Dado que las herramientas de monitoreo social son muy comunes en la actualidad, muchas empresas realizan un seguimiento de lo que la gente dice de ellos en Internet.

Sin embargo, lo que descubren es que hay una gran brecha entre calcular las menciones de marca y comprender totalmente lo que los clientes (o clientes potenciales) realmente piensan y sienten.

La mayoría de las herramientas de monitoreo social no pueden descifrar el sentido de las sutilezas, es decir, no pueden distinguir las complejas interacciones humanas como las expresiones de ironía o alegría. Todavía tienen dificultades para interpretar imágenes fijas y en movimiento. No pueden seguir el ritmo de las abreviaturas y los memes que cambian rápidamente.

Los tecnólogos están trabajando para mejorar el análisis de los sentimientos, lo cual ayuda a las marcas a entender verdaderamente lo que piensan sus clientes.

En los últimos años nos hemos acercado más a la comprensión de la intención. En lugar de decir simplemente que alguien es positivo o negativo en relación con nuestra empresa, podemos entrenar a las máquinas para que reconozcan estados emocionales con más matices (por ejemplo, triste, irritado, enfadado, eufórico) y aplicar estas evaluaciones de sentimientos a marcas y productos específicos.

Sin embargo, todavía existen serias limitaciones. Las técnicas más establecidas aún dependen en gran medida de que la máquina disponga de un «diccionario». Además, algunas técnicas no se adaptan bien a grandes volúmenes de datos. Tal vez lo más frustrante sea que para comprender el significado correctamente, las máquinas tienen que leer un texto con un “buen comportamiento”, es decir, un texto con buena ortografía en el que se utilice la gramática estándar y se evite el argot.

La próxima frontera para el análisis de los sentimientos integrará la inteligencia artificial para crear máquinas que no se dejen intimidar por tal complejidad y sean capaces de seguir el ritmo de la evolución sutil y rápida de la charla social al aprender ellas mismas en lugar de depender de la decodificación humana.

A continuación se exponen algunas ideas sobre el estado del análisis de textos y sentimientos y lo que esto significará para los vendedores.

¿Por qué los especialistas en marketing de marca deben preocuparse tanto por los temas en el campo de la ciencia de los datos?

Las emociones impulsan acciones. El análisis de los sentimientos trata de cuantificar las emociones, incluidos especialmente los sentimientos no solicitados que se expresan en las redes sociales.

La cantidad de formas en que los clientes actuales y potenciales interactúan con las empresas ha incrementado significativamente en los últimos 10 años.

Así que, como de costumbre, el principal desafío para el trabajo con datos es filtrar. Eso significa que es necesario seleccionar no sólo las plataformas y fuentes de mayor importancia, sino también la información más relevante.

¿Cómo deben empezar los especialistas en marketing?

Comenzamos por averiguar qué datos son importantes para la organización, ya sean datos textuales o de cualquier otro tipo. ¿Qué incrementa el volumen, la rentabilidad y otras medidas de tu negocio?

Lo que realmente debería interesar a los especialistas en marketing es lo que llamamos señales y una de ellas es la intención. La intención es fundamental ya que puede predecir la acción. Por ejemplo: “¿Esta persona quiere comprar un producto como el mío?” “¿Esta persona no se siente feliz y necesita algún tipo de atención?” “¿Esta persona está a punto de devolver el producto por un motivo que podemos abordar?”

El sentimiento es uno de los ingredientes de la intención. Es posible determinar si alguien está feliz, triste, enfadado, etc. a través de tecnologías de análisis de los sentimientos.

¿Cómo de refinada es nuestra capacidad de medir el sentimiento y la intención?

Existen un montón de tecnologías diferentes. Algunas de ellas son demasiado rudimentarias para ser precisas o útiles. Por ejemplo, cuando utilices tecnologías de análisis de texto puedes comenzar con una simple lista de palabras (es decir, un vocabulario temático). “Bueno” es algo positivo y “malo” es algo negativo. Pero no te detengas ahí. Necesitas por lo menos un poco de comprensión del lenguaje, por ejemplo, la capacidad de manejar una partícula de negación cuando “no es bueno” significa malo.

