I social media hanno permesso agli utenti di esprimere la propria opinione ottenendo tanta più visibilità quanto maggiore è il numero dei loro fan/follower attivi.
Limitare e gestire completamente il passaparola degli utenti su Brand e prodotti è quindi impossibile, ma è possibile monitorarlo e trarne insight utili per lo sviluppo dell’azienda e per diminuire il gap tra bisogno del consumatore e percezione del Brand.
L’analisi del sentiment si pone proprio l’obiettivo di apportare valore all’azienda tramite l’ascolto delle opinioni degli utenti espresse liberamente. Può essere svolta manualmente su un campione di messaggi statisticamente rilevante o automaticamente (Sentiment Analysis), tramite l’utilizzo di appositi software sviluppati per la comprensione automatica del linguaggio naturale (o umano) e l’attribuzione automatica di una polarità in base il contesto semantico.
Quando si parla di Sentiment Analysis (o più nello specifico, Opinion Mining) ci si riferisce all’identificazione di un giudizio o di un’idea espressa a proposito di uno specifico argomento o prodotto, cioè il target.
I dati sono tracciati e classificati correttamente grazie all’implementazione di apposite “grammatiche” o regole linguistiche, per la comprensione automatica del linguaggio.
Il processo di comprensione automatica si articola in tre fasi:
1.l’analisi di porzioni di testo e di indicatori testuali come la punteggiatura e l’ortografia;
- l’estrazione di espressioni di stati d’animo (mood) dai messaggi analizzati;
- l’attribuzione di una polarità ai documenti e la conseguente classificazione in positivi, negativi o mixed.
Fonte: Vincos.it/Blogmeter
È bene sapere che dietro a questo processo di automatizzazione dell’analisi, si nasconde il lavoro attento di linguisti computazionali, e successivamente di analisti, che studiano il dominio di molti documenti su cui poi si dovrà applicare la Sentiment Analysis: “fa schifo” è generico, mentre “truccato” è negativo in un ambito poker online ma non in un contesto makeup.
Anche il cliente ha un ruolo fondamentale nella valutazione dei target auspicati e nella probabilità di intercettarli e annotarli correttamente, saranno poi necessari test, modifiche e ulteriori test, per migliorarne sempre di più la percentuale di accuratezza.
Interpretare automaticamente le opinione degli utenti, è quindi un lavoro complesso che richiede un altrettanto complesso lavoro di analisi e studio “manuale”.
Risulta più difficile proprio sui Social Network dove prevale l’utilizzo di forme colloquiali, giovanili e informali e su documenti molto lunghi provenienti da blog. Più semplice per i tweet dove solitamente si esprime una sola polarità.
L’ironia per esempio, tanto usata online, è uno dei problemi più grossi perché spesso è difficile da comprendere anche per gli stessi esseri umani, figuriamoci per una macchina…
Resta dunque un campo tanto affascinante ma ancora da migliorare e comunque in continua evoluzione proprio come il linguaggio umano.