Che cos’è l’analisi del sentiment?

A decretare il successo o il fallimento di un marchio non sono soltanto i dati delle vendite dirette, che possono subire variazioni repentine, ma anche le opinioni dei clienti. Si tratta perlopiù di come i potenziali clienti parlano del marchio, indipendentemente dal fatto che abbiano o non abbiano già acquistato il prodotto.

Il marchio è in linea con le tendenze attuali? Il marchio è percepito positivamente, negativamente o è completamente ignorato dal target? Come viene considerato dagli influencer? Si tratta di domande importanti che un’azienda dovrebbe porsi regolarmente mettendo in atto un monitoraggio mirato dei canali social.

La parola francese “sentiment” significa sensazione o sentimento. Un’analisi del sentimento ha pertanto lo scopo di scoprire come un marchio viene percepito e considerato dal target. Le analisi del sentimento sono effettuate anche dagli operatori di borsa per prevedere l’andamento dei titoli azionari sulla base del comportamento di acquisto e dell’opinione generale degli investitori. In questo articolo, tuttavia, tratteremo l’analisi mirata delle opinioni e della percezione del marchio sui social media, nelle recensioni dei prodotti e nei blog.

L’analisi del sentiment, detta anche “identificazione delle opinioni” o “opinion mining”, si basa sulla valutazione automatica dei commenti degli utenti al fine di stabilire se un testo esprime un’opinione positiva o negativa. A questo scopo si fa ricorso alle metodologie del “text mining”, ossia dell’analisi automatica di testi scritti in linguaggio naturale.

Già qui emerge il primo problema: il linguaggio naturale non è composto da liste positive e negative. I metodi analitici semplici scandagliano il testo alla ricerca di parole che hanno un significato positivo e negativo sulla base di un dizionario precedentemente elaborato e adatto all’argomento. Pur permettendo di ottenere un quadro d’insieme, si tratta di un risultato molto grossolano, pertanto questo metodo non è adatto a rilevare l’opinione vera e propria. Nemmeno la frequenza delle parole che assumono una connotazione positiva o negativa in riferimento alla valutazione soggettiva di un prodotto può essere ritenuta significativa a questo scopo.

Consideriamo ad esempio queste due valutazioni dei clienti: “Entusiasmante!” e “Buon prodotto, fa decentemente il suo lavoro”. La prima frase contiene una parola positiva “entusiasmante”, la seconda contiene due parole positive, “buon” e “decentemente”. Una semplice analisi basata su metodi statistici valuterebbe come migliore la seconda frase, mentre una persona classificherebbe lo stesso commento come discretamente positivo. Per ovviare a questa imprecisione e ottenere un’analisi efficace del sentimento conviene ricorrere a strumenti di intelligenza artificiale.

A questa prolematica si aggiunge il fatto che sui social network le persone formulano le proprie opinioni e affermazioni come se stessero parlando con un amico, e non sempre rispettano le regole della grammatica. Molte frasi, se prese singolarmente, veicolano un significato completamente diverso rispetto a quello che assumono nel contesto. Riconoscere le sfumature del linguaggio rappresenta una grande sfida per gli strumenti di analisi. Inoltre, soprattutto la lingua dei giovani è infarcita di neologismi.

Uno strumento di analisi del sentimento deve pertanto conoscere bene il target e il contesto del prodotto da analizzare. A questo riguardo risultano utili i metodi del machine learning, o apprendimento automatico, che permettono di addestrare progressivamente i tool per migliorare la qualità dei risultati sul lungo termine.

Il compito principale di un’analisi del sentiment è rilevare l’opinione generale su un prodotto o su un marchio all’interno di un determinato target. Oltre alle recensioni pubblicate dai clienti sul sito web dell’azienda, l’analisi può prendere in considerazione anche i post attinenti all’argomento pubblicati su Facebook, Twitter e altri social network.

