Inteligencia Artificial

Marketing, análisis de sentimiento y Machine Learning

En el post de hoy hablamos del análisis de sentimiento y de cómo el Machine Learning ha hecho posible la detección automática de emociones.

Por Redacción España, el 30/10/2020

auto ¿Te ha gustado nuestro artículo? ¡Vota!

Uno de los grandes problemas de los algoritmos de inteligencia artificial que emplean los equipos de marketing es la dificultad para conseguir que una máquina sea  capaz de interpretar un sentimiento.

Pongamos, por ejemplo, que tienes una empresa de aceite. Tu equipo de marketing utiliza herramientas de escucha activa en redes sociales y te encuentras con un tweet como este: "Ahora mismo voy a comprar aceite de palma, claro que sí". La herramienta identificaría como positivo un comentario claramente negativo y cargado de ironía. Este problema comienza a desaparecer gracias al Machine Learning y el análisis de sentimiento.


Qué es el análisis de sentimiento

El análisis de sentimiento, también conocido como minería de opinión, se trata de una tarea de clasificación masiva de documentos de manera automática que se centra en catalogar los documentos en función si el lenguaje es positivo o negativo.

Con las redes sociales, los usuarios tienen hoy en día todo tipo de facilidades para mostrar sus opiniones sobre cualquier tema que deseen. Saber lo que opina la audiencia sobre tu marca o producto y medir su impacto es actualmente de vital importancia para todas las empresas. Es tu imagen lo que está en juego.

A toda la información que se recopila de esta forma se le denomina minería de opinión (opinion mining) y, gracias a ella, las empresas tienen una inmediata disponibilidad de la información deseada. Además, no solo permite responder qué opinan los internautas sobre su propia marca o producto sino que facilita, si sabes aprovechar los insights, ventajas competitivas en diferentes ámbitos.


Cómo funciona el análisis de sentimiento

Mediante el análisis del sentimiento, se logra lograr entender cuál es la intención exacta de una frase. Saber si se refiere a una marca, a un producto en concreto o a calquier otro aspecto, como la atención al cliente.

Después, quieres saber cómo se valora esa frase, y para ello se le aplica la denominada polaridad, a través de la cual se clasifica el mensaje en función de la intención que tenga el autor al exponerla. El mensaje, así, puede ser positivo, neutro o negativo. Esto permite monitorizar el sentimiento de los usuarios respecto a una marca o producto.

Hay dos formas de procesar la información obtenida:

  • El análisis manual. Suele darse en casos en los que las palabras claves sobre las que se quiere obtener información están muy afectadas por la actualidad o pueden representar diferentes significados en diferentes contextos, por lo que habrá que estar atento e ir clasificando cada cosa con cuidado para no mezlcar datos. Por ejemplo las gomas de borrar Milan, que todos recordamos.  Al llamarse igual que la ciudad italiana. obtendremos montones de datos que no tienen nada que ver con el objetivo y que pueden estropear el proceso.
  • El análisis de sentimiento automático. Se marcan una serie de palabras clave para que cualquier texto que contenga esa palabra o combinación de ellas quede categorizado automáticamente según unos parámetros ya marcados o sea descartado directamente. Por ejemplo, mensajes que contengan "no me gusta", "lo odio" o "no lo compraría" se clasificarán automáticamente cómo datos negativos. En cambio, aquellos mensajes que incluyan un "lo recomiendo", "genial" o "perfecto" quedarán clasificados como positivos.


La función del Machine Learning

Para evitar perder el verdadero significado tras mensajes aparentemente positivos, entra en juego el Machine Learning. Este término hace referencia a la combinación de disciplinas científicas para crear sistemas que aprendan sin necesidad de la intervención humana.

Toda esa cantidad de datos es imposible de abarcar  por una sola persona o equipo para sacar conclusiones. Los algoritmos, correctamente utilizados, en cambio, sí pueden detectar patrones de comportamiento

En marketing, estos algoritmos suelen ejecutarse en las herramientas de medición de redes sociales, que para estructurar correctamente los datos utilizan árboles binarios, a través de los cuales se pueden establecer los tres patrones de comportamiento: positivo, neutro y negativo.

Con esta estructura se van observando comportamientos y, cuando ya se ha recopilado una cantidad de datos importante, el algoritmo ofrecerá un tanto por ciento de posibilidad de predecir un comportamiento u otro.

El proceso para transformar los datos en información útil para la empresa funciona así:

  • Filtración de datos. En primer lugar, se utilizan las palabras clave para descartar contenido no deseado, y posteriormente se establecen palabras para obtener categorías según su polaridad o su procedencia.
  • Extracción del contenido. Se comienza a trabajar con el contenido de calidad.
  • Análisis de contenido. Este proceso lo puede realizar el algoritmo o una persona física en sí. Aquí el contenido útil y de calidad quedará encuadrado en la categoría que le corresponda.
  • Limpieza del contenido. Puede que se haya colado contenido erróneamente, este es el momento de enviarlo a su categoría correcta o descartarlo directamente.
  • Revisión. Tal vez nos demos cuenta de que una palabra considerada positiva se utiliza a modo negativo en determinados momentos.
TAGS:
Imagen del autor Redacción España

Equipo de redacción de B12 España: Marketing, Big Data, Inteligencia Artificial y Ventas.

Ponte en contacto con nosotros:

+34 916 629 534

madrid@agenciab12.com

Calle Alcalá, 21, 8ºD. 28014 - Madrid