ในยุคที่ข้อมูลบนโลกออนไลน์หลั่งไหลเข้ามาทุกวินาที การวิเคราะห์ข้อมูลแบบเดิมอาจไม่เพียงพออีกต่อไป แบรนด์จึงต้องพึ่งพาเทคโนโลยีขั้นสูงอย่าง AI เพื่อช่วยจำแนก วิเคราะห์ และสกัดสาระสำคัญจากข้อความนับล้าน หนึ่งในเทคโนโลยีที่ขับเคลื่อนความแม่นยำนี้คือ Named Entity Recognition (NER) ซึ่งสามารถแยกชื่อแบรนด์ บุคคล สถานที่ และวัตถุต่าง ๆ ออกจากข้อความจำนวนมากได้อย่างชาญฉลาด

บทความนี้จะพาคุณเข้าใจว่า NER คืออะไร ทำงานอย่างไร มีบทบาทอย่างไรกับ AI Marketing และวิธีที่ Wisesight ใช้ในการวิเคราะห์ Social Data ผ่าน Zocial Eye พร้อมยกตัวอย่างการใช้งานจริงที่แบรนด์สามารถนำไปต่อยอดกลยุทธ์ทางการตลาดได้ทันที

Named Entity Recognition (NER) คืออะไร?

Named Entity Recognition (NER) คืออะไร?

NER ย่อมาจาก Named Entity Recognition 

NER คือ กระบวนการหนึ่งในเทคโนโลยี AI คือ การใช้ปัญญาประดิษฐ์เพื่อจำแนก “เอนทิตี” (Entity) หรือหน่วยข้อมูลสำคัญ เช่น ชื่อคน, แบรนด์, องค์กร, สถานที่, ผลิตภัณฑ์ ฯลฯ จากข้อความธรรมชาติ (Natural Language) โดยระบบจะเรียนรู้ผ่าน Machine Learning และ Natural Language Processing (NLP) เพื่อวิเคราะห์ว่าในแต่ละข้อความมีหน่วยข้อมูลไหนที่มีความหมายและเกี่ยวข้องกับบริบทของข้อความนั้น

ยกตัวอย่างเช่น “นายจากัวร์ไปซื้อรถจากัวร์ที่ Shop จากัวร์” เทคโนโลยี NER จะช่วยจำแนกให้เลยว่า…

  • (นาย) จากัวร์ = ชื่อคน (Person)
  • (รถ) จากัวร์ = ยี่ห้อรถยนต์ (Product)
  • (Shop) จากัวร์ = สถานที่ (Location)

ทำไม Named Entity Recognition ถึงสำคัญกับการตลาดยุคใหม่?

ในยุคของ AI Marketing เครื่องมือที่สามารถเข้าใจสิ่งที่ผู้บริโภคพูดถึงได้อย่างแม่นยำ คือหัวใจของการทำตลาดเชิงลึก การใช้เทคโนโลยี NER ช่วยให้แบรนด์เข้าใจว่าใครกำลังพูดถึงอะไร ที่ไหน และในบริบทไหน ซึ่งเป็นข้อมูลเชิงกลยุทธ์การตลาดสำหรับใช้ในการวางแผน Customer Journey, พัฒนา Personalized Content หรือวิเคราะห์คู่แข่งและวัด Brand Reputation ได้อย่างรวดเร็ว

ตัวอย่างการใช้ NER บน Social Listening 

Zocial Eye คือ แพลตฟอร์ม Social Listening ที่ใช้ NER ในการประมวลผลข้อมูลจาก Facebook, Twitter (X), TikTok, Instagram, YouTube และเว็บบอร์ดต่าง ๆ โดยสามารถแยกแยะข้อมูลออกเป็น 9 กลุ่ม ดังนี้

