对Kanzler的“Hacks Aburamen Bakso Hot”在TikTok上的活动进行情感分析

这篇论文研究了Kanzler在TikTok平台上进行的“Hacks Aburamen Bakso Hot”营销活动的情感分析。研究的重点是通过自然语言处理技术分析TikTok视频评论，以评估该活动对消费者态度的影响。以下是论文的主要内容：

引言

论文首先介绍了研究背景，强调了随着技术进步和社会趋势的发展，营销策略的变化。特别是在COVID-19疫情加速了数字营销的趋势下，企业需要适应并利用数据驱动的营销策略。TikTok作为一个快速增长的平台，成为了研究的重点，尤其是在印尼市场的影响力。

研究方法

研究采用了多阶段的方法，包括数据收集、文本处理、TF-IDF加权和Naïve Bayes分类。具体步骤如下：

1. 数据收集：使用TTCommentExporter插件从TikTok上五个影响力最大的视频中提取评论数据。
2. 数据标注：研究人员手动将评论标注为正面、负面和中性情感类别。
3. 数据预处理：使用RapidMiner软件进行数据清洗，包括去除噪声（如用户名、表情符号和标点符号）、大小写转换、分词、停用词去除和词干提取。
4. 加权：采用TF-IDF（词频-逆文档频率）方法对数据进行加权，以突出重要词汇。
5. Naïve Bayes分类：使用Naïve Bayes算法对数据进行情感分类。该算法是一种基于贝叶斯定理的概率分类器，假设特征之间相互独立。

研究结果

研究结果表明，Kanzler的营销活动在TikTok上产生了以正面情感为主的趋势。具体分析如下：

• 正面情感：模型在识别正面情感方面表现出色，精确度达到100%，召回率接近90.29%。这表明大多数被预测为正面的评论确实是正面的。
• 负面情感：尽管召回率达到100%，但精确度为81.82%，表明有部分负面预测实际上属于其他情感类别（如中性）。
• 中性情感：模型在识别中性情感方面也表现良好，精确度为91.94%，召回率为95%。

讨论与结论

研究表明，Kanzler的营销活动在TikTok上成功地提升了品牌知名度和用户参与度。尽管模型在识别负面情感时存在一些误分类，但总体上，正面情感的主导地位显示了活动的成功。研究强调了影响者营销在社交媒体产品推广中的有效性，并为未来的数字营销策略提供了可操作的见解。

术语解释

• TF-IDF：一种用于文本挖掘的统计方法，用于评估一个词在文档集合或语料库中的重要性。
• Naïve Bayes：一种简单但有效的分类算法，假设特征之间相互独立，适用于文本分类任务。

贡献

这项研究通过分析TikTok上的用户评论，提供了关于影响者营销活动如何影响消费者情感的深入见解。研究结果不仅验证了Kanzler活动的成功，还展示了使用自然语言处理技术进行情感分析的有效性。

总之，该论文通过系统的情感分析方法，揭示了Kanzler在TikTok上的营销活动如何成功地引导了消费者的正面情感反应，为未来的社交媒体营销策略提供了宝贵的参考。