottaa alan vakiintuneisiin ja arvostettuihin toimijoihin. Tutkijat haluavat usein hankkeissaan käyttää avoimen lähdekoodin algoritmejä, sillä silloin on mahdollista nähdä konepellin alle ja ymmärtää, miten algoritmi toimii. Se lisää tutkimuksen läpinäkyvyyttä ja luotettavuutta.

Kun sentimenttianalyysin avuksi otetaan myös ihminen, äänensävyn tulkinta syvenee ja monimuotoistuu. Voidaan soveltaa myös laadullisia menetelmiä, kuten diskurssianalyysiä tai keskusteluanalyysiä. Diskurssianalyysi ottaa huomioon käsitykset ja näkemykset todellisuudesta ja tarkastelee sitä, kuinka artikkelit tai somemaininnat sijoittuvat suhteessa muuhun julkisuuteen kyseisenä ajanjaksona. Keskustelunanalyysin avulla puolestaan on mahdollista tarkastella laadullisesti sitä, miten kahden tai useamman ihmisen välinen keskustelu ja vuorovaikutus näyttäytyy ja sävyttyy.

Tunneanalyysin hyödyt

Koneoppiminen antaa hyvää lisävalaistusta siitä, miten yrityksestä ja sen tuotteista tai palveluista puhutaan eri kanavissa ja medioissa. Isot ohjelmistoyritykset hyödyntävät jo sentimenttianalyysiä ratkaisuissaan ja suuryritykset kuluttajien ja muiden sidosryhmien kuuntelussa.

Sentimenttianalyysin avulla on mahdollista tarkastella esimerkiksi yrityksen tai sen avainhenkilöiden, tietyn tuotteen tai yrityksen kilpailijoiden näkymistä eri kanavissa. Analyysi toimii arvokkaana tarkasteluvälineenä, jonka avulla voidaan tunnistaa esimerkiksi pinnan alla kyteviä kriisejä ja reagoimaan niihin nopeammin.

Sama toimii myös myönteisten asioiden kohdalla, ja analyysit toimivat esimerkiksi markkinoinnin tai tuotekehityksen apuna. Sentimenttianalyysi tunnistaa niin ikään alkavan vihapuheen ja auttaa kehittämään esimerkiksi asiakaspalvelua tai tiimien välistä vuorovaikutusta. Haaga-Heliassa sentimenttianalyysiä on viime aikoina hyödynnetty esimerkiksi tiimien sisäisen vuorovaikutuksen tutkimuksessa.