感性分析サービス：日立エンタープライズアプリケーションサービス

お客さまの声から未来を予測する

サービス紹介動画
事例
資料ダウンロード
お知らせ

SNSや口コミサイトなどソーシャルメディアの情報、
テレビや新聞などマスメディアの情報、コールセンターの会話記録などから、
企業や商品に対するお客さまの「声」「感情」「価値観」を高精度に可視化するサービスです。

業務情報と組み合わせて分析することで、売上予測など未来につながるプランニングを支援します。

感性分析サービスの概要

感情分析

■日本語：テキストデータを約1,300種類の話題・感情・意図に分類できるAI技術を適用し、「好意的」「中立」「悪意的」の3大分類とさらに細分化した全81種類の中から感情を特定できます。文意を考慮して高精度に感性を分析します。
■他言語：各言語別にカスタマイズ可能な感性辞書を保有しており、お客さまの業務に合わせて高精度に感性を分析します。(対応言語：英語、タイ語、中国語など)

モラル分析

学術的に裏付けられた道徳基盤辞書^*を用いて、テキストデータを5つの道徳基盤「擁護」「公正」「内集団」「権威」「純潔」のいずれかに分類し、定量的に分析・可視化します。

*: 道徳基盤辞書：人は生まれつき道徳的な善し悪しに関する5つの普遍的・通文化的基盤を持っていると提唱したアメリカの社会心理学者であるジョナサンハイトの道徳基盤理論をもとに作成したもの。
Moral Foundations Dictionary (MFD)とJapanese Moral Foundations Dictionary (J-MFD)を活用している。

※対応言語：英語、日本語

意外性分析

日立独自のアルゴリズムを活用し、大量データに埋もれて見逃していた反響の小さな変化や少数派の意見など、意外な情報を抽出します。

※対応言語：英語、日本語

感性分析サービスの特長

多角的な分析で気づきを促進

「感情分析」「モラル分析」「意外性分析」を組み合わせることで、SNSなど大量データの中から、多数派・少数派双方の反響を、多角的かつ定量的に可視化できます。価値観や隠れたニーズを把握でき、既存ビジネスのブラッシュアップや新たなビジネスの着想を得ることが可能です。

気づきを得やすい画面

単語間の関係性を示す情報にもタグ付をします。これにより単語一致ではなく話題一致で検索することができます。また業務情報と組み合わせた分析やインタラクティブな操作性により、気づきを得やすい画面をご提供します。

トータルサポート

ビジネスにメディア情報を生かすためのコンサルティングから、ソーシャルメディアのリアルタイムデータの収集、マスメディアの外部データ連携、分析や可視化、運用保守までをトータルでサポートします。

感性分析サービスが実現すること（ユースケース）

さまざまなアプローチでビジネスに貢献します。

ニーズを深くとらえた商品企画

活用カテゴリー：

商品の機能や性能などの業務情報と、ソーシャルメディアの情報を組み合わせて感性分析することで、商品に対する不満の声から改善すべき点が明確になりニーズを把握できます。これにより、ニーズを深くとらえた商品を企画でき、売上拡大と機会損失低減に貢献します。

例: 掃除機の商品企画に関する分析

掃除機の商品企画に関する分析の流れ：[業務情報、ソーシャルメディアの情報]→[感情分析]→[好意的（Positive）、悪意的（Negative）、中立（Neutral）な声（感情）]→[悪意的な声（感情）の中身：音、ストレス、空気、スタンド、色、ゴミ、収納、在庫、捨て方]→[捨て方の声を詳細に分析：溜まったゴミが捨てにくい！、掃除したのに捨てるときに汚れる！、ゴミがこぼれた！]→[ニーズを把握]→[ごみの捨て方を改善した商品企画]→[売上拡大・機会損失低減]

効果的なプロモーション活動

活用カテゴリー：

実施したプロモーション活動内容などの業務情報と、ソーシャルメディアやマスメディアの情報を組み合わせて感性分析することで、プロモーション活動における反響をリアルタイムに分析や、ソーシャルメディアの反響へ迅速な対処が可能になります。これにより、効果的なプロモーション活動を実施でき、ブランドイメージ向上に貢献します。

例: ネガティブな反響を検知して対処するプロモーション活動

ネガティブな反響を検知して対処するプロモーション活動の流れ：[業務情報、ソーシャルメディア・マスメディアの情報]→[感情分析]→[時間軸に沿った分析：（ニュースで放送された：悪意的発言が多い）→（適切な対処を迅速に実施）→（好意的発言増、悪意的発言減）]→[効果測定や改善点を整理する]→[効果的なプロモーション活動]→[ブランドイメージ向上]

