¿Se puede hacer un análisis de las emociones en Internet? Lenguaje y sentimiento, ¿son la cara de una misma moneda?
En Internet, como bien sabes, puedes encontrar mucho pero, sobre todo, encontrarás conversación.
Da igual el topic, siempre habrá una opinión, un debate o una crítica sobre cualquier tema, sarao o serie televisiva en alguna red social o foro.
La voz va ganando terreno, pero hoy día los internautas que se comunican con otros lo hacen en un 80% de las ocasiones a través del lenguaje escrito.
Las empresas no deberían ir a buscar a sus consumidores fuera porque están en Internet hablando de sus productos y servicios.
Pero no quiero adelantarme.
Antes de seguir en la línea del análisis del sentimiento en Internet, me veo obligado a hablar sobre el famoso Big Data y el análisis de datos online.
¿Qué tiene que ver el Big Data con las emociones?
Enunciado así, nada.
Pero visto desde el lugar adecuado, mucho.
Este no es el post en el que dar una larga explicación sobre qué es el Big Data (aquí tienes, por cierto, uno muy interesante sobre el smart visual data), baste decir que son activos de información que se presentan con estas tres características:
-
Volumen.
-
Velocidad.
-
Variedad.
-
Volumen, porque son datos masivos
Existe un exceso de información que no se puede procesar o que cuesta procesar, por ejemplo, el lenguaje de los consumidores en Internet.
-
Velocidad, porque no hay nada más veloz que el real time
Las conversaciones están sucediendo ahora, mientras lees este post y no podemos estandarizar la recepción de datos.
Por no hablar de las respuestas múltiples, por ejemplo, publicas un post y éste recibe respuestas que son más y más datos.
-
Variedad, porque son datos desestructurados
Las herramientas tradicionales no pueden categorizarlo (no es un número de factura o de cliente) y, por tanto, es imposible su análisis.
Estas tres V, puedes aplicarlas a cualquier sector o dato pero, en esta ocasión, nos vamos a centrar en el lenguaje; porque, de momento, es el único modo de analizar el sentimiento.
Digo de momento, porque la voz es el siguiente paso y estoy seguro de que podremos analizar, elementos tan sutiles como la entonación.
Así las cosas, si queremos analizar el sentimiento en Internet relativo a una marca, producto o servicio, hemos de analizar el lenguaje masivo de los consumidores en Internet.
Un lenguaje desestructurado y natural, y aquí es donde comienzan los problemas.
El lenguaje de la web social y la lingüística computacional
Imaginemos una conversación de dos usuarios en Twitter sobre un producto, un comentario en Amazon o una reseña en Google Books.
¿Imaginas poder analizar masivamente estas conversaciones y clasificarlas en positivas, neutras y negativas?
Eso es el análisis del sentimiento en Internet, el promedio entre los comentarios positivos, negativos y neutros sobre un producto o servicio.
Este es el cliclo del valor del lenguaje escrito, el principal activo de la sociedad de la información.
El lenguaje escrito masivo (big data) es información que se traduce en conocimiento y es este conocimiento el que aporta valor y permite tomar acciones.
Sin embargo, ¿cómo se puede llegar a conocer este promedio?
Es aquí donde entra la lingüística computacional y, claro, los tipos de lenguaje.
Tipos de lenguaje, Lingüística computacional
En Internet y en el mundo offline, los seres humanos nos comunicamos a través del lenguaje natural.
Esto es, un lenguaje espontáneo que tiene como finalidad referirnos al mundo, opinar o razonar, en definitiva, comunicar.
Al contrario de lo que sucede con el lenguaje artificial (el lenguaje de las máquinas) el lenguaje natural está lleno de ambigüedades.
Por tanto, el lenguaje natural tiene una fuerte carga semántica que complica su análisis, porque hablar de manera natural significa ser polisemántico y ambiguo.
Es por eso que, a veces, Google no entiende qué le estamos preguntando, porque le falta el contexto natural.
Escribí en este mismo blog sobre este tema, en El ZMOT y el marketing online para los pequeños negocios.
