rrHH a Contracorriente

Proyecto Pespunte

Los instrumentos para analizar comportamientos en Redes Sociales crecen exponencialmente, y estamos en un momento muy rico de investigación y experimentación. Pues junto con mi colega Data Scientist Fernando López estoy preparando la puesta en marcha del Proyecto Pespunte (Big Data for Small Business), donde analizamos las emociones (entusiasmo, alegría, miedo, asco, confianza, sorpresa tristeza y enfado) y sentimientos (positivo y negativo) que muestran compañías, empleados y clientes para:
  • Estrategias de Employee Advocacy: Detectar embajadores de marca antes de empezar o hacer seguimiento de resultados de campañas ya iniciadas
  • Detectar enemigos de marca dentro de la casa: Con la posterior toma de decisiones para resolver el problema antes de que se produzca
  • Información extra y de apoyo a estrategias de Marketing
  • Análisis de nuestros competidores: Que palabras clave usan nuestros competidores? Que emociones transmiten y que siente su comunidad?
  • Comprobar reacciones ante un nuevo producto: Después del lanzamiento de un nuevo producto o servicio, medimos los sentimientos de las reacciones.
  • Descubrir los diferentes tipos de usuario en diferentes plataformas de Redes Sociales: Emisor, conversador. Comparativa de estrategias en diversas redes.

En el análisis de sentimientos y emociones usamos el NRC Word-Emotion Association Lexicon (EmoLex). Es un diccionario  de 14182 palabras y sus asociaciones con ocho emociones básicas (enfado, miedo, entusiasmo, la confianza, sorpresa, tristeza, alegría y asco) y dos sentimientos (negativos y positivos). Las anotaciones fueron realizadas manualmente mediante crowdsourcing. Su principal referente es Saif Mohammad, que a su vez se basa en la clasificación de las emociones que hace el sociólogo Ekman.

Usamos Emolex porque tiene una función integrada en R (lenguaje de programación que usamos) y es el más utilizado y reconocido en los Proyectos de Social Analytics a nivel global. Eso sí, el SA no es una ciencia exacta: enseñar a una máquina a valorar ironías, sarcasmo, matices gramaticales, jerga o variaciones culturales es difícil. Pero en contextos de marca, donde debe existir una estrategia de comunicación (la variabilidad debe ser mínima), estos estudios tienen un porcentaje de fiabilidad muy alto.

La precisión de este tipo de estudios se situa en un 80%, lo cual para ver tendencias es muy significativo. El SA está en pañales, y seguimos investigando para incluir expresiones ya hechas y Data Mining. Poco a poco el nivel de precisión será mayor. 

Interesante, verdad? 
Si te gusta, comparte!
Facebook Twitter Linkedin Email