Sentiment Analysis

Sentiment Analysis означает оценку тональности текста. В GEO этот подход используют, чтобы понять, как ИИ описывает бренд: положительно, нейтрально, отрицательно или неоднозначно. Тональность относится к оценке объекта в конкретном фрагменте и не совпадает с истинностью фактов или наличием рекомендации.

Объект оценки важнее настроения текста

Ответ может критиковать рынок в целом и одновременно хорошо отзываться о компании. Может хвалить качество товара, но считать его неподходящим из-за цены. Если анализировать общий эмоциональный фон, отношение к бренду будет определено неверно.

Поэтому полезно выделять фрагменты с компанией и смотреть, к какому свойству относится оценка. Отдельные аспекты часто важнее итоговой категории: сервис, надёжность, стоимость, доступность или удобство. Для каждого аспекта можно сохранить собственную тональность.

Пограничные случаи

Фраза	Возможная оценка	Что проверить
Удобный сервис с высокой ценой	Смешанная	Разделить удобство и стоимость
Не самый дешёвый вариант	Зависит от контекста	Есть ли отрицательная оценка
Жалоб на сроки не найдено	Нейтральная либо осторожно положительная	Отсутствие данных не доказывает качество
Подходит только крупным компаниям	Условная	Соответствует ли это запросу
Ранее возникали задержки	Исторически отрицательная	Относится ли факт к текущему периоду

Категория «смешанная» позволяет не прятать противоположные оценки в искусственную середину. Для неясных случаев полезен отдельный статус «недостаточно контекста».

Как рассчитывать результат

Простой отчёт показывает число положительных, нейтральных, отрицательных и смешанных упоминаний среди ответов, где бренд присутствует. Если из 40 таких ответов 10 положительных, доля составляет 25%. Деление тех же 10 на все 100 проверок даёт 10%, но уже характеризует долю положительных появлений во всей выборке.

Оба расчёта допустимы при ясных названиях. Ответ без бренда нельзя автоматически считать нейтральным отношением к нему. Это отсутствие наблюдения о тональности. Общая частота упоминания рассматривается в статье № 121 «Brand Mention Rate».

Автоматическая оценка

Классификатор или языковая модель могут ускорить разметку, но допускают ошибки на отрицаниях, иронии и сравнительных конструкциях. Фраза «не уступает конкурентам» и фраза «уступает конкурентам» отличаются одним словом, но имеют противоположный смысл.

Перед использованием на большом массиве создают небольшую проверенную выборку с типичными и сложными ответами. Сопоставляют автоматическую оценку с ручной, разбирают расхождения и фиксируют правила. При смене классификатора часть старых ответов оценивают повторно, чтобы отделить изменение метода от изменения репутации.

Тональность и достоверность

Положительное описание может содержать вымышленные награды. Отрицательное может точно указывать на реальное ограничение услуги. Поэтому цель работы не сводится к максимальному числу положительных слов. Ошибочные сведения проверяют отдельно, как описано в статье № 146 «AI Hallucinations».

Если ассистент правильно сообщает, что компания не работает в нужном регионе, это полезный ответ, даже когда его оценка выглядит отрицательной для бренда. Попытка устранить любое ограничение из публичных материалов способна увеличить число неверных рекомендаций.

Как использовать выводы

Тональность помогает находить повторяющиеся претензии и свойства, которые требуют пояснения. После обнаружения негативного фрагмента проверяют источник, дату и принадлежность нужной компании. Одинаковая фраза в нескольких ответах может происходить из одной публикации и не отражать множество независимых оценок.

В отчёте полезнее показать устойчивые темы и примеры, чем один «индекс позитива». Это даёт редактору конкретную задачу: уточнить условие, обновить информацию или проверить реальную проблему продукта.