การใช้ NER ในการทำ Social Listening ด้วย Zocial Eye
  • Event : ชื่ออีเวนต์, แคมเปญ, ชื่อวันสำคัญ, เทศกาล รวมไปถึงโครงการของรัฐบาล แบ่งออกเป็น 2 เงื่อนไข คือ ชื่อที่มีความเฉพาะเจาะจง หรือชื่อที่ถูกนำไปใช้อย่างแพร่หลาย
  • Group : ชื่อกลุ่มคน, วงดนตรี, ทีมกีฬา, กลุ่มการเมือง (non-corporate organization), ชื่อครอบครัว
  • Location : ชื่อสถานที่, ชื่อประเทศ, ชื่อจังหวัด, ชื่ออำเภอ (เขต), ชื่อตำบล (แขวง), ชื่อถนน
  • Organization : ชื่อองค์กร, ชื่อแบรนด์, ชื่อบริษัท, ชื่อกระทรวง, ชื่อเพจ (ที่ไม่ใช่ชื่อคน), ชื่อร้านค้าในแพลตฟอร์ม
  • Person : ชื่อคน, ชื่อสัตว์เลี้ยง, ชื่อตัวละคร, นามปากกา
  • Product : ชื่อสินค้า, ชื่อผลิตภัณฑ์, รุ่นของสินค้า
  • Work of art : ชื่อเพลง, ชื่อหนังสือ, ชื่อภาพยนตร์, ชื่อเกม, ชื่อรายการโทรทัศน์
  • Money : ราคา รวมถึงหน่วยของเงิน ไม่รวมถึงคำหน้า เช่น ราคา, ส่วนลด
  • Miscellaneous : ชื่ออื่น ๆ ที่เป็นชื่อเฉพาะ แต่ไม่ตรงกับ Tag ข้างบน

ฟีเจอร์ NER บน Zocial Eye เป็นความสามารถของ Wisesight AI ที่ช่วยตรวจจับและจำแนก “เอนทิตี (Entity) ” หรือหน่วยข้อมูลสำคัญในข้อความซึ่งจะแสดงผลใน 2 รูปแบบด้วยกัน คือ Treemap Chart และ Table Chart ได้ รวมถึงเลือกประเภทข้อมูลที่แสดงผลในกราฟได้ 2 รูปแบบ ได้แก่ แบบ Message และ Engagement พร้อมปรับรูปแบบมุมมองได้ 2 มุมมอง ได้แก่ Count และ Sentiment

การแสดงผล NER แบบ Treemap chart บน Zocial Eye
การแสดงผล NER แบบ Table chart บน Zocial Eye

หากเลือกใช้งานฟีเจอร์ NER ในรูปแบบ Treemap Chart มองเห็นข้อมูลของแต่ละหมวดหมู่ได้ชัดเจนด้วยการใช้สีแยกหมวดหมู่ พร้อมระบุข้อมูล Tooltip ของตัวเลขแต่ละหมวดหมู่ในภาพรวม พร้อมทั้งช่วยให้เห็นสัดส่วนการพูดถึง (Mention) โดยไม่ต้องอ่านตัวเลขยาว ๆ จากการดูขนาดกล่องที่ใช้แทนปริมาณข้อมูล ทำให้เข้าใจข้อมูลมหาศาลที่เกิดขึ้นบนโซเชียลมีเดียได้ง่ายมากขึ้น

Case Study: การใช้ NER สำหรับธุรกิจท่องเที่ยว

สำหรับธุรกิจในสายโรงแรม, รีสอร์ต, คาเฟ่, และการท่องเที่ยวเชิงวัฒนธรรม จำเป็นต้องเข้าใจว่า ผู้คนพูดถึงสถานที่ใด กิจกรรมใด โปรโมชั่นแบบไหน เพื่อวางแผนการตลาดให้ตรงจุด ซึ่งฟีเจอร์ Named Entity Recognition (NER) บนแพลตฟอร์ม Zocial Eye จะเข้ามาช่วยจำแนกหน่วยข้อมูลสำคัญจากข้อความโซเชียล เช่น ชื่อสถานที่, ราคา, บุคคล, แบรนด์ หรือกิจกรรมที่เกี่ยวข้องกับการท่องเที่ยวที่เกี่ยวข้อง

ตัวอย่างการใช้ NER สำหรับธุรกิจท่องเที่ยว

จากภาพ TreeMap ด้านบน เราใช้ NER เพื่อจับคำที่เข้าข่าย Location Entity เช่น จังหวัด, เมือง, สถานที่ท่องเที่ยว โดยระบบสามารถสรุปได้ทันทีว่า