La lingüística computacional es la encargada de estudiar el lenguaje humano y de tratarlo mediante procedimientos informáticos.
En concreto, la disciplina se llama "procesamiento del lenguaje natural" y forma parte de la inteligencia artificial.
Aplicaciones y problemas del procesamiento del lenguaje natural
El procesamiento del lenguaje natural es una disciplina que evolucionado mucho en los últimos años, sin embargo, el lenguaje humano es anárquico y es complicado de categorizar y analizar.
Polisemia, excepciones y giros extremadamente difíciles de sistematizar son los mayores quebraderos de cabeza de los lingüistas.
En el lenguaje oral además de todo esto, existe la entonación (capaz de cambiar un significado por completo en una frase) o la expresión gestual, así es que imagina lo complejo que es crear un sistema firme a analizar.
Así, el procesamiento natural de lenguas intenta resolver varios problemas, en varios niveles del discurso:
-
Fonético.
-
Morfológico.
-
Sintáctico.
-
Semántico.
-
Pragmático.
No es nada sencillo, categorizar y analizar todos los niveles y, sobre todo, crear reglas para poder analizar masivamente un sentimiento.
Además, del análisis de sentimiento, que pronto paso a comentar, el procesamiento del lenguaje natural, tiene muchas aplicaciones en la actualidad.
Análisis de emociones en internet y minería de opinión, algunos ejemplos
Llegados a este punto, tenemos todo lo que necesitamos para analizar las emociones en internet.
Big Data, procesamiento del lenguaje natural y ahora, la minería de opinión, que es la aplicación de estos dos elementos (más la minería de datos) para identificar y extraer información de lo que los usuarios dicen.
Información subjetiva, desde luego.
Este análisis del sentimiento se centra en estas tareas:
-
Analizar la polaridad
Conocer si los comentarios sobre una marca son positivos, negativos o neutros.
-
Analizar las características de un producto
¿Imaginas saber cuál es la opinión de los usuarios sobre un producto?
Los algoritmos más sencillos identifican sólo si un comentario es positivo o negativo, pero los avanzados son capaces de detectar sutilezas.
1. Detección de entidades
Por ejemplo, la empresa Bitext, tiene una herramienta capaz de detectar entidades en un texto, es decir, las aísla y es capaz de saber qué es cada entidad.
De este modo, pueden analizar y extraer conceptos (como por ejemplo, tener un buen servicio postventa) o clasificar los sentimientos en positivos y negativos.
2. Detección de sentimientos
En este ejemplo, de la empresa Bitext, puedes ver cómo se localizan los sentimientos positivos, negativos y neutros.
3. Polarización de opiniones
Otro buen ejemplo de polarización de opiniones es la opinión que suscitó la muerte de La Dama de Hierro, Margaret Tacher en el Reino Unido.
La investigación se hizo a través de Twitter con un análisis de más de 200.000 tweets por la empresa Pulsar Platform.
Este fue el resultado.
4. Opiniones de características de producto
Otra empresa interesante es GeomIndex, todo un referente en el sector automovilístico.
Con sus herramientas puedes conocer las opiniones de los usuarios en tiempo real y la reputación que éstas tienen en Internet.
En este estudio analizaron 354.154 opiniones sobre 44 marcas distintas, tiendo en cuenta 41 parámetros.
Todas estas aplicaciones ayudan a revelar qué sienten los clientes y qué quieren y qué asocian con qué.
5. Asociación de marca y valores
TNS también trabaja en este sentido, pero lo hace analizando publicidad y patrocinios en tiempo real.
En este ejemplo, puedes ver qué marcas están más asociadas a Rafa Nadal.
6. Social Mention
Esta herramienta la primera vez que la vi, me fascinó.
Social Mention analiza el sentimiento que el usuario sienta hacia una marca, en el ejemplo de arriba puedes ver la búsqueda de la marca "Nike".
Con ella puedes ver cuánto se habla de la marca en medios sociales, el ratio de sentimiento positivo frente al negativo, la pasión o cuán influyente es una marca.