生産計画の精度向上

活用カテゴリー：

前年度の売上実績や商品Webサイトへのアクセス数など需要予測に必要な業務情報と、ソーシャルメディアの情報を組み合わせて感性分析することで、お客さまの声を反映した需要を予測できます。これにより、生産計画の精度を向上でき、欠品待ちによる機会損失低減や売上拡大に貢献します。

例: SNSの反響にサイトアクセス数と前年度の売上実績を
掛け合わせた売上予測

SNSの反響にサイトアクセス数と前年度の売上実績を掛け合わせた売上予測の流れ：[業務情報、ソーシャルメディアの情報]→[感情分析]→[業務情報（サイトアクセス数と前年度売上実績）およびSNSの反響（好意的な発言、悪意的な発言）をグラフ化し、これを用いて本年度売上予測をグラフ化]→[高精度に売上を予測]→[欠品待ちを防ぐ、生産計画を作成]→[機会損失の低減・売上拡大]

炎上防止やリコールなど
迅速なリスク対策

活用カテゴリー：

商品の仕様やリリース時期などの業務情報と、ソーシャルメディアの情報を組み合わせて感性分析することで、商品に対するネガティブな感情の拡大やリスクワードの発生を事前に検知できます。これにより、商品の不具合が引き起こす事故の防止やリコール発表など、リスク対策を迅速に実施でき、ブランドイメージ向上に貢献します。

例: 洗濯機に関するリスク対策

洗濯機に関するリスク対策の流れ：[業務情報、ソーシャルメディアの情報]→[感情分析]→[SNSの反響（好意的な発言、悪意的な発言）を定点観測]→[リスクワード発生を検知（「臭い」「異臭」）]→[不具合を確認し製品回収を検討]→[迅速なリスク対応]→[ブランドイメージ向上]

働き方改革を促進

活用カテゴリー：

勤怠などの業務情報と、従業員アンケートを組み合わせて感性分析することで、従業員の感情と現場で起きている問題をそれぞれ分類して可視化できるため、改善点を抽出して現場に即した施策を立案することが可能です。これにより、働き方改革を促進でき、従業員の満足度向上に貢献します。

例: 働き方改革に関するアンケート分析

働き方改革に関するアンケート分析の流れ：[アンケート結果、業務情報]→[感情分析]→[好意的（Positive）、中立（Neutral）、悪意的（Negative）な声（感情）]→[感情の分析結果を可視化（中立：要望、疑問、問合せなど。悪意的：不満、批判、不快など。）、問題の分析結果を可視化（意識改革不足、社内システム、仕事量など。）]→[改善点を抽出して施策立案]→[働き方改革を促進]→[従業員の満足度向上]

ニーズや価値観に即した販売戦略
(感情分析×モラル分析×意外性分析)

活用カテゴリー：

ソーシャルメディアやWebページなどの反響を、「感情分析」と「モラル分析」を使って他社比較することで、自社に興味を持っているお客さまの感情や価値観の傾向を把握できます。また、「意外性分析」を活用することで、自社商品に対する少数派の意見や隠れたニーズを把握できます。これら3つの分析を活用することで、お客さまのニーズ(インサイト)を捉えた商品企画や販売戦略につながります。

例: 自動車メーカー企業における競合他社との比較分析

炎上検知と早期対策
(感情分析×モラル分析×意外性分析)

活用カテゴリー：

ソーシャルメディアやWebにおける反響を「感情分析」と「モラル分析」を活用することで、素早く炎上を検知できます。さらに、炎上に至った道徳的価値観を定量的に把握することで、炎上原因の特定が可能となります。また、「意外性分析」を活用することで、炎上前の火種の検知や少数派の意見を確認することもできます。これら3つの分析を活用することで、リスクに迅速かつ適切に対応でき、企業ブランドの維持・向上につながります。

例: ネガティブな反響とその背景・原因を把握したうえで、迅速なリスク対策

ネガティブな反響とその背景・原因を把握したうえで、迅速なリスク対策の流れ：[ソーシャルメディア・Webの情報]→[感情分析]→[リスク検知]（「悪い」「疑問」「怒り」など悪意的発言が急増）→[背景を探る]（「悪い」の根拠にはさまざまな理由がある。）→[モラル分析]→[「公正　違反」が多く存在]→[「悪い」の背景は「公正」という価値観に反した結果で、差別的言動に関する批判が多いことが判明]。さらに、意外性分析により、「擁護」に関する少数意見があることを発見。→少数派の意見からリスクの発端になった要素や、反響の変化を抽出する。→[炎上前の火種の検知、炎上原因の把握。多数派・少数派双方の意見把握。]→[迅速なリスク対策]→[企業ブランドの維持・向上]