08/12/2021
Breaking News
  • Home
  • tecnología
  • Las ventajas del uso de redes sociales en el análisis de opinión y la investigación

Las ventajas del uso de redes sociales en el análisis de opinión y la investigación

By on 03/10/2019 0 840 Views

José Franco-Riquelme es investigador asociado del Centro de Apoyo a la Innovación Tecnológica (CAIT) de la Universidad Politécnica de Madrid (UPM). Es Máster en Innovación en la Universidad Nacional de Asunción (UNA) en el 2015. Actualmente está culminando el doctorado en Economía y Gestión de la Innovación en la UPM, España.

Desarrolla investigaciones en el área de análisis de negocios, el aprendizaje automático, minería de textos y análisis de opinión en las redes sociales. Su investigación abarca los modelos de innovación abierta, los servicios empresariales intensivos en conocimiento (KIBS por sus siglas en inglés) e innovación basada en los datos.

Compartimos un resumen de su investigación sobre el análisis de opinión en redes sociales y valor para el análisis de producto.

Para el especialista, el análisis de opinión sobre productos o servicios es un área del conocimiento que ha adquirido notoriedad en los últimos años, y atrae el interés de empresas que ofertan bienes o servicios, y sus competidores. Por otro lado, los consumidores se encuentran ávidos de conocer las características de estos productos/servicios ofertados, y recurren al punto de vista de otros usuarios, para obtener una opinión independiente.

Desde décadas pasadas, se emplean encuestas directas o telefónicas, sondeos, cuestionarios, para indagar acerca de tal o cual producto o servicio, su grado de conformidad, la calidad, y otras cualidades que interesan a las organizaciones para medir el grado de éxito de sus mercados. El problema con este tipo de técnicas obviando lo caro que resultan, es que requieren cantidades significativamente grandes de muestras, para conocer el grado de satisfacción del cliente.

Con la evolución de Internet también han surgido nuevas técnicas para obtener los datos de los consumidores, como las encuestas vía correo electrónico, o basadas en la web. Así, a partir del análisis de satisfacción surgieron los CRM (en inglés: Customer Relationship Management), generando el mejoramiento en la visión integrada del cliente a través de los diferentes productos de su interés, y su respuesta a estímulos tales como ofertas, descuentos, etc.

A partir de esto, se ha agregado la investigación “en línea”, debido principalmente a que la información se mueve de modo vertiginoso, generándose un “diluvio” de datos, proveniente del maridaje que los teléfonos inteligentes y las redes sociales nos han brindado en los últimos años. En un tiempo muy corto, las redes sociales han transformado la forma en que nos relacionamos, vivimos y trabajamos.

Aun así, siguen persistiendo problemas al analizar la satisfacción del cliente, debido a sus costos, además de la lentitud para la obtención de conclusiones significativas sobre productos y servicios. A eso se suma el grado de rechazo, molestia y frustración que se genera por el lado de los clientes a cualquier tipo de técnicas de obtención de opiniones, que si bien, pueden ser aminoradas con algún tipo de incentivo (cupones, descuentos, etc.) aunque con el evidente riesgo del sesgo en las respuestas.

Recientemente se han buscado alternativas analíticas tales como la minería de opinión y el análisis automatizado del texto de los comentarios de los consumidores, presentando ventajas tales como la inmediatez, la reducción de costos, y la implicación del consumidor, quien incluso por propia iniciativa, comparte sus experiencias, funcionalidades, trucos e incluso sugiriendo mejoras a las empresas que ofertan un producto u ofrecen un servicio.

Actualmente se consumen más de mil millones de horas de video por YouTube al día, Facebook tiene más de dos mil doscientos millones de usuarios activos, Instagram otros mil millones, y más de quinientos millones de tweets son generados cada día. Es por ello, que las redes sociales ofrecen las siguientes ventajas:

  • Permiten a las organizaciones responder a problemas e incidentes en tiempo real antes de que se conviertan en una crisis potencial.
  • Son un canal más de publicidad, con un gradiente tremendamente positivo para mejorar una marca y su reputación en el mercado.
  • Permiten conectar personalmente a consumidores y clientes.

