5 maneras de obtener más opiniones positivas
Por Emily Smith12 enero 2023
El análisis de sentimiento, también conocido como minería de opinión (opinion mining), es un término muy discutido pero a menudo incomprendido.
Básicamente, es el proceso de determinar el tono emocional que hay detrás de una serie de palabras, y se utiliza para intentar entender las actitudes, opiniones y emociones expresadas en una mención online.
¿Por qué usar el análisis de sentimiento?
El análisis de sentimiento es extremadamente útil en la monitorización de las redes sociales ya que permite hacernos una idea de la opinión pública general sobre ciertos temas. Herramientas de monitorización de las redes sociales como Brandwatch Analytics hacen que este proceso sea mucho más rápido y fácil que nunca gracias a la capacidad de monitorizar en tiempo real.
Los beneficios del análisis de sentimiento son numerosos e importantes. La habilidad de extraer información de datos de las redes sociales es una práctica que ya están adoptando organizaciones a nivel mundial.
Se ha probado que los cambios en el sentimiento de las redes sociales se corresponden a cambios en la bolsa.
La administración de Obama utilizó el análisis de sentimiento para sondear la opinión pública sobre sus políticas y mensajes de campaña antes de las elecciones presidenciales del 2012.
La habilidad de entender rápidamente actitudes del consumidor y reaccionar adecuadamente es algo que Expedia Canada aprovechó cuando se dieron cuenta de que había un crecimiento continuo de feedback negativo hacia la música de uno de sus anuncios de televisión.
El peor anuncio, lo repiten tanto que llega a ser molesto, y probablemente no vuelva a usar Expedia solo porque su anuncio es tan irritante.
El análisis de sentimiento que la marca llevó a cabo reveló que la música de uno de sus anuncios llegaba a ser muy irritante tras varias escuchas, y los consumidores se estaban dirigiendo a las redes sociales para desahogarse.
Un par de semanas después de que el anuncio se emitiera por primera vez, más de la mitad de los comentarios de la conversación online eran negativos.
En vez de anotarse un fallo con el anuncio, Expedia supo dirigir el sentimiento negativo de una manera divertida y consciente al emitir una nueva versión del anuncio que mostraba cómo rompían el violín que tanto molestaba.
Comprensión del contexto y del tono
Eso no quiere decir en absoluto que el análisis de sentimiento es una ciencia perfecta.
El lenguaje humano es complejo. Enseñar a una máquina a analizar los diferentes matices gramaticales, variaciones culturales, jergas y faltas de ortografía de las menciones online es un proceso difícil. Y enseñar a una máquina a entender cómo el contexto puede afectar al tono, es aún más difícil.
Los humanos son bastante intuitivos al interpretar el tono de cualquier escrito.
Observa la siguiente frase: “Mi vuelo se retrasa. ¡Genial!”
La mayoría de los humanos podrían interpretar rápidamente que la persona está siendo sarcástica. Sabemos que para la mayoría de la gente un retraso en un vuelo no es una experiencia grata (a no ser de que haya barra libre como recompensa). Al aplicar este entendimiento contextual a la frase, podemos identificarla fácilmente como negativa.
Sin este entendimiento contextual, una máquina que procesara esta frase vería la palabra “genial” y la categorizaría como positiva.
¿Recuerdas la escena de Terminator 2, cuando el Jon Connor joven le enseña a T-800 frases típicas de los 90 como “no problemo”, o “sayonara baby”?No es totalmente diferente a cómo un lingüista experto le enseñaría a una máquina a llevar a cabo un análisis de sentimiento sencillo.
A medida que el lenguaje evoluciona, el diccionario que las máquinas utilizan para comprender el sentimiento continuará expandiéndose.
Con el uso de las redes sociales, el lenguaje evoluciona más rápido que nunca antes. El límite de 140 letras, la necesidad de ser breve y otros memes han transformado la manera en que nos comunicamos online. Por supuesto, esto conlleva varios desafíos.
En Brandwatch, utilizamos un proceso de reglas para ayudar a nuestro software a entender mejor las diferentes maneras en que el contexto puede afectar al sentimiento.
Tomamos todas las palabras y frases que implican sentimiento positivo o negativo y aplicamos reglas que consideran cómo el contexto podría afectar al tono del contenido. Estas reglas cuidadosamente creadas ayudan a nuestro software a saber que la primera frase (arriba) es positiva y la segunda negativa.
“Los burritos me vuelven loco”
“Hay que estar loco para comerse uno de esos burritos”
Avisos sobre el análisis de sentimiento
Los ejemplos mencionados muestran cómo el análisis de sentimiento tiene sus limitaciones, y no puede ser usado como una marcador con un 100% de fiabilidad.
Como cualquier otro proceso automático, es propenso a errores, y a menudo necesita del ojo humano para vigilarlo. En Brandwatch, los usuarios pueden redefinir el sentimiento si creen que algo se ha categorizado incorrectamente.
Más allá de la fiabilidad, es importante reconocer que no es tan simple como que las expresiones humanas entran en tres categorías; no se pueden clasificar todos los sentimientos como positivos, negativos o neutros.
Predicciones para el futuro del análisis de sentimiento
Es difícil especular sobre cómo un sistema relativamente inmaduro evolucionará en el futuro, pero hay una creencia general de que el análisis de sentimiento necesita ir más allá de una escala unidimensional positiva-negativa.
Del mismo modo que la política no siempre se puede reducir a una posición en una escala izquierda-derecha, hay algunos tipos de sentimiento que no se pueden colocar en un simple barómetro.
En el futuro, para capturar y entender de verdad el amplio rango de emociones que los humanos expresamos por escrito, necesitaremos una escala multidimensional más sofisticada.
¿Puedes medir el escepticismo, la esperanza, la ansiedad, la emoción o la falta de ella? Hasta que esto ocurra el análisis del sentimiento es (literalmente) unidimensional.
Las organizaciones estarán más al tanto de las aplicaciones del análisis de sentimiento a su mercado.
Veremos un cambio en la percepción de la fiabilidad del análisis de sentimiento. Los usuarios estarán más abiertos a la idea de que el análisis automático de textos difícilmente igualará al desempeño humano.
La información que se puede extraer de grandes conjuntos de datos (millones de tweets) eclipsará la preocupación sobre la fiabilidad a nivel granular (un solo tweet).
En vez de eso, nos preocuparemos por cómo conseguir resultados que se puedan interpretar y sobre los que se pueda actuar. Hasta que llega ese momento, trabajamos por hacer un análisis de sentimiento tan acertado y fácil de entender como podemos.