Che cos’è l’analisi del sentiment?

Un’analisi del sentiment è una procedura di ela­bo­ra­zio­ne del lin­guag­gio naturale che mira a ri­co­no­sce­re l’umore o l’at­teg­gia­men­to nei testi. Viene uti­liz­za­ta per ana­liz­za­re au­to­ma­ti­ca­men­te le opinioni nei social media, le re­cen­sio­ni dei clienti o i sondaggi.

A cosa serve un’analisi del sentiment?

Per il successo o il fal­li­men­to di un marchio, non sono solo fon­da­men­ta­li i numeri di vendita diretti, che possono cambiare nel breve periodo, ma anche le opinioni dei clienti. È cruciale capire come i po­ten­zia­li clienti parlano del marchio, in­di­pen­den­te­men­te dal fatto che abbiano già ac­qui­sta­to il prodotto o meno.

• Un marchio si adatta alle tendenze attuali?
• Il marchio è percepito po­si­ti­va­men­te o ne­ga­ti­va­men­te dal target de­si­de­ra­to?
• Il marchio viene com­ple­ta­men­te ignorato?
• Come viene percepito il marchio dagli in­fluen­cer?

Queste sono domande im­por­tan­ti che un’azienda dovrebbe chiarire at­tra­ver­so un’os­ser­va­zio­ne mirata dei canali social a in­ter­val­li regolari. Le analisi del sentiment vengono inoltre ef­fet­tua­te dagli spe­cia­li­sti di borsa per stimare l’andamento delle azioni in base al com­por­ta­men­to d’acquisto e al sentiment generale degli in­ve­sti­to­ri.

Come funziona l’analisi del sentiment?

L’analisi del sentiment, co­no­sciu­ta anche come “ri­le­va­men­to delle emozioni”, si basa sulla va­lu­ta­zio­ne au­to­ma­tiz­za­ta dei commenti degli utenti per de­ter­mi­na­re se un testo è inteso in modo positivo o negativo. Si uti­liz­za­no metodi di “text mining” (vedi anche Data-Mining), ovvero l’analisi au­to­ma­ti­ca di testi scritti in lin­guag­gio naturale.

Tra le sfide più grandi di questa di­sci­pli­na si an­no­ve­ra­no le seguenti:

• La lingua naturale non è composta da liste di termini positivi e negativi, il suo si­gni­fi­ca­to cambia a seconda del contesto
• I metodi di analisi, che cercano parole con si­gni­fi­ca­to positivo o negativo in base a un di­zio­na­rio pre­de­fi­ni­to e attinente al tema, con­sen­to­no solo una pa­no­ra­mi­ca molto ap­pros­si­ma­ti­va
• La frequenza delle parole che, nel contesto di una va­lu­ta­zio­ne sog­get­ti­va di un prodotto, sono con­si­de­ra­te positive o negative non è si­gni­fi­ca­ti­va
• Nei social network le opinioni non sempre sono formulate secondo le regole della gram­ma­ti­ca italiana
• A seconda del target, si trovano tendenze proprio dell’uso lin­gui­sti­co, come il lin­guag­gio giovanile

Queste dif­fi­col­tà possono essere il­lu­stra­te con due diverse re­cen­sio­ni dei clienti:

Per un’analisi del sentiment di successo, si ricorre sempre più spesso a strumenti di in­tel­li­gen­za ar­ti­fi­cia­le. I metodi di ap­pren­di­men­to au­to­ma­ti­co aiutano ad ad­de­stra­re strumenti che conoscono bene il target e il contesto del prodotto da ana­liz­za­re. A lungo termine, così si migliora la qualità dei risultati.

Qual è lo scopo di un’analisi del sentiment?

Il compito prin­ci­pa­le di un’analisi del sentiment è quello di de­ter­mi­na­re un quadro generale delle opinioni su un prodotto o un marchio all’interno di un target definito. Pertanto, oltre alle re­cen­sio­ni di prodotto sul proprio sito web o nei grandi negozi online, è utile cercare post per­ti­nen­ti su Facebook, X e altri social network.

Le analisi del sentiment devono ri­co­no­sce­re le emozioni dietro il testo scritto e inoltre com­pren­de­re ciò che l’autrice o l’autore del testo intendeva veramente.

Tuttavia, non si tratta di uno strumento per ri­spon­de­re a opinioni singole o re­cen­sio­ni di prodotto. In tali casi, è pre­fe­ri­bi­le che una persona scriva una risposta personale.

Quali sono i vantaggi dell’analisi del sentiment?

