การวัดความรู้สึกทำให้เห็นภาพรวมว่าลูกค้ารู้สึกอย่างไรกับบริษัท ผลิตภัณฑ์ หรือบริการ ซึ่งเทคโนโลยีการวิเคราะห์ความรู้สึก (Sentiment Analysis) ก็ได้รับการพัฒนามาสักระยะหนึ่งแล้ว ล่าสุด นักวิจัยจาก Robert H. Smith School of Business จาก University of Maryland ได้พัฒนาระบบใหม่ที่ใช้ Machine Learning เข้ามาช่วยวิเคราะห์โพสต์บนโซเชียลมีเดีย เพื่อเข้าใจการรับรู้แบรนด์ของลูกค้า ทำให้สามารถรวบรวมข้อมูลได้มากขึ้นและวัดความชื่นชอบของลูกค้าได้ดียิ่งขึ้น
โซเชียลมีเดียเป็นแหล่งข้อมูลขนาดใหญ่ที่ช่วยให้แบรนด์เข้าใจลูกค้าของตน และช่วยให้องค์กรวางแผนกลยุทธ์ของแบรนด์ได้ด้วย แต่เนื่องด้วยวิธีการที่ใช้ติดตามและวิเคราะห์ข้อมูลมีช่องโหว่ จึงมีการใช้งานข้อมูลจากโซเชียลมีเดียน้อยกว่าที่ควรจะเป็น ทีมวิจัยจึงระบุถึงข้อบกพร่องและจัดหาเครื่องมือสำหรับบริษัทต่าง ๆ เพื่อวัดการรับรู้แบรนด์ของผู้บริโภคได้อย่างแม่นยำขึ้น
ทีมวิจัยได้เก็บข้อมูลจากโพสต์บนหน้าเพจของแบรนด์ต่าง ๆ ได้แก่ จำนวนผู้ใช้ที่แสดงความรู้สึกเชิงบวกหรือเชิงลบ จำนวนยอดไลก์ ยอดแชร์ ซึ่งจะนำไปใช้คาดการณ์ความรู้สึกที่ลูกค้ามีต่อแบรนด์ในอนาคต โดยรวบรวมข้อมูลการตอบโต้ระหว่างลูกค้ากับแบรนด์มากกว่า 3,300 แบรนด์ และจากผู้ใช้งานราว 205 ล้านราย ซึ่งมีชุดข้อมูลมหาศาล ประกอบด้วยการไลก์ 6.68 พันล้านครั้ง และข้อความแสดงความเห็นมากกว่า 1 พันล้านคอมเมนต์
ทีมวิจัยใช้เฟรมเวิร์กที่เรียกว่า Block-based MCMC Sampling Technique ในการพัฒนาอัลกอริธึมที่วัดความนิยมของลูกค้าจากการมีปฏิสัมพันธ์ของลูกค้ากับแบรนด์ โดยดูว่าลูกค้ามีทัศนคติเชิงบวกหรือลบต่อแบรนด์ และนำไปพิจารณาเรื่องอคติด้วยการอนุมานจากความชื่นชอบและการวัดผลเชิงบวกของผู้ใช้โซเชียลมีเดีย อิงข้อมูลจากความคิดเห็นในการโต้ตอบระหว่างแบรนด์กับผู้ใช้
ทีมวิจัยเผยว่า แบรนด์สามารถนำอัลกอริธึมดังกล่าวไปประยุกต์ใช้ในหลากหลายแพลตฟอร์ม เช่น Facebook, Twitter และ Instagram ตราบเท่าที่แพลตฟอร์มเหล่านั้นให้ข้อมูลการมีปฏิสัมพันธ์ระหว่างผู้ใช้กับแบรนด์และเปิดให้ผู้ใช้เข้าไปคอมเมนต์ แชร์ กดไลก์เนื้อหาต่าง ๆ ได้ ทั้งนี้ อัลกอริธึมไม่ได้ใช้ข้อมูลส่วนบุคคลใด ๆ แต่อาศัยเพียงข้อมูลการมีปฏิสัมพันธ์ที่ปรากฏเป็นสาธารณะเท่านั้น