Muchas herramientas tienen dificultades con el contexto. Un ejemplo muy común es la palabra “delgado” – bueno, cuando estás hablando de electrónica, pero malo, si estás hablando de las paredes del hotel -. Para hacer el análisis de sentimientos correctamente necesitas perfeccionar tu labor. Tienes que personalizar el análisis para determinados sectores y funciones empresariales.

Desafortunadamente, el mercado está contaminado con herramientas que dicen tener habilidades para el análisis de sentimientos, pero son demasiado rudimentarias por lo que ni siquiera vale la pena utilizarlas. Incluso con el perfeccionamiento (por ejemplo, la capacidad de manejar la negación y el sentimiento contextual), los enfoques que ofrecen sólo calificaciones positivas y negativas no te llevan muy lejos.

¿El análisis de los sentimientos es estrictamente para las organizaciones de marketing con más experiencia?

Sin duda, hay puntos de entrada sencillos y baratos que pueden satisfacer necesidades básicas de quienes se inician en este ámbito: herramientas para el monitoreo social, análisis de encuestas, atención al cliente (analizar el manejo de notas del centro de contactos, por ejemplo), experiencia del cliente (mediante el análisis de reseñas y foros online), procesamiento automático del correo electrónico, entre otras necesidades. Estas tecnologías son fáciles de usar, están disponibles según se soliciten y como servicio.

Lo más importante es definir lo que los datos te dirán realmente. En esencia, tienes que preguntarte: ¿La disponibilidad de información me dirá algo que me ayudará a administrar y optimizar mi negocio o procesos comerciales?

¿Qué vendrá después?

Las siguientes compañías se deben seguir de cerca ya que son líderes para diversos análisis de sentimientos mediante la tecnología.

Minería de texto: Facebook, Google, LinkedIn, Pinterest y otras empresas similares han mejorado su trabajo en la inteligencia artificial y el aprendizaje automático a través de contrataciones y adquisiciones clave. Si bien muchos adelantos todavía son académicos (o están escondidos en los laboratorios de investigación y desarrollo de estas compañías), otras empresas están llevando a cabo abiertamente aprendizaje no supervisado para el análisis de textos. Entre ellas se incluyen Digital Reasoning, Luminoso y AlchemyAPI.

Reconocimiento y análisis de imágenes: El análisis de imágenes identifica automáticamente las etiquetas de la marca en las fotografías. Entre las empresas que desarrollan estas tecnologías y los análisis que deben acompañarlas podemos mencionar a VisualGraph (ahora propiedad de Pinterest), Curalate, Piqora (inicialmente Pinfluencer) y gazeMetrix.

Análisis emocional en imágenes, audio y vídeo: Estas empresas promueven el análisis del discurso y la expresión facial principalmente para estudios estructurados (por ejemplo, pruebas de anuncios o medios de comunicación, encuestas o monitoreo de puntos de venta, retroalimentación de eventos).

Sin embargo, a medida que madura la tecnología, es fácil imaginar que los especialistas en marketing pueden utilizar estas compañías para reunir el contenido de audio y vídeo no solicitado y no estructurado de los datos móviles y sociales:

• Affectiva realiza análisis emocional mediante cámaras web para los medios de comunicación e investigación de anuncios, incluidas herramientas de desarrollo para integrar el estudio emocional en las aplicaciones móviles.

• Emotient ejecuta análisis emocionales en los entornos de comercio minorista mediante la evaluación de señales, manifestaciones y atención al cliente.

• EmoVu by Eyeris pone a prueba el nivel de interacción del contenido de vídeos de corta y larga duración.

• Beyond Verbal estudia la emoción en base a la voz de una persona en tiempo real.

En definitiva, emplea los análisis de datos para saber qué sienten tus clientes y mejorar como marca.