Di seguito vedremo insieme qualche aspetto della sentiment analysis anche detta social media analysis o web sentiment analysis. In particolare daremo una definizione primaria per poi analizzare l’accuratezza e i principali obiettivi di chi la utilizza.
Cos’è la Sentiment Analysis
La sentiment analysis consiste nell’estrazione e analisi delle opinioni che gli utenti esprimono nel web rispetto a diversi prodotti/servizi e per misurare la brand perception. Si riferisce all’elaborazione del linguaggio e all’analisi del testo per identificare informazioni soggettive nelle fonti. L’applicazione perfetta della sentiment analysis si ha rispetto alle recensioni, ai social media e al servizio clienti, per questo molto spesso l’analisi del sentiment viene anche chiamata social media analysis.
In generale l’obiettivo principale della sentiment analysis è determinare la polarità generale di un documento (sia che si tratti di una recensione, che di un commento ad un post e via dicendo), ossia classificare un documento o frase in positiva, negativa o neutrale. Le piattaforme più avanzate riescono anche a fornire dati rispetto al numero di question.
Tipologie e Limiti della Sentiment Analysis
E in termini di accuratezza dei risultati ottenuti?
Gli approcci più comunemente individuati rispetto alla sentiment analysis possono suddividersi in tre macro-categorie: rilevamento delle keyword, affinità lessicale e metodi statistici.
Partiamo dalla macro-categoria più semplice, il rilevamento delle keyword. Questo metodo consente di classificare il testo tramite categorie emotive facilmente riconoscibili, individuate in base alla presenza di parole emotive non ambigue, come felice, triste, e annoiato.
Il metodo dell’affinità lessicale invece, non rileva solo le keyword emotive, ma assegna anche a parole arbitrarie “un’affinità” probabile a emozioni particolari. Rispetto alla prima metodologia vista, l’affinità lessicale consente di affinare la selezione e l’attribuzione della polarità.
Infine troviamo i metodi statistici che si basano su elementi di apprendimento automatico. Per misurare l’opinione nel contesto e trovare la caratteristica che è stata giudicata, sono usate le relazioni grammaticali delle parole utilizzate. Le relazioni di dipendenza grammaticale sono ottenute attraverso la scansione approfondita del testo. Il processo di apprendimento da parte della macchina (anche detto machine learning) non è immediato, devono infatti essere costruiti dei modelli che associano a diverse tipologie di commenti una polarità e se necessario ai fini dell’analisi anche un topic.
Quando parliamo di sentiment analysis e in particolare di quella automatica, il più grande limite ad oggi ancora non superato è attribuibile al fatto che qualsiasi tool o piattaforma che registra i post e commenti e attribuisce la polarity non è in grado di cogliere concetti emotivi complessi come l’ironia.
Ad esempio un commento che accompagna un’immagine di una reazione cutanea rispetto ad una crema per il corpo che afferma:
“Grazie xxx! Davvero un effetto strepitoso 🙁 “
oppure un commento ad un ritardo nel volo:
“Il mio volo è in ritardo. Splendido!”
verranno interpretati e classificati dalla macchina come post dalla polarità positiva mentre invece dovrebbero essere assegnate delle negatività. Quindi in un contesto lessicale pieno di ironia l’attendibilità sarà inferiore rispetto ad un documento con informazioni oggettive.
Tale limite viene banalmente superato grazie all’intervento dell’uomo.
Parlando di accuratezza del sistema della web sentiment analysis, essa non è altro che il grado di accordo con il giudizio umano.
Da precisare che il grado di accuratezza della sentiment analysis migliora all’aumentare del volume di dati (big data). Ovvero banalmente milioni di post, possono alleviare le preoccupazioni sull’affidabilità a livello granulare, ossia di un singolo post.
Utilità ed applicazioni di Sentiment Analysis
Ma in definitiva a chi serve questa tipologia di analisi?
L’obiettivo principale della web sentimet analysis è cogliere i punti di forza e di debolezza di un’azienda, di un prodotto/servizio o di un brand in generale. Questa attività risulta ad oggi fondamentale se si vuole essere competitivi nel proprio mercato ed evitare crisi di reputation management. È possibile evitare tutto questo e orientare le strategie di comunicazione future esaminando le conversazioni degli utenti sul web (blog, forum, social network).