Un’analisi del sentiment offre alle aziende numerosi vantaggi nei settori del marketing, del servizio clienti e della per­ce­zio­ne del marchio. La va­lu­ta­zio­ne au­to­ma­tiz­za­ta di grandi quantità di testo consente di ana­liz­za­re e uti­liz­za­re opinioni, at­teg­gia­men­ti ed emozioni dei clienti in modo mirato.

✓ Ri­le­va­men­to precoce dei sen­ti­men­ti negativi dei clienti: le analisi testuali pro­fes­sio­na­li per­met­to­no di captare ra­pi­da­men­te le sen­sa­zio­ni all’interno di un target. Le aziende possono così reagire tem­pe­sti­va­men­te e in­ter­ve­ni­re con misure adeguate, come una co­mu­ni­ca­zio­ne adattata o campagne mirate.

✓ Marketing più mirato: at­tra­ver­so l’analisi dei commenti dei clienti è possibile iden­ti­fi­ca­re espe­rien­ze positive dei clienti. Queste in­for­ma­zio­ni possono essere uti­liz­za­te per offrire pub­bli­ci­tà per­so­na­liz­za­ta o pro­mo­zio­ni bonus mirate, lì dove il target è attivo.

✓ Raf­for­za­men­to della fi­de­liz­za­zio­ne dei clienti: chi comprende meglio la propria clientela può creare offerte più mirate e ri­spon­de­re ai loro bisogni. Ciò rafforza la fi­de­liz­za­zio­ne dei clienti e aumenta la sod­di­sfa­zio­ne a lungo termine.

✓ Gestione della re­pu­ta­zio­ne: l’analisi del sentiment aiuta a mo­ni­to­ra­re la per­ce­zio­ne pubblica del marchio. In questo modo, è possibile ri­co­no­sce­re pre­co­ce­men­te le crisi e mi­ni­miz­za­re i rischi per la re­pu­ta­zio­ne.

Quando viene uti­liz­za­ta l’analisi del sentiment?

L’analisi del sentiment viene applicata in molti ambiti in cui opinioni, va­lu­ta­zio­ni o stati d’animo sono rilevanti. Le aziende la uti­liz­za­no so­prat­tut­to per ottenere ap­pro­fon­di­men­ti sul com­por­ta­men­to dei clienti e reagire più ra­pi­da­men­te alle tendenze. I seguenti campi di ap­pli­ca­zio­ne sono par­ti­co­lar­men­te popolari:

• Campagne pub­bli­ci­ta­rie sui social network: qui i po­ten­zia­li clienti rea­gi­sco­no im­me­dia­ta­men­te alle di­chia­ra­zio­ni dell’azienda e in alcuni casi co­mu­ni­ca­no persino tra loro, spesso in modo molto più sincero di quanto farebbero con l’azienda.
• Adat­ta­men­to delle campagne: se si dovesse delineare un sen­ti­men­to negativo o una falsa im­pres­sio­ne sui prodotti pub­bli­ciz­za­ti, le campagne cor­ri­spon­den­ti possono essere adattate a breve termine e valutate nuo­va­men­te.
• Reazione a modifiche di prodotto o del marchio: anche dopo una nuova ed even­tual­men­te mi­glio­ra­ta edizione di un prodotto noto o cam­bia­men­ti visivi del marchio, le analisi del sentiment sono utili per valutare come il rial­li­nea­men­to influisca sulla sod­di­sfa­zio­ne del cliente e, pos­si­bil­men­te, sul com­por­ta­men­to di nuovi clienti.
• In­di­vi­dua­re contenuti rilevanti: oltre a filtrare lo spam, è im­por­tan­te trovare testi ed esclu­der­li dall’analisi quando sono solo in­di­ret­ta­men­te collegati al proprio prodotto.
• Clas­si­fi­ca­re i feedback: i commenti rilevanti sul proprio marchio do­vreb­be­ro essere suddivisi o filtrati ul­te­rior­men­te secondo criteri specifici, ad esempio se si tratta ef­fet­ti­va­men­te di re­cen­sio­ni su un prodotto o se una critica è rivolta piuttosto al servizio clienti o all’im­bal­lag­gio e perciò contiene molte espres­sio­ni negative.
• Misurare il successo: con un’analisi del sentiment è possibile valutare il successo delle campagne di marketing, ad esempio quando termini o frasi dell’attuale pub­bli­ci­tà compaiono fre­quen­te­men­te nei commenti insieme a parole positive.