A continuación una breve descripción de las herramientas existentes para llevar a cabo los estudios de opinión en redes sociales, su presente y futuro:

Análisis automatizado de opinión en redes sociales

A pesar de las potencialidades de negocio derivados de este análisis, existen dificultades tecnológicas a cuidar para obtener los beneficios deseados. Esta técnica presupone que las opiniones son mayormente descritas de modo textual, en el lenguaje que el usuario decide emplear. Primero recolectar los mensajes de interés, segmentándolos de acuerdo con su origen, tiempo, conectividad o la combinación de todos ellos. Es preciso un pre-procesado, análisis y clasificación a nivel de cada mensaje, además de tener en cuenta el lenguaje de cada usuario, y sus particularidades tales como el sarcasmo, abreviaciones, otros idiomas, etc.

Captura de contenidos

Se trata de un ámbito de aplicación esencialmente tecnológico, pues la ubicuidad de los comentarios de los consumidores motiva la necesidad de recopilar, procesar y almacenar las opiniones recogidas como colecciones de textos. Los procesos de captura de contenidos suelen realizarse mediante herramientas más o menos automatizadas de recolección conocidos por su nombre en inglés “crawlers”, que comienzan por un conjunto de páginas web definidas y van explorando los enlaces que éstas desarrollan hacia otros contenidos.

Existen robots de búsqueda más especializados, con el foco en determinadas redes sociales, como Twitter, Facebook, Linkedin, etc., que atienden a los propósitos específicos de navegación en esas redes sociales.

Desarrollo de técnicas de procesamiento del lenguaje natural

Esta técnica se basa en algoritmos para procesar el lenguaje, y consiste en enseñar las computadoras como entender (y también generar) el lenguaje humano. Un desafío importante en esta disciplina es la de desarrollar tareas tales como la teoría del lenguaje formal y la estructura gramática de las frases, la interpretación semántica, la ambigüedad, la traducción automática y el reconocimiento de voz.

Son muy conocidas en este ámbito ciertas aplicaciones de agentes conversacionales (también conocidas como “chatbots”) entre las que se destacan Siri, Cortana, Alexa, en lo que se refiere al procesamiento de voz, y en cuanto al procesamiento de texto, podríamos citar a la traducción automática, con el ejemplo del traductor de Google.

Presente y futuro del análisis de opinión en redes sociales

Hoy, pero con más intensidad en el futuro próximo, las empresas dependerán cada vez más de la opinión de sus consumidores. Si tiempo atrás una mala acción podía quedar en el olvido, ahora la enorme capacidad de los contenidos digitales, así como la facilidad de su localización se encargará de recordar a nuestros clientes aquel error cometido. Por este motivo, la reputación del negocio dará la capacidad de fortalecer las posibles debilidades. Es preciso, por tanto, adaptarse a los cambios y ser conscientes de que la comunicación empresarial unidireccional ya no existe.

Veremos en un futuro no muy lejano la aplicación de estas técnicas a ámbitos insospechados como por ejemplo la identificación y clasificación de perfiles laborales en términos de competencias requeridas, evolución de mercados, actividades emergentes, etc. También se esperan avances muy significativos derivados, no solo de las mejoras en el procesamiento del lenguaje humano, sino de su integración con otras fuentes de datos que expliquen mejor el comportamiento de organizaciones y grupos de interés.

Finalmente se vislumbran oportunidades en el área del “aprendizaje profundo” (en inglés Deep Learning), que significa el aprendizaje desde las representaciones distribuidas que permiten una generalización de atributos a partir de las características aprendidas o derivadas de modo directo de los datos obtenidos. Además, brinda el potencial para otras ventajas como la exploración de evidencias en configuraciones multi-escala. Por ejemplo, el trabajo de clasificar los mensajes de Twitter en varios niveles, estableciendo la polaridad positiva/negativa/neutral con una nula intervención manual a través de un sistema desarrollado para el efecto.

A %d blogueros les gusta esto: