در شبکه‌های اجتماعی، حجم گفتگوها و احساسات کاربران به‌تنهایی برای شناخت فضای حاکم بر یک موضوع کافی نیست. کاربران ممکن است درباره یک برند، کمپین یا رویداد، انتقاد کنند، تجربه خود را به اشتراک بگذارند یا به محتوای منتشرشده واکنش نشان دهند. در میان این گفتگوها، برخی محتواها از چارچوب گفتگوی اخلاقی خارج می‌شوند و به توهین یا سایر شکل‌های محتوای غیر اخلاقی می‌رسند.
برای تحلیل دقیق‌تر یک موضوع، بنابراین لازم است علاوه بر بررسی تعداد محتواها و نوع احساسات کاربران، وضعیت اخلاقی محتوای منتشرشده نیز مورد توجه قرار بگیرد. این بررسی می‌تواند نشان دهد چه سهمی از گفتگوها در دسته محتوای اخلاقی و چه سهمی در دسته محتوای غیر اخلاقی قرار می‌گیرد و فضای گفتگو تا چه اندازه با محتوای مسئله‌دار همراه شده است.
تحلیل وضعیت اخلاقی محتوا چیست؟
تحلیل وضعیت اخلاقی محتوا، روشی برای دسته‌بندی محتوای منتشرشده در شبکه‌های اجتماعی بر اساس معیارهای اخلاقی تعریف‌شده در سامانه است. در این تحلیل، محتواها با کمک هوش مصنوعی در دو گروه کلی اخلاقی و غیر اخلاقی قرار می‌گیرند تا سهم هر گروه از کل محتوای بررسی‌شده مشخص شود.
این دسته‌بندی به تحلیل‌گر کمک می‌کند علاوه بر حجم گفتگو و احساسات کاربران، بُعد دیگری از محتوای منتشرشده را نیز بررسی کند. برای مثال، ممکن است درباره یک برند حجم زیادی از محتوای منفی منتشر شود، اما بخش عمده این محتوا شامل انتقاد از کیفیت محصول یا خدمات باشد. در مقابل، بخشی از گفتگوها ممکن است حاوی توهین یا محتوایی باشد که از چارچوب نقد متعارف خارج شده است.
بنابراین، منفی بودن یک محتوا لزوماً به معنای غیر اخلاقی بودن آن نیست. بررسی این دو بُعد در کنار یکدیگر، به شناخت دقیق‌تر ماهیت گفتگوها کمک می‌کند.
مهم‌ترین کاربردهای تحلیل وضعیت اخلاقی محتوا چیست؟
مهم‌ترین کاربرد این قابلیت، شناخت بهتر کیفیت محتوایی گفتگوهای شبکه‌های اجتماعی است. با بررسی سهم محتوای اخلاقی و غیر اخلاقی، تحلیل‌گر می‌تواند وضعیت گفتگو را از زاویه‌ای متفاوت ارزیابی کند و در کنار سایر شاخص‌ها، اطلاعات دقیق‌تری برای تصمیم‌گیری در اختیار داشته باشد.
۱. بررسی کیفیت فضای گفتگو درباره برند
وقتی نام یک برند در شبکه‌های اجتماعی مطرح می‌شود، کاربران ممکن است درباره محصولات، خدمات، قیمت‌گذاری یا تجربه مشتریان اظهارنظر کنند. بررسی وضعیت اخلاقی محتوا کمک می‌کند مشخص شود این گفتگوها تا چه اندازه در چارچوب نقد و بیان دیدگاه باقی مانده‌اند.
برای مثال، در یک بازه زمانی ممکن است تعداد زیادی پست منفی درباره یک برند منتشر شود. بررسی وضعیت اخلاقی این محتواها می‌تواند به تفکیک انتقادهای مربوط به عملکرد برند از محتواهای غیر اخلاقی کمک کند. در نتیجه، تیم بازاریابی و مدیران برند می‌توانند درک روشن‌تری از فضای حاکم بر گفتگوها به دست آورند.
۲. تفکیک انتقاد از محتوای غیر اخلاقی
یکی از کاربردهای مهم این تحلیل، توجه به تفاوت میان انتقاد و محتوای غیر اخلاقی است. انتقاد کاربران می‌تواند اطلاعات ارزشمندی درباره مشکلات محصول، ضعف خدمات یا نارضایتی مشتریان فراهم کند؛ در حالی که محتوای غیر اخلاقی ممکن است بیشتر بر توهین یا تخریب متمرکز باشد.
برای نمونه، در جریان نارضایتی از یک خدمت، ممکن است کاربران تجربه نامطلوب خود را شرح دهند یا با لحنی تند از عملکرد شرکت انتقاد کنند. تحلیل وضعیت اخلاقی محتوا کمک می‌کند این گفتگوها با محتوایی که از نظر معیارهای سامانه در دسته غیر اخلاقی قرار می‌گیرد، یکسان در نظر گرفته نشوند.
این تفکیک برای تحلیلگران اهمیت دارد؛ زیرا شدت نارضایتی و وضعیت اخلاقی محتوا دو موضوع متفاوت‌اند و هرکدام به بررسی جداگانه نیاز دارند.
۳. پایش کمپین‌های تبلیغاتی
در جریان اجرای کمپین‌های تبلیغاتی، ممکن است کاربران به پیام کمپین، شیوه اجرای آن یا محتوای منتشرشده واکنش نشان دهند. بررسی وضعیت اخلاقی محتوا در این بازه می‌تواند نشان دهد چه سهمی از واکنش‌ها در دسته اخلاقی و چه سهمی در دسته غیر اخلاقی قرار گرفته است.