Esempio di un’analisi del sentiment semplice

L’API Natural Language di Google è un’in­ter­fac­cia di pro­gram­ma­zio­ne che include, tra le altre, semplici metodi di analisi del sentiment e può essere integrata in programmi propri. Google permette a chiunque, non solo agli svi­lup­pa­to­ri e alle svi­lup­pa­tri­ci software, di testare questa API. Basta copiare un testo nel campo di input dell’API Natural Language di Google per ottenere diverse opzioni per l’analisi del testo, inclusa l’opzione “Sentiment”.

Ogni frase viene valutata sin­go­lar­men­te e riceve un punteggio tra -1 e +1, dove -1 indica “molto negativo” e +1 “ottimale”. Dalle va­lu­ta­zio­ni delle singole frasi si ottiene, seguendo una scala di valori pre­sta­bi­li­ta, un risultato com­ples­si­vo per il testo.

Nel seguente esempio uti­liz­zia­mo la re­cen­sio­ne fittizia di un bollitore. Il risultato mostra dove si trovano i punti deboli di un’analisi au­to­ma­ti­ca del testo. Ad esempio, la frase con la va­lu­ta­zio­ne peggiore contiene l’espres­sio­ne “non avevo idea”. Tuttavia, leggendo il testo nel suo contesto generale, è chiaro che in quel punto l’utente sta ef­fet­ti­va­men­te lodando il prodotto.

Poiché queste for­mu­la­zio­ni e l’ironia nelle re­cen­sio­ni sono piuttosto eccezioni, anche un’analisi del sentiment semplice è adatta per ottenere almeno una visione d’insieme dell’umore generale all’interno di grandi quantità di testo.

Close

Quali strumenti per l’analisi del sentiment sono di­spo­ni­bi­li?

Oltre alla già citata API Natural Language di Google, ci sono altri strumenti di analisi pro­fes­sio­na­le in grado di valutare grandi quantità di testo. Nella scelta è im­por­tan­te as­si­cu­rar­si che lo strumento comprenda la lingua italiana e includa elenchi di parole e database svi­lup­pa­ti da ma­dre­lin­gua, con for­mu­la­zio­ni tipiche nei contesti semantici. Ogni lingua ha, so­prat­tut­to con­si­de­ran­do il lin­guag­gio col­lo­quia­le, le sue par­ti­co­la­ri­tà, che un tra­dut­to­re au­to­ma­ti­co non può ri­pro­dur­re senza di­stor­ce­re l’analisi del sentiment di un testo.

Hootsuite

L’analisi del sentiment basata sull’IA nella dashboard Hootsuite valuta au­to­ma­ti­ca­men­te tutti i prin­ci­pa­li canali social, portali di notizie, blog noti e forum per de­ter­mi­na­re l’opinione generale degli utenti internet nei confronti di un marchio del prodotto. I commenti uti­liz­za­ti per l’analisi possono essere filtrati per diverse parole chiave e gruppi di persone tipici.

Oltre all’analisi del sentiment, lo strumento include altre funzioni utili per le aziende. Offre, tra l’altro, un supporto IA per la creazione di contenuti e sug­ge­ri­sce i momenti migliori per pub­bli­ca­re post. I piani sono di­spo­ni­bi­li a partire da 99 € per utente al mese.

IBM Watson Natural Language Un­der­stan­ding

IBM Watson Natural Language Un­der­stan­ding è uno strumento IA potente per l’analisi del testo, in grado di ri­co­no­sce­re, tra l’altro, sentiment, emozioni, parole chiave e argomenti. Permette un’analisi det­ta­glia­ta dei contenuti in diverse lingue. L’API si integra fa­cil­men­te nei sistemi esistenti e fornisce ap­pro­fon­di­men­ti det­ta­glia­ti sul sentiment e l’in­ten­zio­ne dei testi. È possibile uti­liz­za­re la versione di prova gratuita per testare lo strumento IBM.

Clic­k­wor­ker

Clic­k­wor­ker adotta un approccio diverso. Un ampio network di utenti lavora sui testi at­tra­ver­so micro-lavori. In questo modo, si ottiene un quadro della si­tua­zio­ne emotiva tramite domande mirate e semplici, piuttosto che at­tra­ver­so un’analisi au­to­ma­ti­ca dei testi.

Il vantaggio di questo approccio è evidente: l’in­tel­li­gen­za umana può ana­liz­za­re il sentiment nei testi in modo olistico senza doversi affidare alla con­no­ta­zio­ne di singole parole. Grazie a tre-cinque clic­k­wor­ker per testo e a una va­lu­ta­zio­ne basata sul principio della decisione a mag­gio­ran­za, si può contare in gran misura sui risultati ottenuti.