Till innehåll på sidan

Automated Text Analysis of Online Content in Marketing

Dictionray-Based Methods and Artificial Intelligence

Tid: Må 2020-04-20 kl 15.00

Plats: Vid fysisk närvaro eller Du som saknar dator/ datorvana kan konatakta service@itm.kth.se (English)

Ämnesområde: Industriell ekonomi och organisation

Respondent: Christine Pitt , Industriell ekonomi och organisation (Inst.)

Opponent: Professor Julie Tinson, University of Stirling

Handledare: Professor Esmail Salehi-Sangari, Industriell ekonomi och organisation (Inst.)

Exportera till kalender

Abstract

I högre grad än produkter eller tjänster är ord det mest grundläggande elementet i utbytet mellan säljare och köpare. Att förstå orden i den text som skapas när säljare och köpare interagerar med varandra är därför avgörande för beslutsfattare för marknadsföring. Detta har blivit extra relevant i och med internet, och särskilt med tillkomsten av sociala medier. Innan datorer användes var innehållsanalysen av text ett tidskrävande, mödosamt och felsbenäget verktyg för både forskare och marknadsförare. Nu möjliggör kraftfulla datorer och programvaror att innehållsanalysen av text kan utföras snabbt, med liten mänsklig inblandning och färre fel. Det finns två grundläggande typer av automatiserade verktyg för textanalys: baserade på ordlistor eller artificiell intelligens (AI). De tidigare automatiserade textanalysverktygen förlitade sig på förkonstruerade ordlistor, skannade sedan en text för att kunna räkna och matcha orden i texten, och sist räkna ut poäng på dimensioner av intresse. Nu använder AI-baserade automatiserade textanalysverktyg maskininlärningsalgoritmer för att känna igen mönster i text. De jämför en text med andra förklassificerade texter, efter att ha utbildats av mänskliga experter för att känna igen de önskade dimensioner av ett begrepp, och kan ”lära sig” att göra detta mer effektivt ju mer de används.

I marknadsföring anger Service-Dominant Logic (S-D logic) perspektivet att värde skapas av både säljare och köpare. Detta möjliggör identifiering av två grundläggande aktiviteter för marknadsföringsfokus. För det första deltar säljare och köpare i skapande. Till exempel skapar en säljare en ny tjänst eller en reklamkampanj, och en köpare skapar en samling (t ex. konst) eller ett recept för hemmabruk. För det andra deltar säljare och köpare i upplevelser. Till exempel upplever marknadsföringschefer resultaten av sin marknadsföringsstrategi eller lyssnar på kunder i en fokusgruppintervju, och köpare upplever att äta på en restaurang eller att få behandling på ett spa. Både köpare och säljare skapar text om dessa marknadsföringsfokusaktiviteter i många olika forum. Dessa texter lämpar sig för analys av de två ovan nämnda kategorierna av automatiserade verktyg för textanalys. Därför är den centrala frågan: Hur kan automatiserade textanalysverktyg göra det möjligt för marknadsförare och forskare att få insikter från olika typer av textdata?

Forskare inom marknadsföring har nyligen involverat automatiserade textanalysverktyg i forskningen. Dessa initiativ har inkluderat en generell överblick av dess tillvägagångssätt, förslag på val av metoder och överväganden inför urval, samt statistiska frågor som är unika för automatiserad textanalys. Mindre fokus har lagts på att specifikt undersöka användningen av de två olika typerna av automatiserade textanalysverktyg (ordlistebaserad och artificiellt intelligensbaserad) för att utforska den text som genereras av säljare och köpare i samband med skapande och erfarenhet av marknadsföringsaktiviteter. Forskningen in denna avhandling undersöker därför följande fyra forskningsfrågor:

  • Fråga 1: Vilka marknadsföringsinsikter kan ett artificiellt intelligensbaserat automatiserat textanalysverktyg leverera från djupintervjuer i en skapande fokusaktivitet?
  • Fråga 2: Vilka marknadsföringsinsikter kan ett artificiellt intelligensbaserat automatiserat textanalysverktyg leverera från online-recensioner i en upplevelsebaserad fokusaktivitet?
  • Fråga 3: Vilka marknadsföringsinsikter kan ett ordlistebaserat automatiserat textanalysverktyg leverera från online-recensioner i en upplevelsebaserad fokusaktivitet?
  • Fråga 4: Vilka marknadsföringsinsikter kan ett ordlistebaserat automatiserat textanalysverktyg leverera från intervjuer med svarande i en skapande fokusaktivitet?

