Mere end en Wordcloud: Når AI kan hjælpe med at forstå åbne svar i surveys

marts 19, 2024

Surveydata er for mange læsere rækker og kolonner med tal. Men der anvendes også ofte åbne svar – altså hvor respondent kan skrive frit, hvad der falder dem ind. Det stiller nogle andre krav, til den analytiske tilgang, som man skal have på den anden side af bordet. Det er ikke 1’er og 0’er – så kan vi overhovedet håndtere ord og tanker i store mængder?

NLP er den velkendte Wordcloud på speed

Det korte svar er: ja. Heldigvis findes der avancerede AI-metoder, som kan hjælpe med at analysere åbne svar, også når der er mange tusinde ord. NLP-teknologi – en forkortelse af Natural Language Processing – er en teknologi, der kan sammenlignes med en dygtig tolk, der ikke blot oversætter sprog, men også fanger nuancer, kontekst og undertoner i menneskelig kommunikation – og dermed åbne svar.

Brug af NLP rummer altså en mulighed for, at vi som analytikere kan forstå og bruge ”rodet” tekst på en mere struktureret måde, så vi kan hjælpe med at svare på vores kunders typisk komplekse problemstillinger. Den velkendte Wordcloud kan til sammenligning give et overblik over, hvilke ord respondenter brugte – med NLP kan man gange det med faktor 1000, hvis man anvender det rigtigt.

NLP er ikke nyt – men mulighederne er store

Anvendelsen af NLP markerer ikke en ny dille – og vi har i Epinion brugt det længe. De problemstillinger hjælper kunderne med at løse i dag er mere komplekse end i går, og det stiller større krav til, at vi som rådgivere kan arbejde mere struktureret med forskellige typer at data. Men med de seneste års teknologiske udviklinger, har det åbnet analytiske muligheder, som gør os i stand til bedre at forstå komplekse spørgsmål og temaer fra brugere, borger eller kundernes perspektiv, selv når de udtrykker sig på hver deres unikke måde. Denne dybde i analysearbejdet bringer os et skridt nærmere en forståelse af de underliggende meninger i store datamængder. Det kan være både når der handler om vælgernes skift af parti, hvorfor folk stopper med at være frivillige eller passagerens oplevelse med en rejsesituation.

Når du bruger NLP i surveys

NLP-teknologi er dog ikke oprindelige tænkt som en forlængelse af analysemulighederne i surveys. Faktisk er de mange tusinde besvarelser i surveys en meget lille datamængde sammenlignet med, hvad NLP ofte er tiltænkt og anvendes til: Nemlig at analysere millioner og milliarder af ord fx på hjemmesider eller scannet tekstmateriale. Derfor er der også nogle overvejelser, som er vigtige, når NLP skal hjælpe med bedre analyser med surveydata:

• Spørgsmålsformulering: Åbne spørgsmål skal formuleres med omhu for at være egnet til NLP-analyse.
• Modelvalg: Ikke alle NLP-modeller passer til enhver type data eller undersøgelsesspørgsmål; valget skal gøres med omtanke.
• Repræsentativitet: En kritisk overvejelse for kvaliteten af analyseresultaterne, især når resultaterne skal generaliseres til en større population.
• Forbedringsgreb: Bl.a. brug af ‘forced choice’ og priming af respondenter til at give mere ensartede og længere svar.

Der er også andre vigtige overvejelser, hvis du skal bruge NLP til at analysere åbne svar:

• Teknologiblindhed: Risikoen for at antage, at NLP alene kan løse komplekse analytiske udfordringer – det er ikke en mirakelløsning bare fordi det er ”nyt”
• Balancen mellem kategorisering og nuancering: At finde den rette balance mellem at kategorisere data og bevare de nuancerede meninger.
• Manuelt arbejde: Selv med avanceret NLP kan der være behov for manuel gennemgang og anonymisering i overensstemmelse med GDPR.
• Datakvalitet: Kvaliteten af de åbne svar påvirker direkte NLP-analysens udbytte.

Ved at tage disse elementer i betragtning, arbejder vi i Epinion ikke kun med at fortolke data, men også med at skabe en dybere forståelse af den virkelighed, som dataene repræsenterer. Alt sammen for at kunne rådgive vores kunder endnu bedre, end vi kunne i går. NLP åbner for en verden af muligheder, hvor hvert datasæt flere potentialer, så længe vi navigerer i det med omtanke.

Er du interesseret i at forstå, hvordan Epinions anvendelse af NLP kan bringe nye perspektiver ind i din organisations dataforståelse? Kontakt Thomas Bargisen eller Allan Toft Hedegaard Knudsen fra Epinions Data Science Hub for en dialog om mulighederne.