O que é sentiment analysis?

Uma sentiment analysis, em português análise de sen­ti­mento, é um pro­ce­di­mento de pro­ces­sa­mento de linguagem natural que visa re­co­nhe­cer a emoção ou atitude em textos. É utilizada para avaliar au­to­ma­ti­ca­mente opiniões em redes sociais, ava­li­a­ções de clientes ou pesquisas.

Por que usar sentiment analysis

Para o sucesso ou fracasso de uma marca, não são apenas as vendas diretas que são cruciais, pois estas podem mudar no curto prazo, mas as opiniões dos clientes são também re­le­van­tes.. O foco é sobretudo em como os po­ten­ci­ais clientes falam sobre a marca, in­de­pen­den­te­mente de já terem comprado o produto ou não.

• Uma marca está alinhada com as ten­dên­cias atuais?
• A marca é percebida de forma positiva ou negativa pelo público-alvo desejado?
• A marca é com­ple­ta­mente ignorada?
• Como a marca é recebida por in­flu­en­ci­a­do­res?

Essas são questões im­por­tan­tes que uma empresa deve es­cla­re­cer re­gu­lar­mente por meio da ob­ser­va­ção di­re­ci­o­nada de canais de mídia social. As análises de sen­ti­mento também são re­a­li­za­das por es­pe­ci­a­lis­tas da bolsa para estimar o curso das ações com base no com­por­ta­mento de compra e no sen­ti­mento geral dos in­ves­ti­do­res de ações.

Como funciona sentiment analysis

A análise de sen­ti­mento, também conhecida como “re­co­nhe­ci­mento de humor”, baseia-se na avaliação au­to­ma­ti­zada de co­men­tá­rios de usuários para de­ter­mi­nar se um texto é pre­do­mi­nan­te­mente positivo ou negativo. Para isso, são uti­li­za­das técnicas de “Text Mining” (veja também Data-Mining, ou seja, a análise au­to­má­tica de textos escritos em linguagem natural.

Entre os maiores desafios dessa técnica estão os seguintes:

• A linguagem natural não consiste em listas de positivo e negativo, seu sig­ni­fi­cado muda conforme o contexto
• Métodos de análise, que buscam palavras com sig­ni­fi­cado positivo ou negativo de acordo com um di­ci­o­ná­rio pre­vi­a­mente criado adequado ao tema, permitem apenas uma visão muito geral
• A frequên­cia de palavras con­si­de­ra­das positivas ou negativas em relação à avaliação subjetiva de um produto não é in­di­ca­tiva
• Em redes sociais, as opiniões nem sempre são for­mu­la­das segundo as regras da gramática alemã
• De­pen­dendo do público-alvo, encontram-se ten­dên­cias no uso da linguagem, como a linguagem dos jovens

Essas di­fi­cul­da­des podem ser ilus­tra­das com duas ava­li­a­ções de clientes di­fe­ren­tes:

Para uma análise de sen­ti­mento bem-sucedida, fer­ra­men­tas de in­te­li­gên­cia ar­ti­fi­cial são cada vez mais uti­li­za­das. Métodos de machine learning ajudam a treinar fer­ra­men­tas que conhecem bem o público-alvo e o contexto do produto a ser analisado. A longo prazo, a qualidade dos re­sul­ta­dos será melhorada.

Objetivos de uma análise de sen­ti­mento

A tarefa mais im­por­tante de uma análise de sen­ti­mento é de­ter­mi­nar um panorama geral de opiniões sobre um produto ou marca dentro de um público-alvo definido. Para isso, é re­co­men­dá­vel pesquisar, além de ava­li­a­ções de produtos no próprio site ou em grandes lojas on-line, postagens te­ma­ti­ca­mente re­le­van­tes no Facebook, Twitter e outras redes sociais.

Análises de sen­ti­mento devem re­co­nhe­cer as emoções por trás do texto escrito e também captar o que a autora ou o autor do texto realmente quis dizer.

A análise de sen­ti­mento, no entanto, não é uma fer­ra­menta para responder a opiniões in­di­vi­du­ais ou ava­li­a­ções de produtos. Nesses casos, é melhor que uma pessoa escreva uma resposta pessoal.

