¿Qué es el análisis de sentimiento?
El éxito o fracaso de una marca no depende solo de las cifras de venta, ya que estas pueden cambiar de forma repentina, sino que también es clave la opinión de los clientes. Importa, más que nada, lo que dicen los clientes potenciales acerca de la marca, sin importar si ya han comprado el producto o no.
¿Encaja la marca en la tendencia actual? ¿El público objetivo percibe la marca de manera positiva o más bien negativa? ¿Acaso lo ignora? ¿Qué acogida tiene la marca entre los influencers? Todas las anteriores son preguntas que una empresa debería plantearse con regularidad mediante la observación específica de los canales sociales.
La palabra francesa sentiment significa sensación o sentimiento. El sentiment analysis o análisis de sentimiento se hace, por tanto, para determinar cómo el público objetivo acoge y percibe la propia marca. Los expertos en bolsa también recurren al análisis de sentimiento para poder estimar la evolución de las cotizaciones de las acciones en función del comportamiento de compra y el ambiente general de los inversores en bolsa. En este artículo, no obstante, nos centraremos en el análisis específico de los estados de ánimo y la percepción de las marcas en redes sociales, reseñas y blogs.
¿Cómo funciona el análisis de sentimiento?
El análisis de sentimiento se basa en la evaluación automatizada de los comentarios de los usuarios para determinar si un texto se ha escrito con una intención positiva o negativa. Para ello, se usa la minería de textos, es decir, el análisis automático de textos escritos en lenguaje natural.
Primer contratiempo: el lenguaje natural no está compuesto de listas con elementos positivos y negativos. Los métodos de análisis más sencillos buscan en el texto palabras que tengan un significado positivo o negativo de acuerdo con un diccionario adecuado según el tema y que ha sido creado previamente. Este método nos permite hacernos una buena idea general, pero no parece muy útil para analizar el ambiente imperante real. Ni siquiera es realmente determinante la frecuencia con la que aparecen ciertas palabras consideradas positivas o negativas en relación con la evaluación subjetiva de un producto.
Veamos dos evaluaciones de clientes como ejemplo: “¡Me quedé impresionado!” y “Está bien, cumple su función.”. La primera oración incluye una palabra positiva: impresionar, mientras que la segunda incluye dos, bien y cumplir.
Un análisis simple, basado en métodos estadísticos, calificaría la segunda oración como más positiva, sin embargo, una persona real la calificaría, como mucho, de mediocre o incluso, negativa. Es por ello, que un análisis de sentimiento fiable requiere el uso de herramientas de inteligencia artificial.
A todo esto, hay que sumar que los consumidores normalmente expresan sus opiniones en redes sociales como si estuvieran hablando con un amigo y no siempre siguen las normas gramaticales y ortográficas vigentes. Muchas oraciones tienen un significado totalmente distinto si tenemos en cuenta el texto entero que si las evaluamos de manera aislada. Uno de los mayores desafíos de las herramientas de análisis radica justamente en detectar esos matices. También cabe tener en cuenta que existen las tendencias pasajeras, sobre todo en el lenguaje juvenil.
Por tanto, una herramienta de análisis de sentimiento debe reconocer de forma precisa el público objetivo y el entorno del producto que se está analizando. En este contexto, son muy útiles los métodos del aprendizaje automático, que permiten ir entrenando a las herramientas poco a poco para mejorar la calidad de los resultados a largo plazo.
¿Cuál es el objetivo del análisis de sentimiento?
La tarea principal de un análisis de sentimiento es obtener una idea general de la opinión y el estado de ánimo de un público objetivo definido en lo que respecta a un producto o una marca. En este contexto, es recomendable analizar no solo las reseñas de producto de la propia página web o las grandes tiendas online, sino también las publicaciones relacionadas en Facebook, Twitter y otras redes sociales.
Los análisis de sentimiento se llevan a cabo para descubrir las emociones que hay detrás del texto y averiguar qué quiso decir realmente el autor del texto.
¿Qué ventajas ofrece el análisis de sentimiento?
Los análisis de textos profesionales nos permiten evaluar un gran número de textos y reconocer la opinión general entre el público objetivo. Una vez hecho esto, pueden adoptarse elaboradas estrategias de marketing para contrarrestar de forma específica un ánimo negativo.
Sin embargo, el análisis de sentimiento no es una herramienta para responder a opiniones o evaluaciones de productos individuales. Si eso es lo que se pretende, es preferible que una persona redacte una respuesta personalizada. Un análisis bien planificado de determinadas plataformas de redes sociales sí que sirve, no obstante, para detectar a clientes satisfechos y enviarles promociones o anuncios específicos.
¿Cuándo se usa el análisis de sentimiento?