Le analisi del sentimento servono a individuare le emozioni dietro al testo scritto e a rilevare cosa esattamente voleva comunicare l’autore del testo.

Le analisi professionali dei testi permettono di esaminare una grande quantità di testi e individuare l’opinione prevalente all’interno del target. Applicando strategie di marketing ben studiate è quindi possibile contrastare in modo mirato un’eventuale opinione negativa.

L’analisi del sentiment non è tuttavia uno strumento per rispondere a singole opinioni o valutazioni dei prodotti. In questi casi, è preferibile che la risposta venga scritta da una persona. Tuttavia, attraverso analisi ben pianificate di specifiche piattaforme social, è possibile individuare i clienti soddisfatti e inviare loro pubblicità mirate o buoni di acquisto.

Le analisi del sentimento sono particolarmente importanti nell’ambito delle campagne pubblicitarie sui social network, poiché in queste iniziative i potenziali clienti reagiscono immediatamente alle affermazioni dell’azienda e, in alcuni casi, comunicano anche tra di loro, spesso con molta più sincerità di quanto non farebbero con l’azienda.

Qualora dai commenti dovesse emergere un’opinione negativa o un’impressione sbagliata sui prodotti pubblicizzati, le campagne interessate possono essere modificate e poi nuovamente valutate. Anche dopo il lancio di una versione rinnovata (e teoricamente migliore) di un prodotto noto, oppure in caso di modifiche estetiche del marchio, le analisi delle opinioni permettono di valutare l’impatto del cambiamento sulla soddisfazione dei clienti e, possibilmente, sul comportamento dei nuovi clienti.

Sebbene il processo automatico permetta di scandagliare con relativa semplicità grandi quantità di testi, è comunque importante distinguere le cose rilevanti da quelle che non lo sono. Oltre a filtrare lo spam, è molto importante anche individuare ed escludere dall’analisi i testi che hanno a che fare con il prodotto solo indirettamente.

I commenti di rilevanza per il marchio dovrebbero essere classificati o filtrati in base a ulteriori criteri, ad esempio se si tratta realmente di recensioni di un prodotto o se una critica si riferisce piuttosto al servizio di assistenza o all’imballaggio e, per questo, contiene molti termini negativi.

Le informazioni ricavabili da questi testi sono certamente interessanti, tuttavia falsano l’analisi se vengono valutate insieme alle opinioni vere e proprie relative ai prodotti.

L’analisi delle opinioni permette inoltre di misurare il successo delle campagne di marketing, ad esempio rilevando se termini o frasi della pubblicità attualmente utilizzata compaiono di frequente nei commenti in associazione a parole positive.

Oltre all’API Natural Language di Google sopra menzionata, esistono altri strumenti professionali di analisi che sono in grado di scandagliare grandi quantità di testi. Per la scelta occorre accertarsi che il tool conosca la lingua italiana e contenga elenchi di parole redatti da madrelingua e banche dati con formulazioni tipiche in contesti semantici. Ogni lingua, soprattutto nel linguaggio colloquiale, ha le proprie sfumature caratteristiche che un traduttore automatico non riesce a trasporre senza falsare il tono di un testo.

Hootsuite Insights analizza automaticamente tutti i principali canali social media, portali di notizie, blog e forum conosciuti per rilevare l’opinione generale degli utenti di Internet riguardo a un marchio di prodotti. I commenti presi in esame per l’analisi possono essere filtrati in base a diverse parole chiave e gruppi di persone standard.

Quick Search è un motore di ricerca che scandaglia i social network, i blog e i forum alla ricerca di determinate parole chiave, ad es. nomi di marchi, e mette a confronto diversi marchi concorrenti.

Clickworker funziona secondo un altro principio. In questo caso, una vasta rete di utenti lavora sui testi attraverso micro-job. L’opinione generale viene ricavata attraverso semplici domande mirate anziché attraverso un’analisi automatica dei testi.