Sentiment Analysis and Customer Satisfaction Prediction on E-Commerce Platforms Based on YouTube Comments Using the XGBoost Algorithm
यह अध्ययन इंडोनेशियाई ई-कॉमर्स से संबंधित यूट्यूब टिप्पणियों से ग्राहक संतुष्टि की भविष्यवाणी करने के लिए TF-IDF वेक्टरकरण और PyCaret के साथ अनुकूलित एक XGBoost एल्गोरिदम का उपयोग करता है, जो यह प्रकट करता है कि सामाजिक-राजनीतिक शब्दावली भावना ध्रुवीयता (sentiment polarity) को महत्वपूर्ण रूप से प्रभावित करती है।
मूल पेपर CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/) के तहत लाइसेंस किया गया है। नीचे दिए गए पेपर की यह व्याख्या AI से तैयार की गई है। इसे लेखकों ने न तो लिखा है, न इसका समर्थन किया है। तकनीकी सटीकता के लिए मूल पेपर देखें। पूरा डिस्क्लेमर पढ़ें
कल्पना कीजिए कि आप एक विशाल, शोर-शराबे वाले बाज़ार (एक ई-कॉमर्स प्लेटफॉर्म) के मालिक हैं। अतीत में, यदि ग्राहक नाखुश होते थे, तो वे मैनेजर को एक औपचारिक पत्र लिखते थे। लेकिन आज, पत्र लिखने के बजाय, वे यूट्यूब नामक एक विशाल, सार्वजनिक वीडियो मंच पर अपनी राय चिल्लाकर व्यक्त कर रहे हैं।
यह शोध पत्र एक जासूसों की टीम की तरह है जो यह पता लगाने की कोशिश कर रहा है कि ये चिल्लाने वाले ग्राहक वास्तव में कितने खुश या नाराज हैं, लेकिन इसमें एक पेंच है: वे भाषाओं, स्लैंग (बोलचाल की भाषा) और यहाँ तक कि राजनीतिक बहसों के एक अराजक मिश्रण में चिल्ला रहे हैं।
यहाँ शोधकर्ताओं ने इस पहेली को कैसे सुलझाया, इसका सरल विवरण दिया गया है:
1. समस्या: बहुत अधिक शोर
बाज़ार इतना लोकप्रिय है कि हजारों लोग उत्पादों की समीक्षा करने वाले यूट्यूब वीडियो पर टिप्पणियाँ (comments) पोस्ट कर रहे हैं। हर एक टिप्पणी को हाथ से पढ़ना असंभव है—यह एक आग की पाइप (firehose) से पानी पीने की कोशिश करने जैसा है। इसके अलावा, टिप्पणियाँ बहुत अस्त-व्यस्त हैं। कुछ लोग खुश हैं, कुछ बेहद क्रोधित हैं, और कई तो बस भ्रमित हैं। शोधकर्ताओं को एक 'रोबोटिक दिमाग' की आवश्यकता थी जो इस अराजकता को छाँट सके और व्यवसाय मालिकों को बता सके: "क्या हमारे ग्राहक संतुष्ट हैं या नहीं?"
2. उपकरण: "स्मार्ट ट्री" (XGBoost)
इसे हल करने के लिए, शोधकर्ताओं ने किसी बहुत ही फैंसी या जटिल रोबोटिक दिमाग का उपयोग नहीं किया (जैसे कि एक डीप लर्निंग AI जिसे सीखने के लिए लाखों उदाहरणों की आवश्यकता होती है)। इसके बजाय, उन्होंने XGBoost नामक एक टूल का उपयोग किया।
XGBoost को एक रिले रेस में काम करने वाली स्मार्ट जासूसों की टीम के रूप में समझें।
- पहला जासूस एक टिप्पणी को देखता है और एक अनुमान लगाता है।
- दूसरा जासूस देखता है कि पहले वाले ने कहाँ गलती की और उसे सुधारने की कोशिश करता है।
- तीसरा जासूस दूसरे की गलतियों को ठीक करता है, और इसी तरह यह चलता रहता है।
जब तक टीम अपना काम पूरा करती है, उन्होंने ग्राहक की वास्तविक भावनाओं की एक बहुत ही सटीक तस्वीर बना ली होती है। उन्होंने TF-IDF नामक एक विधि का भी उपयोग किया, जो एक हाइलाइटर पेन की तरह है जो सामान्य शब्दों (जैसे "the" या "and") को अनदेखा कर देता है और केवल उन अद्वितीय, महत्वपूर्ण शब्दों को हाइलाइट करता है जो वास्तव में बताते हैं कि कोई व्यक्ति क्रोधित है या खुश।
3. आश्चर्यजनक खोज: उत्पाद के गलियारे में राजनीति
जब शोधकर्ताओं ने टिप्पणियों को देखा, तो उन्हें कुछ अजीब मिला। उन्हें उम्मीद थी कि वे ऐसी शिकायतें देखेंगे जैसे "शिपिंग धीमी थी" या "शर्ट बहुत छोटी है।"
