Banyak tim komunikasi memulai analisis sentimen secara manual: analis membaca mention satu per satu lalu memberi label positif, netral, atau negatif. Cara ini akurat untuk volume kecil, tetapi cepat kewalahan saat brand disebut ratusan atau ribuan kali per hari. Di titik itu, AI terlihat sebagai jawaban. Pertanyaannya bukan memilih salah satu, melainkan membagi pekerjaan dengan tepat.
Bagaimana analisis sentimen manual bekerja
Analisis manual mengandalkan pembaca manusia yang memahami konteks brand, budaya, dan isu yang sedang berjalan. Analis biasanya memakai pedoman pelabelan: apa yang dihitung negatif, bagaimana memperlakukan pertanyaan, dan kapan sebuah mention dianggap tidak relevan.
Kekuatannya ada pada nuansa. Manusia bisa menangkap sindiran, memahami bahwa "gila, cepet banget sampainya" adalah pujian, atau menyadari bahwa sebuah berita negatif sebenarnya membahas kompetitor dan hanya menyebut brand Anda sekilas. Kelemahannya: lambat, mahal untuk volume besar, dan hasilnya bisa berbeda antaranalis jika pedomannya tidak jelas.
Bagaimana analisis sentimen AI bekerja
AI membaca teks dan memperkirakan nada atau sikap penulis. Pendekatan modern tidak hanya menilai nada kalimat, tetapi juga sikap terhadap entitas tertentu (misalnya brand Anda) dan aspek yang dibicarakan, seperti harga, layanan, atau pengiriman. Satu kalimat bisa positif untuk produk tetapi negatif untuk pengiriman.
Keunggulan AI adalah skala dan konsistensi: ribuan mention bisa diberi label dalam waktu singkat dengan aturan yang sama. Namun AI tetap membuat kesalahan, terutama pada bahasa informal dan konteks yang membutuhkan pengetahuan di luar teks.
Perbandingan AI dan manual
| Aspek | Manual | AI |
|---|---|---|
| Kecepatan | Terbatas kapasitas analis | Cepat untuk volume besar |
| Konsistensi | Bergantung pedoman dan kelelahan analis | Konsisten, termasuk konsisten saat keliru |
| Konteks dan sindiran | Kuat | Bervariasi; perlu ditinjau |
| Analisis per aspek | Mungkin, tetapi memakan waktu | Praktis dilakukan untuk semua mention |
| Biaya per mention | Naik seiring volume | Relatif stabil |
| Cocok untuk | Laporan sensitif, krisis, kalibrasi | Pemantauan harian, tren, triase |
Di mana AI paling sering keliru
- Sarkasme dan candaan. "Mantap, paket saya sudah seminggu jalan-jalan" terdengar positif bila dibaca harfiah.
- Bahasa campuran dan slang. Singkatan, bahasa daerah, dan campuran Indonesia–Inggris mengubah makna.
- Sentimen yang bukan untuk brand Anda. Berita tentang bencana yang menyebut brand sebagai donatur bernada sedih, tetapi sikap terhadap brand justru positif.
- Negasi. "Nggak jelek kok" dan "bukan yang terburuk" sering salah dibaca.
- Pertanyaan. "Ini bisa COD nggak?" umumnya netral, bukan keluhan.
Model hybrid: AI melabeli, manusia mengkalibrasi
Alur yang paling realistis untuk tim di Indonesia adalah menggabungkan keduanya:
- AI memberi label awal pada semua mention, termasuk aspek dan tingkat risiko.
- Analis meninjau yang berisiko tinggi: mention negatif dari akun besar, liputan media, dan percakapan yang berpotensi krisis.
- Analis mengambil sampel acak dari mention lainnya setiap minggu untuk memeriksa kualitas label.
- Koreksi dicatat agar pola kesalahan terlihat, misalnya istilah produk yang selalu salah dibaca.
- Laporan untuk manajemen memakai angka yang sudah melalui tinjauan, bukan label mentah.
Cara sederhana mengukur akurasi
Jangan menerima angka akurasi tanpa metode. Uji sendiri dengan data brand Anda:
- Ambil sampel acak, misalnya 200 mention dari periode normal dan periode ramai.
- Minta dua analis memberi label secara terpisah memakai pedoman yang sama.
- Bahas mention yang labelnya berbeda dan sepakati label akhir.
- Bandingkan label akhir dengan label AI, lalu lihat kesalahan per kategori: apakah AI lebih sering keliru di negatif, netral, atau aspek tertentu.
Hasilnya memberi gambaran yang jauh lebih berguna daripada satu angka persentase, karena Anda tahu di bagian mana tim perlu lebih waspada.
Kapan tinjauan manual wajib dilakukan
- Sebelum angka sentimen masuk laporan direksi atau publikasi.
- Saat krisis, ketika satu mention keliru bisa memengaruhi keputusan.
- Untuk isu yang menyangkut hukum, keselamatan, atau data pribadi.
- Saat meluncurkan produk atau kampanye baru dengan istilah yang belum dikenal.
Analisis sentimen di Aksara
Aksara menganalisis sentimen terhadap brand, aspek, dan emosi, serta mendeteksi niat keluhan, niat beli, ancaman pindah, dan sarkasme beserta alasannya. Analis tim Anda dapat meninjau dan mengoreksi hasil analisis, sehingga alur hybrid di atas bisa dijalankan di satu tempat.
Artikel terkait
Sentiment analysis untuk bisnis: pengertian, metode, dan penerapannya
Pengertian sentiment analysis, tingkatan analisis dari dokumen hingga aspek, perbandingan metode, tantangan bahasa Indonesia, dan penerapannya di tiap fungsi bisnis.
Dari sentimen pelanggan ke keputusan bisnis: alur kerja yang bisa diterapkan
Tujuh langkah mengubah sentimen pelanggan menjadi keputusan: kelompokkan per aspek, cari akar masalah, tentukan pemilik, ambil tindakan, dan ukur ulang hasilnya.
KPI media monitoring: metrik yang berguna dan cara membacanya
Daftar KPI media monitoring yang dikaitkan dengan tujuan bisnis: volume, net sentiment, share of voice, pickup siaran pers, pull-through pesan, dan waktu respons.