24 marzo 2023 Alessandra Spina
Journal delle Esperienze
Anche nel contesto digitale, le persone esprimono in ogni momento bisogni e desideri: saperli leggere e interpretare, grazie a tecnologie e competenze, è fondamentale per progettare esperienze migliori.
Conversazioni in rete: blog, recensioni, commenti, social, al giorno d’oggi più del 50% della popolazione mondiale li utilizza. È difficile conoscere qualcuno che non si sia esposto almeno una volta in questi contesti. Ogni giorno una quantità enorme di dati relativi ai nostri pensieri e opinioni viene riversata in rete.
A partire da questa condivisione spontanea, è possibile far emergere del valore per un’azienda?
Attraverso l’attività di sentiment analysis, che prova a sfruttare questa fonte di dati, raccogliendo e analizzando testi, è possibile raccogliere informazioni preziose su bisogni e desideri delle persone rispetto a prodotti, servizi e molto altro ancora.
Cos’è la sentiment analysis
Il Natural Language Processing, conosciuto come NLP, è quel ramo dell’intelligenza artificiale che rende possibile ad un computer comprendere il significato di frasi, affinché possa restituire un output.
“Ok Google, mostrami i ristoranti in zona”, l’assistente virtuale è un esempio che fa parte della nostra quotidianità e che si basa proprio sulla sua capacità di elaborare il linguaggio naturale.
La sentiment analysis è un altro contesto di ricerca di quest’ambito, il cui scopo principale è capire il sentimento generale che prevale, invece, in un testo scritto. Il suo output può semplicemente esprimere la polarità del testo, “positiva”, “negativa”, “neutra”, o provare a interpretarne sentimenti specifici come “rabbia”, “felicità”, “tristezza”, ecc., in base alla sensibilità e raffinatezza dell’approccio utilizzato.
Esistono tre principali metodi per portare avanti questo tipo di analisi: il rilevamento di parole chiave, di affinità lessicale e metodi basati su algoritmi di machine learning.
Mentre il primo restituisce un output basandosi sulla presenza nel testo di parole che esprimono emozioni in maniera non equivoca, il secondo attribuisce anche a parole non strettamente legate all’ambito emotivo, un’affinità ad un certo sentimento.
Infine, con la progettazione di algoritmi basati sul machine learning si prova a tener conto nelle analisi non solo delle singole parole, ma anche della loro relazione all’interno della frase, cercando di superare quelli che sono attualmente gli scogli più grandi in quest’ambito di ricerca, cioè gli aspetti più ambigui e articolati della lingua, come la necessità di conoscere il contesto di un discorso o l’uso di ironia e sarcasmo in cui si possono usare parole positive per esprimere un sentimento negativo “Che meraviglia andare a lavoro sapendo che 2 giorni su 5 la metro si guasta!”
Utilità dell’analisi del sentiment
La potenzialità del sentiment analysis potrebbe essere sfruttata in contesti molto diversi fra loro: dalla gestione della reputazione di personaggi pubblici di rilievo, agli ambiti della comunicazione e del marketing.
Prendiamo ad esempio la recensione di un prodotto. Dare un giudizio tramite un “voto”, è sicuramente utile a riassumere e rendere immediato un feedback, ma se dall’altra parte si volesse approfondire questa valutazione per capire cosa è andato bene e cosa è andato storto, la sentiment analysis potrebbe fare la differenza.
Potremmo definire il nostro ultimo acquisto, una lavatrice, dandogli, in una scala da 1 a 5, un voto pari a 4 e commentare “Ha tutti i programmi di lavaggio che volevo, ma fa un rumore terribile!”. Ecco, “4” è quasi il massimo valore assegnabile, ma nel commento si potranno trovare i dettagli del nostro feedback complessivo.
Sentiment analysis per progettare esperienze migliori
Riuscire ad estrapolare opinioni e atteggiamenti nei confronti di un certo prodotto o servizio, quindi, potrebbe aiutare ad ottenere informazioni utili a migliorarli, affinché incontrino e rispondano al meglio alle esigenze delle persone e il tutto, sfruttando fonti spontanee di moli di dati difficilmente gestibili altrimenti.
Un’ulteriore dimostrazione di come l’ascolto dei vissuti, anche se espressi all’interno di un contesto digitale, può portare valore immenso nella progettazione di esperienze di qualità, davvero pensate a misura di chi le vivrà.