Vantagens da análise de sen­ti­mento

Uma análise de sen­ti­mento oferece às empresas inúmeros be­ne­fí­cios nas áreas de marketing, aten­di­mento ao cliente e percepção de marca. A avaliação au­to­ma­ti­zada de grandes volumes de texto permite analisar e utilizar de forma di­re­ci­o­nada as opiniões, atitudes e emoções de clientes.

✓ Re­co­nhe­ci­mento precoce do sen­ti­mento negativo dos clientes: análises de texto pro­fis­si­o­nais permitem captar ra­pi­da­mente o humor de um público-alvo. Assim, as empresas podem reagir pre­co­ce­mente e con­tra­ba­lan­çar com medidas adequadas, como co­mu­ni­ca­ção ajustada ou campanhas di­re­ci­o­na­das.

✓ Marketing mais di­re­ci­o­nado: por meio da análise de co­men­tá­rios de clientes, é possível iden­ti­fi­car ex­pe­ri­ên­cias positivas. Essas in­for­ma­ções podem ser usadas para oferecer pu­bli­ci­dade per­so­na­li­zada ou ações de bônus de forma di­re­ci­o­nada, ide­al­mente onde o público-alvo está ativo.

✓ For­ta­le­ci­mento da fi­de­li­dade do cliente: quem entende melhor seus clientes pode criar ofertas mais per­so­na­li­za­das e atender suas ne­ces­si­da­des. Isso fortalece a fi­de­li­za­ção do cliente e aumenta a sa­tis­fa­ção a longo prazo.

✓ Gestão da reputação: a análise de sen­ti­mento ajuda a monitorar a percepção pública da marca. Assim, é possível re­co­nhe­cer crises pre­co­ce­mente e minimizar os riscos à reputação.

Quando a análise de sen­ti­mento é utilizada?

A análise de sen­ti­mento é aplicada em muitos campos onde opiniões, ava­li­a­ções ou sen­ti­men­tos são re­le­van­tes. Empresas, em par­ti­cu­lar, a utilizam para obter insights sobre o com­por­ta­mento do cliente e reagir mais ra­pi­da­mente a ten­dên­cias. Os seguintes campos de aplicação são es­pe­ci­al­mente populares:

• Campanhas pu­bli­ci­tá­rias em redes sociais: os po­ten­ci­ais clientes reagem ime­di­a­ta­mente às de­cla­ra­ções da empresa e, em alguns casos, até comunicam entre si, fre­quen­te­mente de maneira bem mais sincera do que o fariam di­re­ta­mente com a empresa.

• Ajuste de campanhas: caso uma percepção negativa se forme ou uma impressão errada sobre os produtos anun­ci­a­dos surja, as campanhas cor­res­pon­den­tes podem ser ajustadas em curto prazo e re­a­va­li­a­das pos­te­ri­or­mente.

• Reação a ajustes de produto ou marca: mesmo após uma nova edição, pos­si­vel­mente melhorada, de um produto conhecido ou de mudanças visuais na marca, as análises de sen­ti­mento são úteis para avaliar como o re­a­li­nha­mento afeta a sa­tis­fa­ção do cliente e pos­si­vel­mente o com­por­ta­mento de novos clientes.

• Encontrar conteúdos re­le­van­tes: além de filtrar spam, trata-se também de encontrar e excluir da análise textos que tenham apenas ligação indireta com o próprio produto.

• Clas­si­fi­ca­ção do feedback: os co­men­tá­rios re­le­van­tes sobre a própria marca devem ser sub­di­vi­di­dos ou filtrados por outros critérios, por exemplo, se realmente são resenhas de um produto ou se a crítica se dirige mais ao aten­di­mento ao cliente ou à embalagem, contendo, assim, muitos termos negativos.

• Medir o sucesso: com uma análise de sen­ti­mento, é possível medir o sucesso de campanhas de marketing se, por exemplo, termos ou frases da pu­bli­ci­dade atual apa­re­ce­rem fre­quen­te­mente junto a palavras positivas nos co­men­tá­rios.

