• 29 Dicembre 2020

Sentiment Analysis: cos’è, con quali software farla e come utilizzarla nelle proprie strategie

Sentiment Analysis: cos’è, con quali software farla e come utilizzarla nelle proprie strategie

Sentiment Analysis: cos’è, con quali software farla e come utilizzarla nelle proprie strategie 752 413 FinScience

di Emiliano Sammassimo

La Sentiment Analysis è un processo che estrae i testi e li analizza per trovare informazioni rispetto a cosa pensano gli utenti su prodotti, servizi, brand e altri argomenti. Solitamente l’analisi del sentiment si effettua sui Social e prende in considerazione i commenti degli utenti e le menzioni del proprio brand, con l’obiettivo di dare una panoramica sul tono delle reazioni e cosa pensano sui Social Network, o sul web più in generale, rispetto al proprio marchio o a prodotti e servizi offerti.

L’analisi del sentiment è una metodologia di elaborazione del linguaggio naturale (NLP) ed è una tecnica specifica di analisi dei testi, che si basa sul text mining, ovvero sulla raccolta di tutti i documenti testuali interessanti per la propria analisi.

Problematiche della Sentiment Analysis

Le metodologie tradizionali di Sentiment Analysis si sono sempre scontrate con alcune problematiche e limitazioni.

La prima è quella di avere a che fare con sistemi chiusi, come ad esempio app o siti dei Social Network, che non condividono e non mettono a disposizione tutti i dati delle proprio piattaforme, non consentendo quindi di poter estrarre tutti i testi (commenti, post, menzioni, ecc.) rispetto al proprio brand.

Un’altra problematica, causata soprattutto dalla limitazione all’accesso ai dati e dalla loro scarsezza, è la veridicità. Potrebbe essere possibili, infatti, che a fronte di dati di partenza limitati, i risultati non siano veritieri, neanche dal punto di vista quantitativo.

Sentiment Analysis: cosa analizzare

La Sentiment Analysis si occupa essenzialmente di classificazione dei testi. Ma cosa è importante analizzare quando si mette in campo un processo di ascolto dell’audience rispetto ad argomenti di interesse per la propria azienda?

  • Gli aspetti chiave del proprio prodotto / servizio, interessanti per gli Utenti;
  • Le intenzioni e le reazioni del Utenti rispetto a tali specifici aspetti.

Utilizzare in combinazione tali informazioni attraverso le moderne tecniche di intelligenza artificiale e machine learning, permette di avere accesso a milioni di conversazioni, con un alto livello di accuratezza e il risultato può guidare i brand a prendere decisioni (strategiche, di vendita o di sviluppo prodotto) a partire dai bisogni degli Utenti.

Le principali metodologie

Di seguito prendiamo in considerazione alcune tra le principali metodologie di analisi del sentiment, evidenziando le differenze e le particolarità di ogni tipologia di analisi e gli output che possono essere analizzati.

Sentiment Analysis

La principale e più diffusa tipologia di analisi è proprio quella denominata Sentiment Analysis e consiste nella raccolta dei testi inerenti il proprio brand, classificandoli sulla base del tono (normalmente positivo, negativo o neutro).

Intent Analysis

L’analisi degli Intenti porta a un livello di approfondimento maggiore, l’analisi classifica appunto l’intenzione degli utenti nel proprio messaggio. L’intent analysis definisce ad esempio, se il messaggio si riferisce a un’opinione, un consiglio, una news o una domanda.

Context Analysis

Un ulteriore livello di approfondimento consiste nel definire di cosa si sta parlando, ovvero qual è l’aspetto del proprio brand, prodotto o servizio incluso nel messaggio. Ad esempio, se stiamo analizzando le conversazioni online rispetto a uno prodotto della nostra linea, con l’analisi del contesto possiamo definire di quale argomento connesso al prodotto gli Utenti stanno parlando: prezzo, distribuzione, qualità del prodotto. I contesti dei messaggi possono poi essere classificati sulla base di quantità, sentiment o altre informazioni rispetto ad esempio: alla fonte, origine geografica, età, genere e così via, per avere una panoramica degli argomenti più diffusi nelle conversazioni online relativi ai brand, prodotti o servizi di nostro interesse. Tale approccio può ulteriormente essere arricchito e approfondito attraverso l’analisi semantica degli argomenti e dei concetti chiave delle conversazioni, così da avere a disposizione non solo una quantità maggiore di dati ma anche un maggior dettaglio di quali argomenti e concetti sono più diffusi nelle conversazioni online.

Conclusioni

Abbiamo visto le metodologie e gli approcci più comuni per impostare una sentiment analysis che sia in grado di produrre informazioni utili allo sviluppo del proprio business ma anche al monitoraggio dei propri prodotti e servizi, rispetto a cosa ne pensano gli utenti e a quali sono gli aspetti più o meno apprezzati. L’analisi del sentiment però, può essere un utile strumento non solo per l’ascolto dei propri consumatori ma anche per analizzare trend e mercati e cercare, attraverso il sentiment di news e articoli di approfondimento. I risultati possono portare valore sia nello sviluppo di prodotti e servizi, sia nell’analisi del proprio portafoglio o per orientare gli investimenti. Proprio per questo, FinScience ha sviluppato una soluzione proprietaria per l’analisi dei segnali deboli.