  1. Location (สีเขียว) : ระบุปริมาณการพูดถึงของแต่ละจังหวัด หรือเมืองท่องเที่ยว ทำให้เห็นอินไซต์บางอย่าง เช่น ‘ภูเก็ต’ และ ‘เชียงใหม่’ เป็นจังหวัดที่คนพูดถึงสูง แต่จังหวัดที่มี Engagement สูงคือ พัทยา ซึ่งธุรกิจสามารถใช้ข้อมูลนี้วางแผนทำแคมเปญเปิดตัวกิจกรรมหรือโปรโมชั่นในพื้นที่ที่กำลังเป็นที่นิยม หรือลงทุนทำ Influencer Marketing ที่มีความสัมพันธ์กับโลเคชันนั้น ๆ ต่อได้
  2. Money (สีเหลือง): อีกหนึ่งความสามารถของ NER คือการดึงตัวเลขราคาจากข้อความ โดยจากภาพพบว่า “500 บาท” คือราคาที่ถูกพูดถึงมากที่สุด ซึ่งเป็นการระบุถึง คูปองราคา 500 บาทของแคมเปญต่าง ๆ ที่มักจะแจกเป็นโปรโมชันในการเข้าพัก เติมน้ำมัน หรือส่วนลดการทำกิจกรรม ธุรกิจสามารถใช้อินไซต์นี้ในการวางกลยุทธ์โปรโมชั่นโดยใช้ช่วงราคาที่มีการพูดถึงสูงได้
ตัวอย่างการอ่านข้อมูล Sentiment จากฟีเจอร์ NER สำหรับธุรกิจท่องเที่ยว

ธุรกิจสามารถใช้ NER ในการแยก Location พร้อมจับ Sentiment Analysis เชิงบวก (Positive), ลบ (Negative) หรือเป็นกลาง (Neutral) จากข้อความบนโซเชียลมีเดียแบบอัตโนมัติ เช่น ภาพตัวอย่างนี้แสดงการวิเคราะห์ว่า “เขาใหญ่” เป็นสถานที่ท่องเที่ยวที่ได้รับ Engagement ที่ดี และที่สำคัญคือ ได้ Sentiment ในเชิงบวก (สีเขียว) ซึ่ง Engagement ที่ได้มาจากการรีวิวที่พักในเขาใหญ่ในเชิงบวก 

ธุรกิจสามารถใช้ข้อมูลนี้ในการวางแคมเปญการตลาดแบบ Localized เช่น ยิง Ads เฉพาะพื้นที่, จัด Pop-Up Event, หรือทำ Seasonal Promotion เพิ่มเติมได้ทันที โดยไม่ต้องนั่งจำแนกข้อมูลเหล่านี้ด้วยตัวเอง

Case Study: การใช้ NER สำหรับการทำแคมเปญการตลาด

การทำการตลาดผ่าน Influencer กลายเป็นกลยุทธ์หลักของหลายแบรนด์ การเข้าใจว่า ใครคือบุคคลที่ถูกพูดถึงมากที่สุด และสร้าง Engagement หรือความรู้สึกเชิงบวกได้มากที่สุดจึงกลายเป็นอินไซต์สำคัญที่แบรนด์ขาดไม่ได้

นักการตลาดสามารถใช้ฟีเจอร์ NER ในการวิเคราะห์ข้อมูลเพื่อหาว่า ผู้คนกำลังพูดถึง ชื่อบุคคล (Person Entity) คนไหน คนเหล่านั้นถูกพูดถึงในแคมเปญใด รวมถึงได้รับ Engagement และ Sentiment แบบใด (บวก/ลบ/กลาง) ได้อย่างรวดเร็ว

ตัวอย่างการใช้ NER สำหรับการทำแคมเปญการตลาด

ยกตัวอย่างให้เห็นภาพชัดเจนมากขึ้น จากภาพด้านซ้าย (กราฟสีส้ม) ที่ใช้การวิเคราะห์แบบ Engagement View ฟีเจอร์ NER ตรวจจับชื่อบุคคล (Person) และได้รับการมีส่วนร่วมสูง (Engagement) ในการจัดอีเวนต์หนึ่ง นั่นคือ คุณฟรีน สโรชา และคุณแม่  

