Partendo dai social network e analizzando i sentimenti delle persone, vediamo come le imprese (e non solo) possono ottenere informazioni preziose riguardo tematiche connesse alla loro sfera.
L’assunto più interessante che stimola da sempre l’essere umano è quello di provare a capire sé stesso e tutti coloro con cui potrebbe relazionarsi. Diventa quindi elementare comprendere come mai, nel corso degli anni, si sia cercato di sfruttare diverse aree di studio per ottenere delle risposte. La tematica in questione tocca differenti punti e argomenti, permettendo la nascita di svariati strumenti e materie specifiche, tra le quali spicca per importanza e innovazione la sentiment analysis.
L’analisi del sentiment è capace di raccogliere in tempo reale le reazioni delle persone, attraverso l’estrazione di specifiche informazioni soggettive contenute nei documenti, nelle frasi e nelle singole parole, andando a evidenziare gli aspetti che sono graditi alle persone e quelli da evitare (Phan et al., 2017).
Questo concetto si lega in maniera forte al mondo dei social network, i quali danno la possibilità a diversi ricercatori (psicologi, esperti di marketing, neuroscienziati, ecc.) di accedere a una vasta quantità di dati, permettendo di effettuare indagini, che hanno l’obiettivo di comprendere le opinioni e i sentimenti delle persone tramite le informazioni disponibili pubblicamente (Farhadloo et al., 2016).
Ogni giorno le persone pubblicano un’enorme quantità di dati, in maniera molto rapida e su differenti piattaforme online. Quindi la sfida per le imprese risulta essere quella di poter raccogliere i dati e trasformarli efficacemente in informazioni utili a comprendere l’umore delle persone. Nello specifico, la sentiment analysis si avvale prevalentemente dell’User-Generated Content (UGC), ovvero tutte quelle informazioni pubblicate online dai potenziali consumatori rispetto a uno specifico brand. Queste hanno un valore commerciale potenzialmente molto elevato e traducibile dall’impresa in tre aspetti: la pubblicità mirata, la relazione che la stessa instaura con i clienti e la comunicazione in generale (Kauffmann et al., 2020). Tutti questi contenuti digitali creati dagli utenti e condivisi pubblicamente sul mondo dei social, presentano degli effetti importanti e significativi sull’immagine del marchio dell’impresa e sulla sua percezione, oltre che sulle intenzioni di acquisto e le relative vendite (Kauffmann et al., 2020).
La sentiment analysis viene utilizzata per ottenere un feedback reale rispetto al brand e alla relativa web reputation. Emozioni specifiche quali la gioia, la paura, l’ironia ecc., vengono infatti colte dai dati testuali così da poterle classificare in positive, neutre o negative tramite una formulazione di algoritmi (Aarts et al., 2020).
Nel dettaglio, gli strumenti ottenuti allo stato attuale sono soddisfacenti, ma non ancora completi: lo sviluppo di tools per una specifica lingua possono non essere adeguati alla comprensione delle emozioni espresse in un’altra lingua, proprio per le mancanze di risorse linguistiche accurate (Piryani et al., 2020). La comprensione dello stato emotivo attraverso la sola analisi testuale, comporta delle difficoltà per fattori culturali, sfumature linguistiche e vocaboli specifici che non permettono generalizzazioni tra più lingue (Ortis et al., 2020).
Le problematiche sopra riportate e il mutamento che si sta verificando riguardo alla comunicazione sul web, pongono nuovi spunti di riflessione e di possibile sviluppo. Di fatto, al giorno d’oggi, si tende a comunicare sui social network secondo messaggi testuali brevi, colloquiali e con la presenza di emoji; oltre al fatto che spesso si sostituiscono i testi con le immagini e/o i video per esprimere i propri sentimenti (Ortis et al., 2020). Ed è proprio in questo ambito che si sviluppa la più recente visual sentiment analysis, legata alla comprensione delle emozioni tramite immagini, foto e video con l’obiettivo di studiare nuovi ambiti quali, per esempio, la percezione del marchio e la valutazione della soddisfazione del cliente (Ortis et al., 2020).
In conclusione, si può sostenere che il costante sviluppo della materia stia affinando algoritmi sempre più accurati. E il fatto che venga utilizzata per cogliere le emozioni riguardo i prodotti, i servizi, gli ambiti sociali e politici, favorisce la sua rapida implementazione nel tempo.
La complessità dell’argomento è evidente, le sfide future appaiono avvincenti e la strada sembra suggerire delle nuove tecniche da studiare per approfondire l’argomento.