برای مثال، اگر یک کمپین با موجی از انتقادها مواجه شود، تحلیل‌گر می‌تواند در کنار بررسی احساسات کاربران، وضعیت اخلاقی محتواهای منتشرشده را نیز ارزیابی کند. این اطلاعات به تیم بازاریابی کمک می‌کند میان نارضایتی از پیام یا اجرای کمپین و محتوای غیر اخلاقی تمایز قائل شود.
البته این شاخص به‌تنهایی درباره موفقیت یا شکست کمپین قضاوت نمی‌کند؛ بلکه یکی از ابعاد ارزیابی واکنش کاربران به شمار می‌رود.
۴. شناسایی نشانه‌های تغییر فضای گفتگو در بحران‌ها
در زمان بروز بحران‌های ارتباطی، تعداد محتواهای منتشرشده درباره یک برند ممکن است افزایش پیدا کند و گفتگوها شکل متفاوتی به خود بگیرند. در چنین شرایطی، بررسی وضعیت اخلاقی محتوا می‌تواند به شناخت بهتر فضای گفتگو کمک کند.
برای مثال، پس از انتشار یک خبر منفی درباره یک شرکت، ممکن است هم‌زمان با افزایش حجم انتقادها، سهم محتوای غیر اخلاقی نیز تغییر کند. بررسی این دو شاخص در بازه‌های زمانی مختلف، امکان مشاهده تغییرات فضای محتوایی را فراهم می‌کند.
چنین تحلیلی می‌تواند در کنار بررسی موضوعات پرتکرار، احساسات کاربران و روند انتشار محتوا، برای پایش بحران و ارزیابی واکنش‌های عمومی مورد استفاده قرار بگیرد. با این حال، تغییر سهم محتوای غیر اخلاقی به‌تنهایی علت تغییر فضای گفتگو را مشخص نمی‌کند و باید همراه با محتوای پست‌ها و شرایط وقوع رویداد بررسی شود.
۵. مقایسه وضعیت اخلاقی محتوا میان موضوعات مختلف
در پروژه‌های سوشال لیسنینگ ممکن است چند برند، محصول، کمپین یا موضوع به‌صورت هم‌زمان بررسی شوند. مقایسه وضعیت اخلاقی محتوا در این موضوعات می‌تواند تفاوت‌های موجود در فضای گفتگو را آشکار کند.
برای مثال، ممکن است گفتگو درباره یک برند عمدتاً شامل نقدهای مربوط به خدمات باشد، در حالی که موضوعی دیگر سهم متفاوتی از محتوای غیر اخلاقی داشته باشد. مقایسه این الگوها به تحلیل‌گر کمک می‌کند تفاوت میان گفتگوها را از زاویه‌ای فراتر از حجم انتشار و احساسات کاربران بررسی کند.
برای معتبر بودن این مقایسه، لازم است بازه زمانی، معیارهای جمع‌آوری داده و شرایط گفتگو نیز در نظر گرفته شوند؛ زیرا تفاوت در این عوامل می‌تواند بر نتایج اثر بگذارد.
۶. ترکیب با سایر شاخص‌های سوشال لیسنینگ
تحلیل وضعیت اخلاقی محتوا زمانی تصویر کامل‌تری ارائه می‌دهد که در کنار سایر شاخص‌های سوشال لیسنینگ قرار بگیرد. ترکیب این داده‌ها با حجم محتوا، احساسات کاربران، موضوعات پرتکرار، روند زمانی و میزان بازنشر می‌تواند به درک دقیق‌تر فضای گفتگو کمک کند.
برای مثال، تحلیل‌گر می‌تواند بررسی کند در دوره افزایش نارضایتی از یک برند، سهم محتوای غیر اخلاقی نیز تغییر کرده است یا خیر. همچنین می‌توان موضوعات پرتکرار را در کنار وضعیت اخلاقی محتوا بررسی کرد تا مشخص شود گفتگوهای مربوط به کدام موضوعات بیشتر در هر دسته قرار گرفته‌اند.
این ترکیب، امکان بررسی هم‌زمان چند بُعد از گفتگوها را فراهم می‌کند؛ از میزان توجه کاربران به یک موضوع تا احساسات آن‌ها و ویژگی‌های محتوای منتشرشده.
تحلیل وضعیت اخلاقی محتوا در مهتا
در سوشال لیسنینگ مهتا، ماژول تحلیل وضعیت اخلاقی محتوا با استفاده از هوش مصنوعی، پست‌های منتشرشده در ایکس، تلگرام و اینستاگرام را در دو دسته اخلاقی و غیر اخلاقی تحلیل می‌کند. نتیجه این تحلیل به‌صورت نمودار دایره‌ای نمایش داده می‌شود تا سهم هر دسته از محتوای بررسی‌شده در یک نگاه قابل مشاهده باشد.
کاربران همچنین می‌توانند برای بررسی دقیق‌تر، به پست‌های هر دسته دسترسی پیدا کنند و محتوای منتشرشده را با جزئیات بیشتری بررسی کنند. این امکان کمک می‌کند تحلیل‌گر در صورت مشاهده سهم قابل‌توجهی از محتوای غیر اخلاقی، به‌جای اتکا به درصدهای نمودار، نمونه‌های محتوا را نیز بررسی کند.
به این ترتیب، تحلیل وضعیت اخلاقی محتوا در مهتا، بُعد دیگری به بررسی گفتگوهای شبکه‌های اجتماعی اضافه می‌کند. این قابلیت به تحلیلگران داده، تیم‌های بازاریابی و مدیران برند کمک می‌کند در کنار بررسی حجم و احساسات کاربران، وضعیت اخلاقی محتوای منتشرشده را نیز ارزیابی کنند و برای شناخت بهتر فضای گفتگو، مدیریت بحران و پایش کمپین‌ها از داده‌های دقیق‌تری بهره ببرند.
