Evaluating User Satisfaction Using Deep-Learning-Based Sentiment Analysis for Social Media Data in Saudi Arabia’s Telecommunication Sector

أصبحت وسائل التواصل الاجتماعي وسيلة شائعة للتعبير عن الآراء وإظهار مدى الرضا أو عدم الرضا عن خدمة أو منتج ما، وفي المملكة العربية السعودية على وجه الخصوص يشارك معظم مستخدمي هذه الوسائل آراءهم الإيجابية والسلبية حول الخدمات والمنتجات، ولا سيما خدمات الاتصالات التي تعد من أهم الخدمات للمواطنين الذين يستخدمونها في التواصل مع العالم، ومن هنا يكتسب تحليل مشاعر المستخدمين وقياس رضاهم أهمية خاصة بوصفه مقياسًا مهمًا تستند إليه الشركات في اتخاذ قرارات أعمال جوهرية تنجح في زيادة ولاء العملاء ورضاهم واستمرارهم في التعامل معها

أولًا: أهداف الدراسة ومنهجيتها

هدفت هذه الدراسة إلى تحليل رضا المستخدمين وقياسه تجاه الخدمات التي تقدمها شركات الاتصالات السعودية الكبرى، وهي شركة الاتصالات السعودية إس تي سي وشركة موبايلي وشركة زين، وذلك عبر تطوير أساليب متقدمة قائمة على التعلم العميق لتحليل بيانات وسائل التواصل الاجتماعي والكشف عن نسبة رضا العملاء عن هذه الخدمات، وقد اعتمدت الدراسة على مجموعة البيانات المتاحة علنًا المعروفة باسم آراكاست والمخصصة لآراء العملاء العرب، وطبقت عليها مجموعة من نماذج التعلم العميق المتخصصة في معالجة النصوص المتسلسلة، شملت نموذج الذاكرة الطويلة قصيرة المدى ونموذج الوحدة المتكررة ذات البوابات ونموذج الذاكرة الطويلة قصيرة المدى ثنائي الاتجاه، وذلك للمقارنة بين أدائها في مهمة تصنيف النصوص بحسب المشاعر التي تعبر عنها

وتنطلق الدراسة في هذا المسعى من إدراك التحدي الأكبر الذي تواجهه شركات الاتصالات، والمتمثل في أن خدمات الشركة المقدمة تؤثر تأثيرًا مباشرًا في قرارات العملاء المستندة إلى مدى رضاهم أو عدم رضاهم عن تلك الخدمات، الأمر الذي يجعل رصد المشاعر الحقيقية في المحتوى الذي ينشره المستخدمون بأنفسهم أداة لا غنى عنها لفهم مواضع الرضا ومواضع الاستياء على حد سواء، والتعامل معها قبل أن تتحول إلى قرارات بمغادرة الشركة إلى منافسيها

ثانيًا: أبرز النتائج

أظهرت النتائج أن نموذج الذاكرة الطويلة قصيرة المدى حقق أعلى أداء بين النماذج المختبرة في مهمة تصنيف النصوص، إذ بلغت دقة تدريبه 98.04 في المئة، وبلغت نتيجته في الاختبار 97.03 في المئة، متفوقًا بذلك على نموذج الوحدة المتكررة ذات البوابات ونموذج الذاكرة الطويلة قصيرة المدى ثنائي الاتجاه على مجموعة بيانات آراكاست، بما يؤكد كفاءة هذا النوع من النماذج في التقاط السياق المتسلسل للنصوص العربية المنشورة على وسائل التواصل الاجتماعي وتصنيف مشاعرها بدقة عالية، ويمنح شركات الاتصالات أداة موثوقة لقياس رضا عملائها آليًا وعلى نطاق واسع يصعب بلوغه بالأساليب التقليدية

ثالثًا: دلالات الدراسة وتطبيقاتها

تتجلى دلالة هذه النتائج في أنها تقدم لشركات الاتصالات العاملة في السوق السعودية وسيلة عملية لرصد نبض العملاء عبر ما ينشرونه من آراء، وتحويل هذا الرصد إلى قرارات أعمال مدروسة تستهدف رفع مستويات الرضا وتعزيز الولاء، فحين تتمكن الشركة من معرفة نسبة الرضا بدقة ومتابعتها باستمرار تستطيع معالجة مواضع عدم الرضا التي تدفع العملاء إلى تغيير قراراتهم والانتقال إلى المنافسين، كما تبرز الدراسة قيمة مجموعات البيانات العربية المتاحة علنًا مثل آراكاست في بناء نماذج تحليل مشاعر مصممة خصيصًا للسياق اللغوي والثقافي المحلي، وهو سياق ظل أقل حظًا في بحوث معالجة اللغة الطبيعية مقارنة باللغات الأخرى

ويعزز من القيمة العملية لهذه الأساليب أنها تعالج نصوصًا كما يكتبها المستخدمون فعليًا على منصات التواصل، بما تحمله من اختصارات وتعبيرات يومية ولهجية تميز المحتوى الاجتماعي عن النصوص المحررة الرسمية، ونجاحها بدقة عالية في هذا الوسط دليل على قدرة نماذج التعلم العميق على التعامل مع العربية لغة للاستخدام اليومي الحقيقي، كما أن المقارنة المنهجية بين ثلاثة نماذج متسلسلة مختلفة البنية على مجموعة البيانات ذاتها تمنح الممارسين أساسًا واضحًا لاختيار النموذج عند بناء أنظمة رصد رضا العملاء، إذ لم يعد الاختيار انطباعيًا بل مستندًا إلى أداء مقاس بتجارب موحدة، وهو ما يختصر على الشركات زمن التجريب ويوجه جهودها التقنية بدقة أكبر

وخلاصة القول إن الدراسة طورت أساليب قائمة على التعلم العميق لتحليل رضا مستخدمي خدمات الاتصالات في المملكة العربية السعودية وقياسه عبر بيانات وسائل التواصل الاجتماعي، وأثبتت أن نموذج الذاكرة الطويلة قصيرة المدى هو الأكفأ بين النماذج المقارنة بدقة اختبار بلغت 97.03 في المئة، بما يوفر لشركات الاتصالات أداة فعالة لدعم قراراتها الرامية إلى زيادة رضا العملاء وولائهم