Cuando se monitoriza una conversación en redes sociales, tanto de canales corporativos como externos, es necesario tener algún tipo de estructura que nos permita analizar las palabras que se utilizan en la conversación entorno a nosotros, y cuáles son los temas más comentados. Por eso, es indispensable contar con una herramienta que nos facilite un análisis semántico correcto. Hablamos de la clasificación de cada una de las menciones recogidas.
En este caso, el análisis semántico nos permite clasificar las menciones no sólo por quién las ha publicado, cuándo o dónde, sino, y más importante, por lo que pone en cada texto. Este mecanismo de observación de las palabras en su contexto, permitirá saber si una mención de las clasificadas es positiva, negativa o neutra, y si trata sobre algún tema de los que nos interesa analizar.
El trabajo de la Inteligencia Artificial, en éste ámbito, junto con las tecnologías de procesamiento natural del lenguaje, es el de crear modelos de clasificación automática para cada una de esas temáticas. De este modo se acelera el proceso de clasificación ya sea basado en reglas o bien manual. Aunque estos modelos son complejos de generar y en Websays nos ayudamos de reglas, evitamos tener que clasificar manualmente cada mención o frase. De este modo, cada mención -ya sea noticia, comentario o post-, será clasificada según qué sentimiento ha generado y a qué temática hace referencia.
Después está la parte cuantitativa en la que simplemente sumar apariciones de esos temas o esas expresiones negativas para identificar gráficamente lo que mayor impacto ha tenido. En este caso Websays tiene el típico word cloud pero también el phrase cloud que permite identificar las frases más compartidas en la red:
Como parte del análisis global de nuestros datos, el análisis de las palabras debe evolucionar en conjunto con el seguimiento, y con la ayuda de los analistas, adaptarse al idioma, la zona geográfica, y el lenguaje utilizado en cada ocasión, para poder así, encontrar las variaciones como la ironía o el sarcasmo. Por ejemplo, cuando hablamos de la palabra «fría» se podría asociar a un mensaje positivo si habláramos de cómo se nos ha servido una cerveza en un bar. Sin embargo, en el texto «los camareros nos sirvieron la comida fría», el sentido de la mención cambiaría, considerándose una mención de carácter negativo. Por ello, es necesario que la tecnología que usamos sea capaz de entender el contexto.
En este aspecto, debemos ser muy exigentes con la herramienta que utilizamos pues será uno de los elementos más importantes del análisis. Necesitamos saber que estamos captando el sentido de la conversación correctamente y que no se está malinterpretando nada.
Además, el análisis semántico nos permite ver cuales son las palabras y expresiones más utilizadas en una conversación o durante un tiempo determinado. Con esto, se puede ver de forma sencilla qué ha tenido más peso dentro de la conversación, más allá de los temas predeterminados que nosotros hayamos podido crear.
Agrupar las menciones por temas
En cuanto a la selección de temas, nosotros mismos podemos predeterminar los grupos, siempre dependiendo del tipo de sector en el que nos encontremos y lo que queramos analizar.
Los temas son agrupaciones de menciones y pueden ser configurados antes o después de la recogida de datos. Dentro de un seguimiento podemos crear tantos temas como consideremos necesarios y bajo los parámetros y criterios que a nosotros nos interesen. Además, se consideran subescuchas o subseguimientos dentro de un mismo perfil.
Imaginemos que estamos monitorizando el sector de banca. Imaginemos que somos uno de los bancos de referencia en el sector y queremos saber qué piensa la gente sobre nuestro banco (atención al cliente, la asistencia, las oficinas o los cajeros y sucursales). Para saber en qué somos mejores y en qué peores según lo que dicen los clientes, decidiremos crear grupos de temas en nuestro seguimiento. En el primer grupo, el de atención al cliente podríamos añadir estas palabras: atención, trabajadores, servicio, amabilidad, personas, empleados y otras palabras que puedan utilizarse para referirse a este tema, las cuales ayudarán a que podamos entender mejor qué piensan los clientes del banco.
Es decir, al fin y al cabo, lo que hacemos con la segmentación por temas es concretar mucho más nuestro seguimiento, teniendo la capacidad de analizar ciertos aspectos en profundidad.
Si te interesa saber más acerca de cómo trabajamos este análisis con Websays, no dudes en contactarnos a sales@websays.com