Den empiriska delen av denna forskning omfattade fyra artiklar, som alla använde textanalys med de två kategorierna av automatiserade textanalysverktyg. Två av dessa artiklar använde artificiellt-intelligensbaserade automatiserad textanalysverktyg i både skapande- och upplevelsesammanhang, och de andra två använde ordlistebaserade automatiserade textanalysverktyg, återigen, i dessa sammanhang. I den första artikeln användes IBMs artificiella intelligens-baserade verktyg Watson för att identifiera de sk.

Big Five-personlighetsdrag för ett urval av konstsamlare baserat på utskrifter av 

djupintervjuer som genomförts med dem om hur de skapade sina samlingar. De beräknade poängen användes sedan som ingångar till en korrespondensanalys och kluster-procedur som möjliggör identifiering av olika segment av samlare.

I den andra artikeln användes IBMs artificiella intelligens-baserade verktyg Watson för att härleda de känslor och stämning som uttrycks i online-recensioner givna av patienter som hade gått igenom en knäbytesoperation. Tillvägagångssättet gav två viktiga insikter: För det första, att de exakta orden från en patient som stod för en poäng som motsvarade en viss känsla eller övergripande stämning lätt kunde spåras tillbaka till den enskilda patienten, och därmed förklara exakt hur och varför patienten uttryckte den specifika känslan eller stämningen. För det andra, att patienterna i det heterogena urvalet kunde fördelas till mer homogena grupper, eller marknadssegment, baserat på deras känslor och stämning. Detta skulle göra det möjligt för marknadsförare att rikta behandlings- och kommunikationsstrategier mer specifikt för olika grupper.

I det tredje artikeln användes DICTION, ett ordlistebaserat automatiserat textanalysverktyg, för att från ett erfarenhetsbaserat perspektiv att studera online-recensioner av turistboende av ett mycket stort urval av resekunder under en tidsperiod. Två viktiga resultat uppstod: För det första finns det starka och betydande belägg för att betygsinflationen över tid ökar, dvs att de genomsnittliga betyg som kunderna beviljat över tid har blivit högre, vilket antyder att dessa betyg kan vara mindre värdefulla som ett beslutsverktyg för andra kunder i framtiden. För det andra fanns det väsentliga skillnader i DICTION-dimensionerna mellan kunder som hade bott hos "professionella" logileverantörer (traditionella märkeshotell) och de som bodde hos "amatör"-leverantörer (lägenhetsuthyrning).

I det fjärde artikeln användes LIWC, ett ordlistebaserat automatiserat verktyg för textanalys från ett skapandebaserat perspektiv för att studera skillnaderna mellan inflytelserika manliga och kvinnliga marknadsföringschefer med titeln Chief Marketing Officers (CMO) i deras online-intervjuer. Det visade sig att manliga CMOer talar med betydligt mer så kallad "clout" - de uttrycker mer status och auktoritet. Kvinnliga CMOer är å andra sidan mer autentiska - de uttrycker mer ärlighet och uppriktighet i sitt tal. Det fanns inga signifikanta skillnader mellan könen med avseende på deras inflytande, den ton de talade eller i vilken utsträckning de var analytiska.

Det övergripande bidraget till kunskap är att ge bevis på användbarheten av både artificiell intelligens-baserad och ordlistebaserad automatiserad textanalysverktyg i två grundläggande marknadsföringsfokusaktiviteter, nämligen skapande och upplevelse. De enskilda artiklarna främjar också vår förståelse för användningen av automatiserad textanalys för att studera jämförelser mellan grupper, liksom korrelation mellan egenskaper och sätt att tala inom textexempel.

Avhandlingen är organiserad att börja med en övergripande introduktion till forskningsberättelsen för fyra relaterade publicerade artiklar. Avhandlingens första kapitel introducerar automatiserad textanalys i marknadsföring, redogörelsen för det övergripande forskningsproblemet och identifieringen av fyra forskningsfrågor. Detta följs av ett kapitel om litteraturöversyn, med särskild tonvikt på en bibliografisk översikt av marknadsföringslitteraturen för automatiserad textanalys med hjälp av ett innovativt verktyg för innehållsanalys, VOSViewer. Detta följs av ett kapitel som beskriver den metodik som används i studierna. Det fjärde kapitlet granskar de fyra artiklarna mer detaljerat, erkänner deras begränsningar, identifierar implikationerna för marknadsföringspraxis och föreslår vägar för framtida marknadsföringsforskning. Under kapitel 5 finns de fyra artiklarna i sin helhet. Tre av dessa artiklar har antingen redan publicerats eller accepterats för publicering; den fjärde går nu igenom en andra revision för en tidskrift.

urn.kb.se/resolve?urn=urn:nbn:se:kth:diva-268985