Your address will show here +12 34 56 78
Análisis de Sentimiento, Audience Analytics, Data Science, Inteligencia Artificial, Investigación de Mercados
El análisis de los comentarios y opiniones en las redes sociales ya se ha consolidado como una de las herramientas más utilizadas por los profesionales de la investigación de mercados (lo confirma un reciente estudio – Grit Report España- de AEDEMO, Asociación Española de Estudios de Mercado, Marketing y Opinión). 

  Como todas las técnicas y metodologías, cuando van alcanzando un cierto grado de madurez se comprende mejor sus limitaciones, potencialidades y puntos críticos a tener en cuenta. Las Redes sociales se han convertido en una inmensa fuente de datos (big data) en formato texto y de video: contenidos, opiniones comentarios, gustos, afinidades, relaciones… Muy valiosa, pero extremadamente compleja, enmarañada, “sucia” des del punto de vista del análisis metodológico.

  Porque, o bien el analista filtra, selecciona, lee y revisa detalladamente uno por uno, grandes cantidades de tweets, fotos de instagram, comentarios de facebook, blogs, hilos de los foros,…o bien nos basamos en un proveedor de datos, herramientas y servicios que extraiga los contenidos, añada información categorizada y facilite la elaboración de conclusiones cualitativas.

  Respecto a los contenidos: en general, cuando no son publicaciones de medios digitales que se comparten, son comentarios espontáneos, opiniones, quejas, y según en que redes, bromas, “postureos”,…De muchísimos temas,…aunque a veces con no tanto detalle como nos gustaria. Una pregunta precisa que quieres hacer a tus potenciales clientes, es posible que no tenga suficiente volumen en las redes sociales. En cambio, las respuestas espontáneas, distintas de las prediseñadas, pueden reportar resultados inesperados y valiosos.
  Aquí vienen al rescate las técnicas de análisis de texto NLP (Natural Language Processing) https://en.wikipedia.org/wiki/Natural-language_processing, que permiten clasificar la opiniones por sentimiento, temática o categoria, y en definitiva extraer y analizar de manera sistemática el contenido semántico de los textos (extracción de entidades semánticas https://en.wikipedia.org/wiki/Named-entity_recognition ). Atención porque el análisis y categorización por polaridad o sentimiento (sin extendernos, ya dedicaremos otro post) deberia ser “aspect based”, es decir, por cada atributo que queremos analizar. Y no es nada fácil.
  También las imágenes pueden aportar información valiosa: lugares, logotipos, objetos, situaciones…En los últimos años el análisis de imágenes ha evolucionado mucho, y es posible extraer información de los píxels de una manera muy fiable.

  Respecto a los autores, también se presentan grandes desafíos. No siempre es fácil saber información sobre el autor de un tweet, una foto de instagram, un comentario,…La geolocalización en muchas redes sociales, es un campo de información optativo y sin estructura, que muchos dejan en blanco o bien utilizan para mostrar su ingenio. Es posible que sólo entre un 30% y 40% de los autores se hayan molestado en poner una referencia geográfica en su perfil. Aunque existen métodos sofisticados para inferir el lugar de residencia del autor: cruzar perfiles de distintas redes sociales, buscar referencias en la biografía o enlaces/amistades con otras cuentas muy específicas de un lugar,…no resulta fácil.

  Idealmente para la investigación seria importante conocer variables demográficas del autor como género (fácilmente deducible por el nombre), edad, profesión, nivel de estudios, etc…y también otras variables como gustos, estilos de vida, afinidades con marcas,…
  En BrandChats hemos apostado por éstas variables de los autores porque aportan mucho valor a las investigaciones y a otros servicios que ofrecemos en el ámbito del Márketing Digital.

  También es muy importante el análisis de grafos aplicado a las redes sociales, conocido como SNA (Social Network Analysis https://en.wikipedia.org/wiki/Social_network_analysis). Los individuos formamos parte de un grafo social de conocidos en la vida real y conocidos en la vida digital. Compartimos contenidos y opiniones, y ésta interacción con la comunidad nos coloca en una posición del grafo que indica el grado de influencia, interacción, frontera entre comunidades,…


  Los métodos que hemos comentado forman parte de las técnicas de Inteligencia Artificial: NLP análisis de texto, el análisis de imágenes mediante algoritmos de nueva generación (redes neuronales convolucionales https://en.wikipedia.org/wiki/Convolutional_neural_network ), algoritmos de clasificación para la inferencia de variables, SNA.
  Añadir ésta calidad (variables) a los datos es fundamental para disponer de una metodología robusta y fiable; y así tener un entorno de análisis (datos, herramientas, metodología) para la investigación de mercados que sea reutilizable, económicamente super competitivo y valioso.

¡Comentarios bienvenidos!
0

Audience Analytics, Data Science, Social Media Marketing
Las redes sociales y el mundo digital en general permiten una comunicación bidireccional y personalizada, es decir, sabemos más de nuestros clientes y potenciales clientes.
Pero realmente, al analizar a fondo a las personas que se muestra activas en las redes sociales ¿hasta donde se puede llegar? ¿para que sirve exactamente?
Imagínate que de un grupo de personas (clientes, potenciales clientes, seguidores de tus redes sociales u otros activos en las redes) puedes conocer información sobre ellos, sus gustos, intereses y afinidades con medios, marcas, empresas o servicios. En principio ¡GENIAL! ¿no?, pero ¿cómo se aplica éste conocimiento en la práctica?

   El Análisis de los intereses de un segmento respecto al total de la comunidad proporciona una nueva dimensión de oportunidades para crear contenido que conecte
Vas a poder tener Segmentos / Grupos / Tribus como nunca los habías visto antes, basados en gustos, estilos de vida, afinidades. Confirmar hipótesis sobre tu audiencia, decubrir nuevos segmentos o microsegmentos, incluso mini-comunidades muy de nicho a las que puedes acceder/impactar con contenidos distintos y más adecuados a sus intereses.
Fanáticos de los deportes de riesgo, Adictos a la actualidad y las noticias 24 horas, Fans de los eSports, Amantes salidas a la naturaleza/montaña, Seguidores de trucos bricolaje DIY, Amigos de la cerveza artesanal…y una larga lista de segmentos que forman parte de tu audiencia.

 Los segmentos o tribus se pueden realizar manualmente o utilizando algoritmos de “clustering”. Los gustos, intereses y afinidades permiten muchas combinaciones y la creación de segmentos hasta el momento no analizados ya que no se basan en las variables demográficas tradicionales
Así que ¿no crees que podrás?:
– Afinar mucho más en las Estrategias de contenidos a partir de los temas que motivan e interesan a cada segmento de audiencia, a cada uno de éstos grupos que has identificado
– Identificar a influenciadores que impactan directamente en los intereses de éstos segmentos, o a posibles partners (descubrir sinergias por afinidades compartidas), e incluso buenas oportunidades de sponsorización
– Entender mejor como evolucionan los segmentos y sus gustos / tendencias, compararlo con los competidores para desarrollar o mejorar el análisis de Inteligencia competitiva
– En general, disponer de una herramienta para una Investigación de mercados ágil y más económica.

Como siempre encantados de recibir comentarios, opiniones y preguntas.
0

Bitnami