La presenza on line di miliardi di individui produce continuamente enormi quantità di testi scritti in cui vengono espresse, in privato o in pubblico, opinioni, visioni del mondo, posizioni rispetto a determinati argomenti. A tutte queste espressioni si possono associare quasi sempre stati d’animo, le cui sfumature sappiamo essere infinite ma in una certa misura classificabili e soprattutto identificabili attraverso dei sistemi di analisi del testo, automatici (tramite algoritmi) o manuali.
L’analisi del Sentiment è dunque una analisi effettuata sui linguaggi “naturali” per determinare il carattere negativo, positivo o neutrale di un testo scritto (esistono analisi del sentiment anche di diverso tipo, più specifiche e “profonde”).
Così come già evidenziato nel nostro articolo sul monitoraggio della conversazione on line, aziende e istituzioni possono ottenere informazioni assai rilevanti in campo strategico grazie alla raccolta e all’analisi di tutti quei segnali che contribuiscono alla propria “reputazione”: tenere traccia del “sentiment” vuol dire attribuire a ciascuno di quei segnali un valore legato alle sensazioni espresse dalle persone.
Possiamo già da adesso comprendere l’importanza di questa analisi per orientarci nelle indagini riguardo la percezione di un brand, per monitorare in senso qualitativo l’andamento dei canali social, per conoscere nello specifico le sensazioni della clientela rispetto a determinati prodotti e servizi.
Volendo fare un rapido esempio, immaginiamo di avere a disposizione un migliaio di recensioni testuali relative a un servizio: l’analisi del sentiment ci indicherà subito, sulla base delle nostre impostazioni, in che percentuale la clientela è soddisfatta o insoddisfatta, indicherà nello specifico quali sono i servizi più apprezzati o criticati e da quale tipo di cliente provengono critiche o segnali di apprezzamento. Come in ogni analisi che si rispetti, maggiore è il numero di dati raccolti (in questo caso recensioni), più accurati e veritieri saranno i risultati che andremo ad estrarre e ad interpretare. Volendo, potremo rendere più profonda l’indagine introducendo criteri di determinazione più precisi, ad esempio distinguendo più livelli di positività e negatività (“molto positivo”, “positivo”, “negativo”, “molto negativo”) oppure aggiungendo altri criteri come “urgente”, “poco urgente”, “molto urgente”.
A cosa serve e a chi
L’analisi del sentiment può avere applicazioni vastissime, proprio perché la vita delle community si basa sulla condivisione e sullo scambio di opinioni e possiamo trovare praticamente ovunque, sui social e sul web, testi che esprimono stati d’animo.
Volendo circoscrivere alcuni ambiti di applicazione, ecco un breve elenco di utilizzo più comune dell’analisi del sentiment:
- Monitoraggio, anche in tempo reale, dei social media. Ad esempio, possiamo conoscere l’andamento del sentiment riguardo gli spazi social della nostra azienda e dei nostri competitor, confrontandoli. Oppure, indagare le reali proporzioni e i toni di una crisi di comunicazione: sappiamo, ad esempio, che in molti stanno parlando della nostra azienda, ma “come” ne stanno parlando? E quali sono nello specifico i temi rispetto a cui si riscontrano eventuali ondate di sentiment “negativo”?
- Monitoraggio di brand (o di un partito politico, di una istituzione, di una onlus), per conoscere e proteggere la reputazione ovunque possibile, dai social media alle testate di informazione, valutare l’impatto di campagne specifiche.
- Ascolto della clientela, per rintracciare tutti i feedback provenienti da chi usufruisce di determinati prodotti e servizi, comprendere la natura specifica delle criticità e individuare le aree di intervento per migliorare, ad esempio, i servizi di assistenza. Questa analisi si concentrerà sui siti dedicati alla recensioni, ai forum di assistenza e a tutte le piattaforme dedicate a questo tipo di azioni da parte dei clienti.
- Ricerche di mercato rispetto a categorie di prodotti o servizi, per valutare gli scenari già presenti, i punti di forza e di debolezza, i trend.
Come funziona l’analisi del sentiment?
Prima di tutto, individuare cosa intendiamo monitorare dal punto di vista del sentiment: un servizio? Un tipo di argomento rilevante per la nostra comunicazione on line? Un intero brand in tutte le sue declinazioni possibili o restringendo l’ambito? Questo tipo di scelta determinerà l’individuazione di determinate parole chiave, che i tool di analisi andranno a ricercare sul web per poi attribuirgli un “tag” di sentiment, che potrà essere, ad esempio, “positivo”, “negativo”, “neutro”. Altrettanto importante è conoscere il funzionamento del tool specifico che sceglieremo per l’analisi, il modo di operare nell’attribuzione dei tag, l’eventuale necessità di intervenire manualmente per eliminare false attribuzioni o per correggerle. Imposteremo poi le fonti da cui attingere questi dati e un ambito temporale ricorrente o estemporaneo di estrazione dei dati: nel caso del monitoraggio dei social media, avrà ad esempio una cadenza mensile, mentre per una campagna o una analisi di mercato coprirà più mesi di indagine. Un brand con un forte numero di menzioni al giorno avrà in alcuni casi la necessità di una reportistica quotidiana, basata su automazioni. Questo tipo di soluzione può essere molto utile per intervenire subito in caso di crisi e per anticipare o contenere gli sviluppi.
La reportistica dovrà quindi tenere conto di tutti questi fattori ed essere pensata in modo tale da sostenere, sulla base di evidenze, decisioni sia di breve che di lungo periodo.
Criticità dell’analisi del sentiment
Per certi versi, l’analisi del sentiment (o “opinion mining”) serve a semplificare brutalmente qualcosa di assai complesso come la catalogazione dei sentimenti umani e la corretta interpretazione di un testo. C’è, per forza di cose, una forte perdita di dettaglio e sfumature, così come il rischio di vere e proprie interpretazioni completamente errate. L’analisi del sentiment è efficace soprattutto quando cataloga opinioni da un grande numero di dati e per questo non può fare a meno di sistemi algoritmici che interpretano i testi per “decidere” se dare loro un certo valore (nella maggior parte dei casi “positivo”, “negativo”, “neutro”). È facile che un algoritmo “sbagli” nell’attribuire un tag o che il suo “apprendimento” impieghi un lungo periodo prima di affinarsi per restituire risultati simili a quelli umani.
Un problema è anche quello di determinare cosa è “neutro” o come catalogare domande ed espressioni di desideri. La stessa estrazione di dati relativi al sentiment può riferirsi a singole espressioni all’interno di un testo, oppure a un contenuto nel suo complesso, come un intero articolo o post.
Possiamo semplicemente dire che ciò che conta è determinare con chiarezza sin dall’inizio i confini dell’analisi e monitorare costantemente, oltre ai risultati del rilevamento, la loro correttezza, per “aiutare” gli algoritmi nel loro lavoro. È bene, a questo proposito che i report di analisi del sentiment contengano note metodologiche per fugare ogni dubbio e trarre deduzioni il più possibili fondate sulla realtà che si vuole portare alla luce. Al di là del corretto funzionamento dei tool scelti per questo tipo di analisi, l’attività umana di lettura e interpretazione dei dati rimane imprescindibile, e per questa ragione le grandi aziende si affidano ad agenzie specializzate, come Noetica.
Contattaci per avere una consulenza sul tipo di analisi del sentiment online più adatto alla tua azienda e per conoscerne tutte le potenzialità.
