In dieser Folge unserer Serie Everyday Prompt Engineering geht es um das spannende Gebiet der Textanalyse. Mit Textanalyse verstehen Sie geschriebene Inhalte besser und holen brauchbare Informationen aus ihnen heraus. Das hilft in vielen Situationen, etwa beim Auswerten von Kundenfeedback, bei Recherchen oder beim Ordnen großer Textmengen. Wie sich Prompts für Aufgaben wie das Extrahieren von Labels, das Erkennen von Namen und das Bestimmen der Stimmung einsetzen lassen, zeigen die folgenden Abschnitte.
Labels extrahieren
Beim Extrahieren von Labels geht es darum, die zentralen Themen oder Kategorien eines Textes zu erkennen. In einer Kundenrezension könnten das zum Beispiel „Servicequalität“, „Preisgestaltung“ oder „Haltbarkeit des Produkts“ sein. Ein Beispiel:
Lies den folgenden Text und bestimme die wichtigsten Labels oder Themen darin: „<text>“. Gib eine Liste der Labels oder Themen aus, die du gefunden hast.
Dieser sehr einfache Prompt liefert Ihnen eine Liste der Themen, um die es im Text geht. Das geht aber noch viel besser. Geben Sie zunächst Kontext zum Text an. Wenn Sie zum Beispiel eine Kundenrezension analysieren, erwähnen Sie, dass es sich um eine Kundenrezension zu einem bestimmten Produkt handelt:
Bitte lies die folgende Kundenrezension zu [Name des Produkts/der Dienstleistung] und bestimme die wichtigsten Labels oder Themen darin: „<text>“. Gib eine Liste der Labels oder Themen aus, die du gefunden hast.
Vergessen Sie nicht zu erwähnen, dass Sie Labels oder Themen extrahieren wollen. So konzentriert sich das Sprachmodell auf das Kategorisieren und nicht auf andere Formen der Analyse. Eine umfassende Analyse fördern Sie, wenn Sie eine gründliche Extraktion verlangen, die alle möglichen Blickwinkel abdeckt. Damit verstehen Sie den Text vollständiger:
Bitte lies die folgende Kundenrezension zu [Name des Produkts/der Dienstleistung]. Bestimme alle wichtigen Themen oder Labels, die darin vorkommen, und liste sie auf. Achte auf Aspekte wie Kundenservice, Produktqualität, Preisgestaltung, Nutzererfahrung und alle anderen relevanten Themen, die erwähnt werden.
Regen Sie an, dass die Labels Schlüsselwörter oder Wendungen aus dem Text enthalten. Dadurch wird die Kategorisierung genauer und bleibt näher am Text:
Bitte lies die folgende Kundenrezension zu [Name des Produkts/der Dienstleistung]. Bestimme alle wichtigen Themen oder Labels, die darin vorkommen, und liste sie auf. Verwende für Themen und Labels nur Wörter, die ausdrücklich im Text stehen. Achte auf Aspekte wie Kundenservice, Produktqualität, Preisgestaltung, Nutzererfahrung und alle anderen relevanten Themen, die erwähnt werden.
Manchmal passt ein Textstück in mehr als eine Kategorie. Achten Sie darauf, dass der Prompt in solchen Fällen mehrere Labels pro Textabschnitt zulässt. Wenn Sie das Extrahieren von Labels mit guten Prompts beherrschen, machen Sie aus unstrukturiertem Text geordnete Erkenntnisse, mit denen sich arbeiten lässt. Diese Fähigkeit ist in vielen Bereichen äußerst nützlich und hilft Ihnen sehr dabei, Textdaten zu verwalten und zu interpretieren.
Namen extrahieren
Beim Extrahieren von Namen geht es darum, Namen von Personen, Organisationen, Orten oder auch bestimmten Produkten in einem Text zu erkennen und herauszuziehen. Das ist mehr, als nur einen Namen zu finden. Man muss den Kontext verstehen, um die verschiedenen Arten von Namen auseinanderzuhalten: Personen, Unternehmen, geografische Orte oder auch bestimmte Produkte. Neben dem akademischen und geschäftlichen Umfeld ist das auch in juristischen Dokumenten nützlich, um die beteiligten Parteien zu ermitteln, in Nachrichtenartikeln, um die wichtigsten Personen und Orte auszumachen, und in der Analyse sozialer Medien für das Markenmonitoring. Ein Beispielprompt zum Extrahieren von Namen:
Bitte extrahiere alle Namen von Personen, Organisationen und Orten aus dem folgenden Text: [Text einfügen].
