Riuscire a comprendere quali opinioni hanno delle platee selezionate di persone in materia di un qualsivoglia argomento estrapolandole dal testo: questo è, in estrema sintesi, l’obiettivo primo della sentiment analysis.
Nota anche con il nome di opinion mining, è una tecnica usata da diverse realtà aziendali pubbliche e private e affonda le proprie radici nel riconoscimento del linguaggio naturale, declinandone le potenzialità all’estrazione di opinioni da un testo qualsiasi, sia questo pubblicato online o offline (per esempio sui social network o su quotidiani e riviste cartacei).
Indice degli argomenti
Cos’è il sentiment analysis e perché è importante
Partendo dalla definizione classica, la sentiment analysis è parte dei processi di elaborazione del linguaggio naturale mediante la quale riconoscere opinioni. Si basa su principi di linguistica computazionale, ossia la disciplina che interpreta le regole di un idioma e consente di replicarlo tramite software. Un rapporto simbiotico linguaggio umano e capacità di comprensione delle macchine.
Al di là delle definizioni che tendono a includere le tecniche e le tecnologie coinvolte, si può riassumere la sentiment analysis con un esempio pratico: un’azienda ha appena lanciato un nuovo prodotto e vuole sapere cosa ne pensano i consumatori. A questo scopo scandaglia una piattaforma social per scoprirlo e, poiché un lavoro simile sarebbe proibitivo se svolto da operatori umani, occorre un sistema in grado di riconoscere il nome del prodotto e di raccogliere e interpretare quelle porzioni di testo che vi fanno riferimento, esprimendo giudizi positivi, negativi oppure neutri.
Ha un ruolo primario proprio perché consente di interpretare il sentimento (inteso come grado di approvazione e piacimento) di platee scelte e questo consente alle organizzazioni di calibrare le proprie attività. È manifestazione cristallina dell’adagio secondo cui “sapere è potere” e, non a caso, la sentiment analysis è usata in modo trasversale in diversi settori economici, finanziari, sociali ma anche politici ed elettorali.
Metodi per misurare la sentiment analysis
I metodi per misurarla sono diversi, così come sono diverse le piattaforme e i software (in verità molto numerosi) che consentono di cimentarsi con la sentiment analysis.
Tuttavia, limitandoci alle metodologie essenziali, queste possono essere riassunte in:
- Spotting di parole chiave
- Affinità lessicali
- Metodi statistici
- Tecniche concettuali.
Ognuna di queste metodologie è oggetto di studi e approfondimenti che generano abbondante letteratura specialistica. In sintesi, lo spotting di parole chiave classifica termini specifici come, per esempio, “divertito”, “annoiato” oppure “gradevole” o “sgradevole”. Le affinità lessicali assegnano alle parole rilevate un’emozione particolare.
I metodi statistici fanno leva sul Machine learning e fondano sull’analisi sintattica profonda del testo per estrapolare opinioni in contesti più ampi. Le tecniche concettuali si basano invece sui tratti ontologici e semantici, sono così in grado di comprendere sottigliezze espressive.
Di fatto, per dare un quadro meno astratto, degli algoritmi riconoscono le parole e assegnano dei punteggi a ognuna di queste a seconda del loro significato positivo, neutro o negativo. Le diverse metodologie in auge consentono di attribuire punteggi anche a gruppi di parole o frasi, alzando così il livello di contestualizzazione.
Come si fa la sentiment analysis e quali sono gli strumenti disponibili
Poiché la sentiment analysis è l’esame di dati, il successo dell’analisi dipenderà in gran parte dalla qualità delle informazioni. Non va dimenticato che è fondata sull’elaborazione del linguaggio naturale e su tecniche di Machine learning. Ci si muove in un campo che fa passi da gigante e che è destinato a diventare sempre più performante e preciso.
In linea generale la sentiment analysis è costituita di quattro fasi:
- La raccolta dei dati: post sui canali social, sondaggi, recensioni, eccetera
- Il pre-processing: i dati vengono puliti affinché vengano tolte parole non significative ai fini dell’analisi e vengano corretti errori sintattici od ortografici
- L’analisi: è affidata ad algoritmi che esaminano parole o frasi sfruttando appositi dizionari o modelli di Machine learning (o un mix tra le due cose)
- L’interpretazione: i risultati vengono infine interpretati consentendo di prendere decisioni consapevoli. Un’azienda può, per esempio, valutare il proprio servizio clienti e capire come apportare miglioramenti.
Gli strumenti disponibili sono innumerevoli, sia gratuiti sia a pagamento. L’uso di Google Alert, per quanto sottostimato, consente di scandagliare il web alla ricerca di argomenti e parole chiave. Meltwater, più specifico, si concentra sui toni dei commenti presi in esame e Brand24, focalizzato nel social listening, scandaglia le principali reti sociali. Altrettanto fa Talkwalker, strumento usato da organizzazioni di varia grandezza e di diversi settori.