Los análisis de sentimiento son especialmente relevantes en las campañas publicitarias en redes sociales, ya que en estos casos los clientes potenciales reaccionan de forma inmediata a las publicaciones de la empresa e incluso pueden comunicarse entre ellos, a menudo de manera bastante más sincera y directa que cuando se dirigen a la empresa.
Si los comentarios denotan opiniones negativas o una impresión errónea de los productos anunciados, la campaña puede adaptarse con rapidez y evaluarse de nuevo tras los cambios.
Cuando se lanza una versión mejorada de un producto conocido o cuando una marca aplica cambios visuales a su imagen, estos análisis del sentiment son muy útiles para valorar el efecto que tiene el cambio en la satisfacción del cliente y, posiblemente, en el comportamiento de los clientes nuevos.
A nivel informático, es bastante sencillo analizar grandes conjuntos de textos, sin embargo, la clave está en distinguir los textos relevantes de los que no lo son. No solo se trata de filtrar los mensajes de spam, sino también de excluir del análisis a aquellos textos que solo están relacionados con el producto de manera indirecta.
Dentro de los comentarios relevantes sobre la propia marca, hay que seguir filtrando y dividiendo el contenido, por ejemplo, en función de si realmente se trata de reseñas (reviews) sobre un producto o si la crítica va dirigida al servicio de atención al cliente o al embalaje y por eso incluye numerosos términos negativos.
No cabe duda de que la información relativa a este tipo de críticas también es muy interesante, pero contamina el análisis si se evalúa junto con las valoraciones puras del producto.
El análisis de sentimiento también permite medir el éxito de las campañas de marketing. Una campaña ha tenido mucho éxito, por ejemplo, si hay términos o frases de la publicidad actual que aparecen frecuentemente relacionados con palabras positivas en los comentarios.
Ejemplo de un análisis de sentimiento sencillo
La API Natural Language de Google es una interfaz de programación que incluye, entre otras funciones, métodos sencillos de análisis de sentimiento y se puede integrar en programas propios. Google permite probar la API a cualquiera, no solo los desarrolladores de software. Basta copiar un texto en el campo de entrada de la API y aparecerán diferentes opciones de análisis de texto, entre ellas la opción “Sentiment”.
Cada oración se evalúa de forma individual y recibe una puntuación entre -1 y +1, donde la primera es equivalente a un resultado muy negativo y la segunda representa el resultado óptimo. A partir de las evaluaciones de las oraciones individuales se obtiene un resultado general para el texto en función de una jerarquía establecida de los valores.
En el siguiente ejemplo, usaremos una reseña ficticia sobre un hervidor de agua. El resultado pone de manifiesto los puntos débiles del análisis automático de textos. Así, una de las oraciones con valoración desfavorable incluye la expresión negativa: “mal rendimiento”. Pero si leemos todo el texto y lo interpretamos dentro de su contexto global, queda claro que el usuario, en realidad, estaba alabando el producto en este punto.
A la inversa, más abajo, la oración “Sin embargo tengo que restar puntos por el sabor.” recibe una puntuación neutra, a pesar de que es una clara crítica al producto.
También es cierto que estas construcciones enrevesadas, como las afirmaciones irónicas, suelen ser la excepción dentro de las opiniones, por lo que incluso un análisis de sentimiento sencillo nos permite hacernos una idea general de las sensaciones si lo empleamos con grandes volúmenes de texto.
¿Con qué otras herramientas podemos analizar el sentimiento?
Aparte de la ya mencionada API Natural Language de Google, existen otras herramientas de análisis profesionales que permiten evaluar grandes volúmenes de textos. A la hora de elegir, debes asegurarte de que la herramienta domine el idioma del texto y que incluya listas de palabras y bases de datos de construcciones típicas en diferentes contextos semánticos desarrolladas por hablantes nativos. Todos los idiomas tienen matices, sobre todo en el lenguaje coloquial, y ningún traductor automático es capaz de reflejar estos matices sin falsificar el tono de un texto.
Hootsuite Insights evalúa automáticamente todos los canales de redes sociales o portales de noticias importantes, así como los blogs y foros conocidos, para determinar el ánimo general de los internautas en cuanto a una marca de productos. Los comentarios analizados se pueden filtrar por diferentes palabras clave y grupos típicos de personas.
Quick Search es un motor de búsqueda que detecta determinadas palabras clave, por ejemplo, denominaciones de marcas, en redes sociales, blogs y foros para comparar varias marcas competidoras.
MeaningCloud ofrece otra herramienta para el análisis de sentimiento que se caracteriza por detectar los casos de ironía que mencionamos arriba y por diferenciar entre opiniones objetivas y subjetivas.