Die Qualität des Ergebnisses steigt, wenn Sie klar angeben, in welchem Kontext der Text steht. Wenn Sie zum Beispiel einen Nachrichtenartikel analysieren, sagen Sie, dass es sich um einen Nachrichtenartikel handelt und dass es Ihnen um die Namen von Personen, Orten und Organisationen geht.
Bitte extrahiere alle Namen von Personen, Organisationen und Orten aus dem folgenden Nachrichtenartikel über Urlaub: [Text einfügen].
Noch besser wird der Prompt, wenn Sie die Ergebnisse nach Kategorien ordnen lassen:
Bitte analysiere den folgenden Nachrichtenartikel über Urlaubsziele: [Text einfügen]. Extrahiere alle gefundenen Namen und ordne sie Kategorien zu. Führe die Namen von Einzelpersonen unter ‘Personen’ auf, die Namen von Unternehmen oder Institutionen unter ‘Organisationen’ und die Namen von Städten, Ländern oder bestimmten Orten unter ‘Orte’.
Sentimentanalyse
Die Sentimentanalyse hilft dabei, den emotionalen Ton hinter einer Reihe von Wörtern einzuschätzen. Das ist enorm nützlich, wenn Sie die Stimmung von Kundinnen und Kunden in Rezensionen, Feedback oder Beiträgen in sozialen Medien verstehen wollen. Ein guter Einstieg ist, sich einfach die Stimmung nennen zu lassen:
Analysiere die Stimmung der folgenden Kundenrezension: [Text einfügen]. Ist sie positiv, negativ oder neutral? Begründe deine Einschätzung kurz.
Der Kundensupport hat oft mit unzufriedenen oder aufgebrachten Kundinnen und Kunden zu tun. Deshalb ist es wichtig zu erkennen, ob jemand extrem aufgebracht ist und vielleicht sofort Hilfe braucht. Bei einigen wenigen Supportfällen ist das nicht besonders schwierig, bei Dutzenden davon wird es aber schnell unübersichtlich. Bewährt hat es sich, nach den wütendsten Kundinnen und Kunden zu filtern und sie vorzuziehen:
Drückt die Person, die den folgenden Kommentar geschrieben hat, Wut aus? Antworte entweder mit ja oder nein. Kommentar = [Text einfügen]
Für die eigentliche Umsetzung braucht es etwas Programmierung, zum Beispiel um auf E-Mails und Kommentare in sozialen Medien zuzugreifen, sie der Reihe nach durchzugehen und
Umgang mit negativem Feedback in sozialen Medien
Streng genommen ist das keine Frage des Prompt Engineering, aber wenn Sie es in sozialen Medien mit wütenden Kommentaren zu tun haben, sollten Sie rasch und professionell antworten. Hier sind einige bewährte Vorgehensweisen:
- Antworten Sie schnell: Gehen Sie so bald wie möglich auf den Kommentar ein, damit die Sache nicht eskaliert. Je länger er unbeantwortet bleibt, desto mehr Zeit haben andere zu sehen, dass sich jemand beschwert hat und Sie nicht reagiert haben.
- Entschuldigen Sie sich: Auch wenn der Kommentar ungerechtfertigt ist, entschuldigen Sie sich für die schlechte Erfahrung der Person. Es bringt nichts, sich wegen einer einzelnen Beschwerde öffentlich zu streiten, und andere werden Sie dafür respektieren, dass Sie sich gleich entschuldigen.
- Besprechen Sie das Problem privat: Reagieren Sie zuerst öffentlich und wechseln Sie dann ins Private. Wenn jemand zum Beispiel besonders schwierig ist, verlegen Sie die Kommunikation in einen privaten Kanal. Antworten Sie zuerst öffentlich, sei es per Tweet oder mit einem Kommentar unter dem Facebook-Beitrag der Person, und schicken Sie ihr dann eine private Nachricht, damit Sie per E-Mail oder Telefon weiterreden können. Erklären Sie dabei, dass Sie die Sache gerne auf eine Weise besprechen möchten, die persönlicher ist.
