AI901-Concept#127-1
注: この問題は、同じ前提を持つ一連の問題の一部です。それぞれの問題には異なる解決策が提示されます。
前提
ある EC プラットフォーム企業が、過去 5 年分の商品レビュー約 300 万件を分析し、商品ごとの好評価ポイント / 不評ポイント / 全体的な顧客満足度を可視化するシステムを Azure AI Foundry で構築しています。Azure AI Language の機能を組み合わせて実装する必要があります。
解決策
Azure AI Language の sentiment analysis でレビュー全体の positive / negative 比率を集計し、opinion mining で「バッテリー」「画面」「配送」等の対象別評価を抽出して商品ごとに集約します。
この解決策は目的を満たしますか?
解説
【判定: はい】の理由
sentiment analysis と opinion mining の組み合わせは Azure AI Language が標準提供する VOC (Voice of Customer) 分析の典型パターンです。文書レベルの極性集計で全体満足度を可視化し、aspect-based の opinion mining で特定の評価軸 (バッテリー / 画面 / 配送 等) ごとの好評・不評を分解できます。両者は同じ Language エンドポイントで呼べ、バッチ処理で 300 万件規模の分析にも対応可能です。商品ごとの集約は SQL / Power BI などとの組み合わせで実装でき、Microsoft Learn の公式チュートリアルでもこの構成が紹介されています。
【「いいえ」が違う理由】
本ソリューションは Microsoft 公式の VOC 分析パターンで、機能・スケール ともに要件に合致します。「目的を満たさない」と判断する根拠はありません。
sentiment analysis と opinion mining の組み合わせは Azure AI Language が標準提供する VOC (Voice of Customer) 分析の典型パターンです。文書レベルの極性集計で全体満足度を可視化し、aspect-based の opinion mining で特定の評価軸 (バッテリー / 画面 / 配送 等) ごとの好評・不評を分解できます。両者は同じ Language エンドポイントで呼べ、バッチ処理で 300 万件規模の分析にも対応可能です。商品ごとの集約は SQL / Power BI などとの組み合わせで実装でき、Microsoft Learn の公式チュートリアルでもこの構成が紹介されています。
【「いいえ」が違う理由】
本ソリューションは Microsoft 公式の VOC 分析パターンで、機能・スケール ともに要件に合致します。「目的を満たさない」と判断する根拠はありません。
コメント