Un like di qua, una reaction ad una storia di là, un commento sotto il post di un’influencer, una fila di emoji arrabbiate sotto quello di un brand… quanto è bello potersi esprimere, supportare o al contrario dare il proprio giudizio negativo su tutto quello che osserviamo sui social network?
Raccogliere e analizzare il significato di questa enorme somma di attività è importante per comprendere qual è la percezione collettiva che si ha sui social network rispetto ad un argomento, una marca, un personaggio attraverso l’attribuzione di un sentimento (positivo, negativo o neutrale), e un passaggio importante per le imprese nella definizione di strategie di marketing migliori: questa è la sentiment analysis.
Sentiment Analysis: cos’è
La sentiment analysis è quell’insieme di attività di ascolto e analisi svolte sui social network che hanno l’obiettivo di comprendere la percezione che la collettività ha su un argomento sotto discussione, tramite l’attribuzione di un sentimento positivo, negativo o neutrale ai commenti, reazioni e condivisioni degli utenti per mezzo del processo del linguaggio naturale e l’analisi dei testi e da parte di algoritmi di machine learning.
Sentiment Analysis: perché è importante
Grazie alla sentiment analysis si può quindi capire, in un periodo temporale definito e in un contesto più o meno ampio, qual è il sentiment degli utenti rispetto ad un brand. Attraverso l’analisi si può valutare la risposta emotiva degli utenti ad un prodotto, ad un’iniziativa, alla scelta di un determinato influencer come brand ambassador o ad una campagna pubblicitaria, oltre che identificare fin dal principio episodi di scontento fra gli utenti, per fermarli prima che si tramutino in crisi.
La comprensione delle emozioni e delle reazioni generate della target audience fa sì che l’azienda possa valutare la bontà delle strategie di marketing messe in atto, possa comprendere i punti di forza e i punti di debolezza dei prodotti o dei suoi comportamenti sul web, e possa quindi raccogliere insight che le permettano in un secondo momento di aggiornare le proprie strategie e migliorare le campagne.
Sentiment Analysis: quando si usa
Per la sua natura di analisi delle “reazioni” degli utenti, la sentiment analysis viene utilizzata soprattutto in concomitanza con il Web e Social Listening (vi ricordate? Ne abbiamo parlato qua), nell’ultima fase del Social Media Marketing Plan, di audit.
Lavorando assieme, le due attività permettono un’analisi migliore delle opinioni e dei commenti degli utenti sui social network, consentendo alle imprese e ai brand di fare delle analisi qualitative a 360° che, unite a quelle quantitative di social analytics, supportano il monitoraggio delle performance delle strategie di marketing messe in atto e di avere spunti per migliorare le strategie future.
Proprio per le sue molteplici finalità la sentiment analysis è una tecnica che le aziende dovrebbero utilizzare in maniera continua, monitorando costantemente il web e i social network alla ricerca di insight che permettano di migliorare regolarmente la loro relazione con i consumatori finali.
Sentiment Analysis: le difficoltà
Implementare delle tecniche di sentiment analysis sempre efficaci e completamente infallibili non è però così semplice: la comprensione dei sentimenti degli utenti è infatti una delle attività più difficili nel processo del linguaggio naturale, così difficile che anche gli esseri umani stessi a volte faticano a capire i sentimenti accuratamente.
I data scientists e gli sviluppatori, al momento della creazione degli algoritmi da utilizzare per fare sentiment analysis, si trovano di fronte ad alcune difficoltà:
- Contesto: anche se quasi sempre fondamentale per comprendere il vero significato di un commento o di un’opinione, non sempre il contesto è dato (e l’algoritmo non può identificarlo a meno che non sia espressamente esplicitato). I commenti degli utenti possono però cambiare sentiment a seconda del contesto in cui sono inseriti.
Es: “Tutto!” può avere valore positivo se accostato alla domanda “Cosa ti piace di quel brand?” e valore negativo se accostato a “Cosa non ti piace di quel politico?”.
- Ironia e sarcasmo: non ci si stupisce che gli algoritmi facciano fatica a riconoscerli, vedendo quante volte già le persone non le comprendano. Esprimere sentimenti negativi attraverso l’utilizzo di parole o espressioni positive può determinare l’incapacità da parte dell’algoritmo di comprendere la vera idea dell’utente, soprattutto in mancanza di un contesto.
Es: “Che servizio eccellente!” esprime un sentimento negativo nel caso in cui un pacco sia arrivato in ritardo ad un utente.
E voi? Pensate sia utile sviluppare questo tipo di attività? Avete mai notato dei cambiamenti nel comportamento di un brand a seguito di un complaint?
Fatecelo sapere nei commenti!
Articolo di Marta Barattin