Exemplo de uma simples análise de sen­ti­mento

A API de linguagem natural do Google é uma interface de pro­gra­ma­ção que, entre outras, domina métodos simples de análise de sen­ti­mento e pode ser integrada a programas próprios. O Google permite que qualquer pessoa, não apenas de­sen­vol­ve­do­res de software, teste essa API. Basta copiar um texto no campo de entrada da Google Natural Language API para obter várias opções de análise de texto, incluindo a seleção “Sentiment”.

Cada frase é avaliada in­di­vi­du­al­mente e recebe uma pontuação entre -1 e +1, onde -1 indica “muito negativo” e +1 re­pre­senta “ótimo”. Com base nas ava­li­a­ções das frases in­di­vi­du­ais e em uma escala de valores pre­de­fi­nida, obtém-se um resultado geral para o texto.

No exemplo a seguir, uti­li­za­mos a resenha fictícia de uma chaleira elétrica. O resultado mostra onde estão as fraquezas de uma análise de texto au­to­ma­ti­zada. A frase que recebeu a pior avaliação contém a expressão negativa “não faço ideia”. No entanto, ao ler o texto no contexto geral, fica claro que o usuário ou a usuária está, na verdade, elogiando.

Como tais for­mu­la­ções e ironias em ava­li­a­ções são exceções, mesmo uma análise de sen­ti­mento simples é adequada para obter, pelo menos, uma noção geral do sen­ti­mento em grandes volumes de texto.

Fer­ra­men­tas para análise de sen­ti­mento

Além da API de linguagem natural do Google, existem outras fer­ra­men­tas de análise pro­fis­si­o­nal que podem avaliar grandes volumes de texto. Ao escolher, deve-se garantir que a fer­ra­menta domine a língua do texto e possua listas de palavras e bancos de dados de­sen­vol­vi­dos por falantes nativos, com for­mu­la­ções típicas em contextos se­mân­ti­cos. Cada idioma tem, es­pe­ci­al­mente quando se considera a linguagem coloquial, suas próprias sutilezas que um tradutor au­to­má­tico não consegue re­pre­sen­tar sem distorcer o sen­ti­mento de um texto.

Hootsuite

A análise de sen­ti­mento baseada em AI no Hootsuite avalia au­to­ma­ti­ca­mente todos os canais im­por­tan­tes de mídias sociais, portais de notícias, blogs co­nhe­ci­dos e fóruns para de­ter­mi­nar a opinião geral dos usuários da Internet sobre uma marca de produto. Os co­men­tá­rios uti­li­za­dos na análise podem ser filtrados por di­fe­ren­tes palavras-chave e grupos típicos de pessoas.

Além da análise de sen­ti­mento, a fer­ra­menta inclui outros recursos úteis para empresas. Entre eles, oferece suporte de IA na criação de conteúdos e sugere os melhores horários para postagens. Planos estão dis­po­ní­veis a partir de US$ 99 por usuário ao mês.

IBM Watson Natural Language Un­ders­tan­ding

IBM Watson Natural Language Un­ders­tan­ding é uma poderosa fer­ra­menta de IA para análise de texto, capaz de re­co­nhe­cer, entre outros, o sen­ti­mento, emoções, palavras-chave e temas. Ela permite uma avaliação detalhada de conteúdos em vários idiomas. A API pode ser integrada de forma flexível em sistemas exis­ten­tes, pro­por­ci­o­nando insights de­ta­lha­dos sobre o sen­ti­mento e a intenção dos textos. Você pode ex­pe­ri­men­tar a versão de teste gratuita para conhecer a fer­ra­menta da IBM.

Clickwor­ker

Clickwor­ker adota uma abordagem diferente. Aqui, uma grande rede de usuários trabalha com mi­cro­ta­re­fas nos textos. Assim, obtém-se uma visão do sen­ti­mento por meio de perguntas simples di­re­ci­o­na­das, em vez de uma análise de texto au­to­má­tica.

A vantagem dessa abordagem é evidente: a in­te­li­gên­cia humana pode in­ves­ti­gar o sen­ti­mento em textos de forma abran­gente, sem depender da conotação de palavras in­di­vi­du­ais. Graças a três a cinco Clickwor­kers por texto e à avaliação pelo princípio da maioria, você pode confiar muito nos re­sul­ta­dos.