ส่วนกราฟด้านขวาจะเป็นการระบุว่า อินฟลูเอนเซอร์หรือดาราคนไหนที่ถูกพูดถึงในเชิงบวก (Positive) ซึ่งจะระบุเป็นโทนสีเขียว, กลาง ๆ (Neutral) โทนสีเหลือง และเชิงลบ (Negative) โทนสีแดง อย่างเช่น ถ้ากล่าวถึงชื่อคุณ “ฟรีน” Sentiment ที่เกิดขึ้นจะเป็นเชิง Positive ค่อนไปทาง Neutral แต่ถ้ากล่าวถึงชื่อคุณ “ฟรีนแบค” คู่กัน Sentiment ที่เกิดขึ้นจะเป็นเชิง Positive มากกว่า

นักการตลาดสามารถนำข้อมูลนี้ไปใช้ทำ Influencer Marketing ต่อได้ เช่น วางแคมเปญ Fan-driven หรือเลือกใช้ข้อความที่แฟนคลับมักใช้กับศิลปินในการโปรโมต เพื่อทำให้ได้ Engagement และ Sentiment ในเชิงบวก

Case Study: การใช้ NER สำหรับธุรกิจสื่อ

ธุรกิจสื่อสามารถใช้ฟีเจอร์ NER ในการติดตาม วิเคราะห์ และจับกระแสของรายการต่าง ๆ ได้อย่างรวดเร็วและแม่นยำ ซึ่งจากตัวอย่างจะช่วยให้วิเคราะห์เจาะลึกได้ว่า…

  1. รายการข่าวไหนได้รับความนิยมช่วงนี้?
ตัวอย่างการใช้ NER การใช้ NER สำหรับธุรกิจสื่อ

จากภาพNER (หมวด Work of Art) ที่แสดงผลชื่อรายการโทรทัศน์ พบว่า “รายการทุบโต๊ะข่าว” เป็นรายการที่ได้รับ Engagement สูงที่สุดในช่วงเวลาที่ผ่านมา (ช่วง 1 – 30 กันยายน 2568) ทำให้เอเจนซี่โฆษณาสามารถเลือกวางแคมเปญกับรายการที่กำลังถูกจับตา ส่วนทีมพัฒนาโปรแกรมข่าวสามารถดูทิศทางคู่แข่งในแง่ Volume & Engagement ต่อได้

  1. บุคคลใดกำลังเป็น Talk of the Town?
บุคคลใดกำลังเป็น Talk of the Town? ดูได้ด้วย NER

หากดูในกลุ่มบุคคล (Person)​พบว่า สื่อช่องต่าง ๆ จะพูดถึง “คุณอนุทิน”  บ่อยครั้งและเป็นบุคคลที่ได้รับ Engagement สูงสุด มากกว่า 6 ล้านเอ็นเกจเมนต์ ตามมาด้วย “คุณทักษิณ”ซึ่งเป็นบุคคลที่เกี่ยวข้องกับการเมือง และมีที่มาจากข่าว ส่วนอันดับที่ 3 จะเป็น “ขุนเอก” ซึ่งเป็นชื่อตัวละครจากเรื่อง “เจ้าคุณพี่กับอีนางคำดวง” ที่ได้รับ Engagement ในโซเชียลมีเดียสูงกว่า 2 ล้านครั้ง  ทำให้เลือกประเด็นข่าวหรือจับกระแสของละครมาใช้ในการทำประเด็นนำเสนอในมุมที่น่าสนใจต่อได้ทันที

3. ละครเรื่องไหนมาแรง?