- Wissen Sie das Feedback zu schätzen: Behandeln Sie Beschwerden als konstruktive Kritik oder Feedback. Manchmal sind sie auch nichts anderes. Menschen wollen gehört werden, und sie wollen wissen, dass man sie gehört hat. Wenn Sie sich also für die unbefriedigende Erfahrung entschuldigt haben, sagen Sie der Person, dass Sie ihr Feedback schätzen und ihre Verbesserungsvorschläge ernsthaft prüfen werden.
- Wählen Sie aus, worauf Sie reagieren: Nicht jeder negative Kommentar verdient eine Antwort. Ist der Kommentar eindeutig Spam oder Trolling, ignorieren Sie ihn am besten. Ist er aber berechtigt, müssen Sie darauf eingehen.
Denken Sie daran: Wie Sie mit negativen Kommentaren in sozialen Medien umgehen, kann den Ruf Ihrer Marke beeinflussen. Wer professionell und schnell antwortet, kann aus einer negativen Situation eine positive machen. Aus diesen bewährten Vorgehensweisen wird nun ein Prompt:
Stell dir vor, du bist Social-Media-Manager für [Name deines Unternehmens/deiner Organisation], das für seine [Markenwerte] bekannt ist. Du bist gerade auf diesen Kommentar = """<comment>""" unter deinem neuesten Beitrag gestoßen, geschrieben von einer Person mit dem Benutzernamen [Benutzername der kommentierenden Person]. Der Kommentar drückt Unzufriedenheit mit einer kürzlich gemachten Erfahrung mit deinem Produkt oder deiner Dienstleistung aus und kritisiert das Unternehmen. Verfasse eine Antwort und halte dich dabei an die folgenden bewährten Vorgehensweisen für solche Situationen:
Entschuldige dich: Beginne mit einer Entschuldigung, um die Gefühle der Person anzuerkennen.
Besprich es privat: Schlage vor, das Gespräch für eine ausführliche Besprechung in einen privaten Kanal zu verlegen.
Schätze das Feedback: Bedanke dich für das Feedback und versichere der Person, dass ihre Vorschläge wertvoll sind.
Wähle aus, worauf du reagierst: Entscheide, ob der Kommentar echtes Feedback ist oder nur Spam oder Trolling.
Erstelle eine einfühlsame, professionelle Antwort, die zu den Werten des Unternehmens passt und eine Lösung oder einen Weg dorthin anbietet. Die Antwort soll mit einer Begrüßung beginnen, eine Entschuldigung, eine Einladung zum privaten Weiterreden und eine Wertschätzung des Feedbacks enthalten und positiv enden.
Fazit
Der fünfte Teil der Serie Everyday Prompt Engineering hat gezeigt, wie vielseitig und praktisch sich Prompt Engineering in der Textanalyse anwenden lässt. Anhand ausführlicher Beispiele und bewährter Vorgehensweisen haben wir gesehen, wie Prompt Engineering aus komplexem, unstrukturiertem Text geordnete Erkenntnisse macht, mit denen sich arbeiten lässt. Wer sich auf bestimmte Aspekte konzentriert, also Labels extrahiert, Namen erkennt oder die Stimmung einschätzt, kann seine Prompts so zuschneiden, dass sie genaue und relevante Ergebnisse liefern. Das hilft besonders dort, wo es auf die korrekte Interpretation von Textdaten ankommt, etwa bei der Auswertung von Kundenfeedback, in der akademischen Forschung und beim Monitoring sozialer Medien. Nicht zuletzt zeigt der Abschnitt über den Umgang mit negativem Feedback in sozialen Medien, wie wichtig Prompt Engineering in der Praxis ist: Es hilft, rechtzeitig einfühlsame und professionelle Antworten zu verfassen, die zu den Markenwerten passen.
Everyday Prompt Engineering Teil vier: Zusammenfassungen von Dokumenten und Texten
Everyday Prompt Engineering Teil drei: Arbeiten mit PDF-Dokumenten
Aus dem Englischen übersetzt: zum Originalbeitrag