Quanto siamo quotidianamente condizionati dalle opinioni altrui nel prendere delle decisioni?
Ciò vale non solo per le persone ma anche per le organizzazioni; non serve ricorrere a Kotler per capire come l’opinione dei clienti influisca nelle decisioni di un’impresa riguardo ad un determinato prodotto o servizio.
La sentiment analysis delle opinioni è di tipo computazionale, quindi consente di esaminare un gran numero di dati e opinioni. La sua natura poliedrica e innovativa la rende uno strumento funzionale in diversi ambiti.
La prima differenza da fare è tra Sentiment Analysis e Opinion Mining
- La Sentiment Analysis fornisce etichette del sentiment (ad esempio “negativo”, “neutro” e “positivo”), restituendo anche punteggi di attendibilità compresi tra 0 e 1.
- L’ Opinion Mining è basata sull’elaborazione del linguaggio naturale (NLP): fornisce informazioni più granulari sulle opinioni relative alle parole (ad esempio gli attributi di prodotti o servizi) nel testo.
Quando un contenuto diventa “emotivo”?
Il ruolo delle emozioni è cruciale per determinare la viralità di un contenuto ed è proprio l’intelligenza emotiva a caratterizzare la sentiment analysis; così come avviene in un sistema di calcolo, essa analizza le dinamiche di interconnessione tra le cellule cerebrali.
Secondo il linguista statunitense Lakoff la comunicazione passa attraverso la logica dei frame, ossia il modo in cui le persone vedono il mondo e condizionano le nostre azioni e reazioni. I contenuti online, pertanto, diventano virali al di là del linguaggio, ma grazie alle emozioni che sono in grado di attivare.
Fiore di Plutchik – La raffigurazione grafica e cromatica delle emozioni e delle loro combinazioni.
I vantaggi e le sfide della sentiment analysis
La sentiment analysis è un importante indicatore della salute di un brand. È infatti utile per:
- capire come le proprie strategie di marketing e i propri prodotti vengono percepiti, in modo da adattarsi alle necessità del consumatore senza perdere la propria brand identity;
- individuare gli influencers che condividono gli stessi valori dell’azienda e quindi sfruttarne la popolarità;
- riconoscere le nuove tendenze così da ottenere il first mover advantage, cioè il vantaggio che un’azienda ha per il semplice fatto di essere la prima ad entrare nel mercato di un nuovo prodotto o servizio;
- capire dove i concorrenti stanno avendo successo per identificare le tattiche più efficaci o dove sentimenti negativi possono rivelare opportunità per il proprio business.
Sentiment analysis: non solo marketing
Che correlazione esiste tra i social e il business di un’azienda?
La brand reputation è ormai nelle mani degli utenti e nel passaparola generato sulle nostre bacheche o nei nostri feed.
Ed è qui che interviene la sentiment analysis: nella comprensione delle dinamiche online, diventando quindi uno strumento sociologico per analizzare come la rete si crea, si distribuisce e come la verità assuma un valore determinato dai sentimenti e non dal mondo esterno.
Ad ogni analisi i suoi obiettivi:
- analisi fine-grained: contempla feedback ricevuti dai clienti, ottenendo risultati precisi in termini di polarità dell’input.
- analisi emozionale: rileva le emozioni attraverso lessici complessi o algoritmi di machine learning. I lessici sono liste di parole positive o negative che rendono più facile separare i termini in base al sentimento ad essi associato. Questo perché alcune parole potrebbero assumere significati diversi in base al contesto.
- analisi dell’intenzione: traccia l’intenzione di un cliente verso l’acquisto di un prodotto e servizio, quindi consente di creare un modello da utilizzare per successive azioni di marketing.
L’analisi come chiave anti flop di un business: qualche esempio
La sentiment analysis è stata fondamentale nel tracciare le menzioni di parole chiave di disinformazione associate al COVID-19 nelle conversazioni online nella regione MENA (Middle Est and North Africa). L’UNICEF, l’OMS, l’IFRC e altri partner hanno supportato i paesi MENA nella lotta contro le fake news ed hanno fornito una fonte affidabile di informazioni, promuovendo le misure sanitarie e sociali raccomandate.
A seguito di un’analisi sulle preferenze dei consumatori è stato deciso con la strategia One Brand di uniformare il packaging di tutti i tipi di Coca-Cola ( tradizionale/Light/Zero/Life/Lemon) facendo leva sulla nostalgia autoreferenziale come ancoraggio al cuore dei consumatori.
Anche in casa Mc Donald’s le indagini sulle tendenze hanno indirizzato la scelta di un packaging 100% riciclabile entro il 2025. Un colosso mondiale del food non può non assumersi la responsabilità dei cambiamenti che avranno un impatto globale.
La metodologia
La Sentiment Analysis è dunque l’attività mirata ad “ascoltare” il Web e i social network, uno strumento utile al marketing per guidare le strategie di prodotto e di comunicazione.
La metodologia e gli strumenti adottati per studiare l’efficacia delle nostre attività attraverso la misura delle percezioni, si può suddividere in tre macro-aree:
- rilevamento delle keyword
- affinità lessicale
- metodi statistici
Con il rilevamento delle keyword le categorie vengono determinate grazie al riconoscimento di alcune parole che esprimono emozioni.
Il metodo dell’affinità lessicale consente, invece, di affinare la selezione e l’attribuzione della polarità, perché oltre alle parole chiave, vengono analizzati tutti i termini che risultano collegati a determinati sentimenti.
Infine, i metodi statistici sono basati su elementi di apprendimento automatico. Le relazioni di dipendenza grammaticale sono ottenute attraverso la scansione approfondita del testo. Il machine learning permette di realizzare modelli che associano una polarità a diverse tipologie di commenti e, se necessario ai fini dell’analisi, anche un topic.