Alcuni tool e piattaforme consentono di monitorare in real time tutto quello che accade sul web circa un determinato argomento: gli interessati quindi potranno sapere quando un post da positivo, dopo numerose condivisioni diventa negativo, cercando di comprendere le motivazioni arginando la crisi e limitando i danni. Il crisis management viene utilizzato non solo dalle azienda ma anche in politica, specialmente durante le campagne elettorali per tenere monitorato il sentiment legato ai vari partiti o candidati.
In conclusione possiamo affermare che la sentiment analysis ci permette di:
- Analizzare la reputazione online: possono crearsi situazioni in cui anche un solo cliente insoddisfatto può dar vita ad una maratona di insoddisfazioni in rete verso il brand.
- Comprendere la percezione online di un brand/prodotto/personaggio: i commenti che gli utenti pubblicano in rete si diffondono rapidamente, alimentando dei contenuti che verranno poi condivisi e segneranno in qualche modo il brand in questione (sia positivamente che negativamente).
- Misurare il ritorno delle attività di (social media) marketing: in seguito alle attività sui social media (come Facebook e Twitter), può essere difficile tenere traccia di tutte le opinioni a riguardo e ricavare una visione d’insieme sul tono delle conversazioni.
Case Study di Sentiment Analysis
“Il sentiment sul social ed il caso iphone 6” può essere un caso pratico molto utile per capire meglio l’utilità di questa tipologia di analisi.
http://www.htt.it/2014/09/quanto-conta-sentiment-social/
Sentiment Analysis Tools
Ecco una lista di alcuni strumenti pratici che è possibile utilizzare per tenere traccia del sentiment:
- Meltwater: valuta il tono del commento analizzato e la reputazione del marchio. Utile per capire il vostro target di riferimento.
- Google Alert: un modo semplice e molto utile per monitorare le query di ricerca. Può essere utilizzato per monitorare i “content marketing” e ottenere aggiornamenti via email sugli ultimi risultati di Google. Questo è un buon punto di partenza per il monitoraggio di influencer, tendenze e concorrenti. ()
- People Browser: trova tutte le mention del vostro brand, azienda e competitor e analizza il sentiment. Questo strumento consente di confrontare il volume delle mention prima, durante e dopo le campagne di marketing.
- Google Analytics: strumento per la scoperta dei canali che hanno influenzato i vostri subscriber e buyer. Consente di creare report personalizzati, individuare i dati dei visitatori e di ottenere preziose informazioni sulle loro esperienze online.
- Hootsuite: free tool che consente di gestire e misurare i propri social network. L’abbonamento premium fornisce analisi avanzate ad un costo di 5.99 USD al mese.
- TweetStats: strumento gratuito che permette di rappresentare graficamente le statistiche di Twitter. Basta inserire il tuo nickname Twitter.
- Facebook Insights: con più di 30 Like sulla pagina Facebook si può iniziare a misurare le prestazioni con la funzione Insights. Vedrai l’andamento dei mi piace totali della pagina, il numero di fan, gli utenti attivi ogni giorno, i nuovi Like/ Unlike, la demografia, il consumo dei media e molto altro ancora!
- Pagelever: questo è un altro strumento per misurare l’attività su Facebook. Pagelever ti dà la possibilità di misurare con precisione ogni fase di visualizzazione e condivisione del contenuto su Facebook.
- Marketing Grader: utilizza oltre 35 metriche per calcolare il grado di visualizzazione dei contenuti, valutando la frequenza di pubblicazione, l’aggiornamento su Facebook, il tasso di conversione dei visitatori e altro ancora. E ‘un tool completo per aiutare a misurare le vostre iniziative di marketing inbound.
- SocialMention
- Opinion Crawl
- Brand Karma
- Lexalytics
- Python NLTK
- SentiStreght
- MeaningCloud
Twitter tools
Per analisi approfondite del sentiment è preferibile far ricorso a piattaforme a pagamento come ad esempio Talkwalker, Blogmeter e Chorally.
Non ci resta che lasciarvi alle vostre analisi!