Sentiment analysis e machine learning: vantaggi e svantaggi
I vantaggi del Machine learning sono da ricondurre soprattutto alla scalabilità e alla velocità di esecuzione, doti che si riverberano in qualsiasi azione o disciplina in cui il Machine learning possa essere coinvolto.
Nel caso specifico della sentiment analysis sono gli svantaggi ad avere un peso maggiore. Il primo e più impattante riconduce alla scarsa propensione del Machine learning a cogliere sfumature nel linguaggio scritto come, per esempio, le forme di ironia o di sarcasmo.
Non di meno, gli algoritmi necessitano di configurazioni particolari che possono essere complesse e destinate a chi ha elevate conoscenze della materia.
Come usare la sentiment analysis nel marketing e in altri settori
La capacità di individuare commenti positivi, neutri o negativi ha utilità che si dipanano in modo orizzontale. Il marketing è una delle attività che maggiormente gode dei frutti della sentiment analysis ma non è la sola. Tipicamente, l’impiego che se ne può fare si può riassumere così:
- Impiego dei feedback per migliorare i prodotti o i servizi. Il parere degli utenti è spesso una cartina di tornasole che può guidare le organizzazioni a fare meglio
- Individuare i concorrenti diretti ed esaminare le parole spese dai rispettivi clienti. È un modo per studiare l’avversario (e imparare dagli errori che commette ma anche dalle mosse azzeccate
- Gestire o anticipare crisi reputazionali. I pareri di clienti e utenti possono lasciare presagire l’inizio di un malcontento generale oppure possono sancire un moto di disapprovazione già in corso. Sapere è potere, come detto, e riuscire ad agire in modo tempestivo e mirato è un’arma in più appannaggio di imprese e organizzazioni in genere.
In altri settori vigono logiche simili o parallele. La filosofia è sempre la medesima, ovvero esaminare le parole spese da chi usa un servizio o un prodotto e farne l’Orsa Maggiore perché, al di là di momenti o avvenimenti specifici che possono attirare un numero maggiore di consumatori (si pensi alle festività natalizie, alle ferie estive, eccetera) i clienti discutono sempre degli acquisti che fanno o dei servizi di cui usufruiscono.
Esempi di sentiment analysis nel marketing
Gli usi più ricorrenti nel marketing tendono a misurare la percezione di un brand, a tenere traccia delle emozioni che suscitano prodotti o servizi ma anche a valutare l’efficacia delle campagne di marketing.
Non di meno, con analisi più approfondite, la sentiment analysis può aiutare a individuare influencer, ossia quegli utenti o quelle pagine social che generano engagement e post interaction, ovvero il rapporto tra le interazioni e il numero di follower per ogni contenuto pubblicato.
Altri settori in cui il sentiment analysis conta
La sentiment analysis ha un peso specifico in molti settori ed è da considerare trasversale nel senso più ampio del termine, coprendo le esigenze di organizzazioni private e pubbliche.
Un esempio recente arriva direttamente dal palco di Sanremo. L’audience online è stata scandagliata per capire quali brani hanno incontrato il favore del pubblico (e per tratteggiare lo spettatore tipo, ma questo è argomento un po’ diverso).
Politica
Capire le opinioni dei cittadini riguardo decisioni politiche, a ciò che si attendono di fronte a eventi che hanno guadagnato l’onore delle cronache ma anche davanti ai temi importanti che una comunità o un gruppo di persone ha deciso di affrontare.La sentiment analysis si presta a fornire dati sul sentimento imperante in un momento specifico riguardo temi generali o particolari.
I mercati azionari
In questo ambito la sentiment analysis capta le sensazioni e i pareri di gruppi di persone a fronte di fenomeni attuali quali, per esempio, gli andamenti di titoli azionari o i tassi di remunerazione di obbligazioni. Ha ricadute sia sulla capacità di leggere le tendenze del mercato sia sulla possibilità di prevedere quali titoli verranno venduti o acquistati in quantità rilevanti e ciò apre le porte a opportunità di investimento.
La comunicazione
Difficile, dal punto di vista della sentiment analysis, tracciare una linea netta tra la comunicazione in quanto tale e le campagne di marketing, anch’esse basate su tecniche comunicative. Così come avviene nel marketing, anche nella comunicazione è vitale comprendere se i messaggi hanno raggiunto gli obiettivi prefissati e raccogliere le opinioni che questi hanno generato assume un senso pratico, capace di aiutare i comunicatori a correggere il tiro se necessario.
La medicina
La sentiment analysis è stata impiegata per misurare le reazioni degli utenti alle campagne di prevenzione dell’anoressia diffuse via Twitter e, per rimanere in Italia, è stata una leva mediante la quale sono state raccolte informazioni sull’impatto delle serrate causate dalla pandemia da Covid-19.
