La Sentiment Analysis nasce nel contesto odierno grazie alla diffusione massiva dei social network. In questo mondo iperconnesso gli utenti esprimono fortemente le proprie opinioni in rete, fornendo una mole di dati fondamentali per valutare la reputazione di un brand, di una istituzione, di un personaggio famoso o di un politico.
Analizzare e conoscere il proprio target, le abitudini di consumo, le preferenze e le idee aiuta a pianificare strategie di marketing adeguate in ambito commerciale o in ambito politico.
La Sentiment Analysis, conosciuta anche come Opinion Mining, è un campo del Natural Language Processing (NLP) il cui scopo è l’analisi di un testo per identificare e classificare l’informazione presente.
In altre parole, la Sentiment Analysis è un’analisi computazionale dei sentimenti e delle opinioni online espresse a livello testale su un prodotto, un servizio, un individuo, un’organizzazione, un evento, un politico… L’analisi del sentimento aiuta a comprendere la brand perception sui social e sul web.
Approfondimento: “Brand Awareness: cos’è, come misurarla e come aumentarla”
Mediante la Sentiment Analysis è possibile trasformare le opinioni in rete (social, blog, forum, ecommerce…) in dati strutturati per l’analisi e per scegliere le strategie di marketing più opportune.
L’80% dei dati nel mondo provengono principalmente dai testi come e-mail, ticket di supporto, chat, social, sondaggi, articoli, documenti… Tali dati non sono strutturati, non sono organizzati e sono quindi difficili da leggere e da analizzare. I sistemi di analisi della Sentiment Analysis permettono di analizzare i testi e di dare loro un senso logico, estrapolando le informazioni utili e facendo risparmiare all’azienda ore e ore di elaborazione manuale, con conseguenti costi.
Diversi sono i vantaggi della Sentiment Analysis, vediamone qualcuno.
Scalabilità
L’analisi del sentiment consente di elaborare una moltitudine di dati come tweet, conversazioni, recensioni in modo efficiente ed economico.
Real time
Un cliente sta per arrabbiarsi? Ci sono problemi sui social con le pubbliche relazioni tra il brand e il cliente? La Sentiment Analysis aiuta a identificare immediatamente queste situazioni per correre subito ai ripari.
Criteri coerenti
Quando si legge un testo cercando di capire il sentimento che c’è all’interno, la soggettività fa la sua parte influenzando l’essere umano nella percezione. Diverso è per la macchina che utilizza gli stessi criteri di analisi per tutti i dati, portando meno errori e più coerenza.
Uno strumento come la Sentiment Analysis risulta utile in diversi contesti, anche non legati al business. Le applicazioni più comuni possono riguardare ad esempio:
– l’analisi della reputazione online di un politico, di un partito o di un’azienda;
– l’analisi e la valutazione dei risultati di una campagna elettorale o di marketing;
– lo stato d’animo degli investitori sui prezzi delle azioni;
– il tracciamento di un profilo psicologico o demografico per chi vota un certo partito o per chi acquista da un particolare brand;
– la visione di insieme sulle posizioni degli utenti in rete rispetto ad un argomento.
L’analisi del sentimento si suddivide in varie tipologie a seconda dell’obiettivo:
1. Focus sulla Polarità: positiva, negativa, neutra.
2. Rilevazione dei sentimenti e delle emozioni: arrabbiato, felice, triste…
3. Identificazione delle intenzioni: interessato o non interessato.
Vediamo in dettaglio i più diffusi.
Fine-grained Sentiment Analysis
Le opinioni online non sono solo positive, negative o neutre ma esistono diverse sfumature che possono portare una maggior precisione nell’analisi. La Fine-grained Sentiment Analysis prende in considerazione proprio i diversi livelli di polarità dell’opinione: molto positivo, positivo, neutro, negativo, molto negativo. L’analisi del sentimento in questo caso può, ad esempio, essere misurata con una classica valutazione da 1 a 5 stelle.
Multilingual sentiment analysis
Analizzare un sentimento multi-lingua non è semplice perché richiede una pre-elaborazione e un gran numero di risorse da mettere in campo. Un’alternativa meno dispendiosa potrebbe essere la rilevazione automatica della lingua nei testi, formare quindi un modello personalizzato del linguaggio scelto (se i testi non sono in inglese) e infine eseguire l’analisi.
Intent analysis
L’analisi delle intenzioni è usata da molti brand per capire quale sia la reale intenzione dei propri clienti, come l’interesse degli utenti su un prodotto rispetto a quello della concorrenza. Grazie all’Intent analysis è più facile sviluppare strategie di marketing mirate per dare al target quel che cerca.
Aspect-based Sentiment Analysis
La Sentiment Analysis basata sugli aspetti esprime polarità positive, neutre o negative sul prodotto. Prendiamo ad esempio la frase “la durata della batteria dello smartphone xyz è troppo breve.” Il commento esprime un’opinione negativa sul telefonino e più precisamente sulla durata della batteria, caratteristica particolare del prodotto.
Esistono diversi modi per utilizzare la Sentiment Analysis, vediamone qualcuno:
1. Il servizio clienti può gestire i problemi specifici degli utenti che lasciano commenti fortemente negativi, migliorando il servizio in maniera personalizzata.
2. La Sentiment Analysis monitora il target nel tempo, migliorando la loro esperienza di utilizzo e valutando i cambiamenti comportamentali.
3. Se abbiamo abbastanza dati demografici e quantitativi è possibile segmentare il target di riferimento per considerare i loro sentimenti separatamente, e per adattare le strategie di marketing ai cluster selezionati.
4. Ad ogni cambiamento del brand cambia anche il sentimento del cliente. Lanciare una campagna di marketing, un comunicato stampa o cambiare l’interfaccia del prodotto possono provocare effetti differenti. Monitorare il sentimento dei clienti aiuta a capire come il target reagisce ai cambiamenti.
Se sei interessato leggi anche: “Seth Godin e il Marketing Gentile: come catturare l’attenzione del target”
Esistono vari tool utili per la Sentiment Analysis, come ad esempio Talkwalker il cui bacino di analisi comprende oltre 150 milioni di siti in 187 lingue, con un traffico proveniente da 196 paesi. L’ interfaccia è semplice ed intuitiva e permette di creare una campagna di social listening con tante funzionalità.
Un altro tool utile è Digimind, per effettuare analisi del sentiment precise e immediate.