Title: Sentiment Analysis, la lente della social intelligence

Text:

La raccolta e l’analisi di informazioni strategiche è un elemento centrale di ogni strategia d’impresa.

Questo aspetto è assodato e, potrebbe sembrare, banale. Nelle condizioni in cui ci troviamo a lavorate oggi le

informazioni non mancano, esistono diverse fonti, da cui è possibile attingere per le analisi strategiche, per la

verifica dei KPI e per la strutturazione delle strategie future.

In realtà, questa grande abbondanza rischia di traformarsi in un information overload, ovvero un aumento

cacofonico di rumore che, invece di aiutare l’analisi, distrae. Se si riflette su questo fenomeno si capisce

rapidamente che internet non è quella fonte inesauribile di informazioni, tutte utili, che siamo abbiatuati a

pensare, ma che si configura come un contenitore di informaizoni più o meno utili, tra le quali dobbiamo

imparare a pescare la giusta quantità di dati e, soprattutto, la giusta qualità di dati.

La sentiment analysis , nel suo ruolo di strumento di studio dei dati in ottica di social media intellignece , ci

viene in aiuto nello sbrogliare questa matassa di informazioni sparse e non ordinate dandoci, con i suoi limiti

e le sue potenzialità, una chiave d’interpretazione adeguata al nostro contesto e ai nostri obiettivi. In questo

articolo cerchiamo di comprendere in che modo la sentiment analysis ci consente di leggere i dati con un

sguardo nuovo e e più approfondito, rispetto ai soli dati ottenuti senza una metodologia di social intelligence.

Cosa ci dicono i dati semplici

GRAFICO 1. VOLUMI DI CONVERSAZIONE

Volumi numerici dei post pubblicati sul web ad aprile 2014

Questo dato è la ricostruzione (anonima per motivi di privacy) dei volumi di discussione relativi ad un

evento mediatico molto siscusso nei mesi scorsi. Questo tipo di informazione è quella che comunemente

possiamo osservare all’interno di un qualsiasi software di analytics che misuri le visite di un sito o i volumi

0

100

200

300

400

500

600

700

800

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30

0

50

100

150

200

250

300

350

400

450

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30

negativo neutro positivo

di discussione relativi ad un determinato argomento (si pensi alle analisi sugli hashtag di Twitter in casi di

viralità).

Quali informazioni possiamo trarre da questo grafico? Naturalmente possiamo subito dedurre alcune

considerazioni:

Si tratta di un evento virale che ha prodotto un picco di discussioni della durata di circa 5 giorni,

Le conversazioni seguono la classica curva di viralità caratterizzata da un rapido aumento di

conversazioni, seguito da un altrettanto veloce discesa nel giro di pochi giorni,

Il fenomeno virale non sembra avere influenzato le discussioni sul brand nei giorni successivi.

Tutti gli strumenti di analytics ci restituiscono questi dati, insieme a molte altre informazioni, tra cui numero

di utenti, numero di visite, pagine di arrivo/partenza, tempo di visita, ecc.

Tra queste informazioni però manca un elemento fondamentale: l’evento virale è stato positivo o negativo?

Per la nosta impresa questo picco è stato un evento positivo o negativo? Posso io community manager avere

il polso della situazione analizzando solamente i dati presenti sui miei profili social senza monitorare il

resto del web, che non è proprio piccolo?

Sentiment Analysis, una lente della Social Media Intelligence

GRAFICO 2. SENTIMENT ANALYSIS

La somma dei valori delle tre linee colorate da come risultato i valori grafico 1

Se proviamo a guarda attraverso la lente della sentiment analysis ecco cosa appare. I dati ci raccontano una

storia diversa, si organizzano in maniera più completa e focalizzata sui nostri obiettivi. Leggendo questo

grafico deduciamo come le’vento virale sovra menzionato si è caratterizzato per una forte negatività, la

quale si è sviluppata immediatamente (giorno 13) e si è mantenuta elevata per tutto il periodo di discussione,

diventando addirittura maggioritaria rispetto alle notizie di sentiment neutro verso la fine del ciclo (giorno 16

e 17). La positività invece, sembra poco o niente influenzata da questo picco di discussione.

Conclusioni

Concludiamo affermando semplicemente che senza i dati della Sentiment analysis la nostra riflessione

sull’evento virale si sarebbe fermata esclusivamente al nostro netwrok proprietario (siti web e profili social)

ignorando cosa si dice sul web. Se vi trovaste a dover capire se una vostra attività di comunicazione o di

marketing sia andata bene o no siete sicuri che il vostro analytic sia sufficiente?