تعتبر تعليقات المستهلكين حول المنتجات وسيلة فعالة لفهم تجاربهم، لكن قياس المشاعر الضمنية يمثل تحديًا كبيرًا. لذلك، قدمت دراسة جديدة إطار عمل مبتكر يستخدم نماذج اللغة الكبيرة (LLMs) لقياس رغبة المستهلكين من خلال تحليل المشاعر.

استخدمت الدراسة مجموعتي بيانات من أدوات قياس رغبة المنتج (Product Desirability Toolkit) من شركتي ZORQ وCARMA، والتي شملت تجميعات لـ 106 مستجيبًا تم تصنيفها بواسطة أشخاص متميزين. يقوم الإطار الجديد بعملية قياس المشاعر بشكل مستمر ودقيق، بعيدًا عن الاعتماد على درجات المراجعة الواضحة.

أظهرت النتائج أن نماذج LLMs قامت بتوليد درجات مشاعر رقمية مباشرة من الاستجابات الكيفية، وكانت النتائج قريبة جداً من تقييمات الخبراء، حيث بلغت درجة الترابط (Pearson correlation) حتى 0.97 ودقة التصنيف حتى 94%. كانت نماذج اللغة كبيرة الحجم متينة حتى عند التعامل مع بيانات مُقدمة بأشكال متعددة، مع الحفاظ على ثقة عالية في النتائج. في الوقت نفسه، لم تتمكن النماذج التقليدية من تحقيق نتائج ذات دلالة إحصائية.

من بين النماذج المُختبرة، أظهر النموذج GPT-4o-mini أداءً مقارنًا مع نماذج أكبر بتكلفة أقل بنسبة 94%. بالإضافة إلى ذلك، يتضمن الإطار تقييمات لثقة النموذج وتفسيرات قابلة للفهم من قِبل المستخدم (xAI)، مما يعزز من شفافية النتائج وموثوقيتها.

باختصار، يُظهر استخدام أدوات قياس رغبة المنتج كطريقة استطلاعية مع نموذج LLM موفر للتكاليف لتحليل المشاعر القدرة على تقديم تقييمات غنية حول المنتجات وتساعد في اكتشاف أفكار جديدة لتطوير المنتج وتحسينه، وكذلك أفكار تسويقية تستهدف الجمهور المناسب.