इसके बजाय, उन्होंने पाया कि टिप्पणियाँ राजनीतिक बहसों से बुरी तरह प्रदूषित थीं।
- रूपक (Metaphor): कल्पना कीजिए कि आप एक जले हुए कुकी के बारे में शिकायत करने के लिए बेकरी में जाते हैं, लेकिन कुकी के बारे में बात करने के बजाय, ग्राहक विदेशी जासूसों, राजनीतिक साजिशों और अंतर्राष्ट्रीय हस्तियों के बारे में चिल्लाने लगता है।
- डेटा से पता चला कि नकारात्मक समीक्षाओं में "विदेशी गुर्गों" (foreign minions) जैसे शब्द और राजनीतिक हस्तियों के नाम लगातार दिखाई दे रहे थे। शोधकर्ताओं ने पाया कि ये राजनीतिक भाषण वास्तव में "नकारात्मक" भावनाओं के सबसे बड़े कारण थे, जो उत्पाद की गुणवत्ता से भी अधिक प्रभावशाली थे। ग्राहक उत्पाद समीक्षा अनुभाग का उपयोग राजनीतिक शिकायतों के मंच के रूप में कर रहे थे।
4. दौड़: सरल टीम बनाम जटिल रोबोट
शोधकर्ताओं ने यह देखने के लिए एक दौड़ आयोजित की कि कौन सी विधि सबसे अच्छा काम करती है:
- टीम A (स्मार्ट ट्री/XGBoost): पारंपरिक, कुशल विधि जिसका वर्णन ऊपर किया गया है।
- टीम B (डीप लर्निंग रोबोट/LSTM): एक जटिल न्यूरल नेटवर्क जो शब्दों के क्रम को समझने की कोशिश करता है, जैसे कि कोई इंसान कहानी पढ़ रहा हो।
परिणाम: टीम A जीत गई, लेकिन बहुत मामूली अंतर से।
- टीम A (XGBoost): 76% सटीकता मिली।
- टीम B (LSTM): 74% सटीकता मिली।
सरल टीम क्यों जीती?
डेटासेट को एक छोटे पुस्तकालय के रूप में सोचें जिसमें केवल कुछ हजार किताबें हैं। जटिल रोबोट (टीम B) एक प्रतिभाशाली छात्र की तरह है जिसे एक अच्छा निबंध लिखने के लिए लाखों किताबें पढ़ने की आवश्यकता होती है। यदि आप उन्हें केवल कुछ ही किताबें देते हैं, तो वे भ्रमित हो जाते हैं और गलतियाँ करते हैं। वहीं, सरल टीम (टीम A), एक व्यावहारिक कार्यकर्ता की तरह है जो केवल कुछ किताबों के साथ भी काम को बखूबी पूरा कर सकता है। क्योंकि यूट्यूब कमेंट का डेटा इतना बड़ा नहीं था, इसलिए जटिल रोबोट वास्तव में कुशल, पारंपरिक टीम की तुलना में खराब प्रदर्शन कर गया।
5. निष्कर्ष
यह शोध पत्र निष्कर्ष निकालता है कि किसी समस्या को हल करने के लिए आपको हमेशा सबसे महंगे या जटिल AI की आवश्यकता नहीं होती है।
- फैसला: "स्मार्ट जासूसों" (XGBoost) की एक अच्छी तरह से संगठित टीम, इस विशिष्ट यूट्यूब कमेंट को समझने में सुपर-कॉम्प्लेक्स रोबोट की तुलना में वास्तव में बेहतर है, खासकर जब डेटा अव्यवस्थित और असंतुलित (ज्यादातर गुस्से वाले लोग) हो।
- चेतावनी: शोधकर्ताओं ने यह भी नोट किया कि चूंकि टिप्पणियाँ बहुत असंतुलित (ज्यादातर गुस्से वाली) और राजनीतिक शोर से भरी हैं, इसलिए भविष्य में इस डेटा का विश्लेषण करने के लिए विशेष तकनीकों का उपयोग करना होगा ताकि "तराजू को संतुलित" किया जा सके, ताकि AI केवल हर समय गुस्सा होना न सीख जाए।
संक्षेप में, शोधकर्ताओं ने ऑनलाइन शॉपिंग के बारे में यूट्यूब कमेंट्स को पढ़ने के लिए एक सिस्टम बनाया। उन्होंने पाया कि लोग उत्पाद की तुलना में राजनीति पर अधिक भड़कते हैं, और उन्होंने साबित किया कि एक जटिल प्रोग्राम की तुलना में एक सरल, तेज़ कंप्यूटर प्रोग्राम इस विशिष्ट अराजकता को समझने में वास्तव में बेहतर था।
अपने क्षेत्र के पेपरों की भीड़ में उलझे हुए हैं?
आपके रिसर्च कीवर्ड से मेल खाने वाले सबसे नए और अलग सोच वाले पेपरों का रोज़ाना Digest पाएँ—तकनीकी सारांश के साथ, आपकी भाषा में।