ละครเรื่องไหนมาแรง? ดูได้ด้วย NER

อย่างเช่น ละครเรื่องแสนรัก ที่ได้รับ Engagement กว่า 6 แสนเอ็นเกจเมนต์ในช่วงเวลาที่ผ่านมาจากคอนเทนต์วิดีโอต่าง ๆ ที่ตัดซีนของละครออกมาเพื่อทำการโปรโมตโดยเฉพาะ ซึ่งทำให้ได้ยอด Engagement สูง

เริ่มต้นใช้ NER ผ่าน Zocial Eye ได้แล้ววันนี้

Named Entity Recognition (NER) คือ เทคโนโลยี AI ที่ช่วยให้ธุรกิจเข้าใจข้อมูลเชิงลึกจากการพูดถึงบุคคล สถานที่ หรือผลิตภัณฑ์และ Zocial Eye ได้ใช้เทคโนโลยีนี้ในการพัฒนา Social Listening ให้สามารถวิเคราะห์และจำแนกข้อมูลในสื่อโซเชียลมีเดียได้อย่างละเอียดและรวดเร็วมากขึ้น ช่วยให้ธุรกิจได้ข้อมูลเชิงลึกที่นำไปใช้ได้จริงในงานการตลาด เช่น การเลือก Influencer, การวางแผนโปรโมชัน หรือการจัดแคมเปญให้ตรงกับกระแสและกลุ่มเป้าหมาย

อย่าพลาดโอกาสที่จะใช้ Zocial Eye เพื่อเสริมกลยุทธ์การตลาดของธุรกิจ เริ่มต้นใช้ทันที ขอทดลองใช้งาน หรือสอบถามข้อมูลเพิ่มเติมลงทะเบียนให้เราติดต่อกลับได้เลย! 

สนใจใช้ Zocial Eye วันนี้!

คำถามที่พบบ่อย (Q&A)

Named Entity Recognition ของ Zocial Eye ใช้กับภาษาไทยได้ดีไหม?

Named Entity Recognition (NER) ของ Zocial Eye สามารถใช้งานได้ดีมากกับภาษาไทย เนื่องจาก Wisesight ได้พัฒนาโมเดลเฉพาะที่รองรับการวิเคราะห์ภาษาไทย ซึ่งแตกต่างจาก NER ทั่วไปที่มักใช้สำหรับภาษาอังกฤษหรือภาษาสากล

NER ช่วยเรื่อง Crisis Management ยังไง?

NER ช่วยจับคำที่เกี่ยวข้องกับเหตุการณ์หรือบุคคลที่มีความเสี่ยงได้ เช่น การพูดถึง ชื่อแบรนด์ หรือ บุคคล ในเชิงลบ หรือในบริบทที่มีการกล่าวหาหรือวิพากษ์วิจารณ์ นอกจากนี้ NER ยังช่วยแยกแยะว่าความคิดเห็นเกี่ยวกับเหตุการณ์ ที่กำลังเกิดขึ้นนั้นเป็นเชิงบวก, ลบ หรือเป็นกลาง ทำให้ทีม Crisis Management ประเมินระดับความรุนแรงของสถานการณ์ได้รวดเร็วมากขึ้น

สุดท้ายหลังจากการจับข้อมูลและ Sentiment เกี่ยวกับวิกฤตแล้ว NER สามารถใช้ในการประเมินผลกระทบ ได้ เช่น หากจำนวนโพสต์ที่พูดถึงแบรนด์เพิ่มขึ้น 3 เท่าในระยะเวลา 24 ชั่วโมงและมีการกล่าวถึงในเชิงลบอย่างชัดเจน จะช่วยให้แบรนด์ประเมินว่าวิกฤตนี้มีขนาดใหญ่ และต้องการการตอบสนองเชิงรุกอย่างมีประสิทธิภาพ

NER ใช้ร่วมกับ AI อื่น ๆ ได้หรือไม่?

การใช้ NER อย่างเดียว จะช่วยให้เราจำแนกข้อมูลสำคัญที่อยู่ในข้อความ เช่น จำแนกชื่อแบรนด์, บุคคล, สถานที่ หรือองค์กรให้ได้อัตโนมัติ ซึ่งเราสามารถนำข้อมูลที่ได้จาก NER มาต่อยอดหาอินไซต์เพิ่มเติมจาก AI อื่น ๆ ได้ เช่น การใช้ร่วมกันกับ AI ตอบคำถาม หรือการใช้ Generative AI