Sentiment Analysis - Fondamenta e Sviluppi

Sin dalle origini, il Marketing insegna quanto sia importante, per le organizzazioni, dare adito a ciò che il consumatore vuole dal prodotto o dal servizio offerto, e con il Web 2.0 le imprese sono nella condizione di poterlo effettivamente fare.
Condividi, metti un like!, Twitta, What's happen?, Taggami!, sono diventati termini talmente ricorrenti nella vita digitale, e spesso anche in quella reale, che le funzioni di analytics delle organizzazioni sono state sempre più sistematicamente protagoniste di un'evoluzione applicativa, passante da una rigida e schematica analisi, come quella del contenuto, verso un tipo di modello più democratico, partecipativo e flessibile quale è quello della Sentiment Analysis.
Sfruttando la miniera di dati generata dalle piattaforme di networking, l'analisi del sentiment estrapola i dati contenuti nei post e negli stati condividisi dagli utenti, al fine di avviare una procedura di studio, a tre fasi, per arrivare a definire quale sia il mood (positivo/negativo) relativo ad un'affermazione o ad un pensiero espresso dalle utenze stesse; insomma, scoprire se la nuova pubblicità piaccia ai propri consumatori tramite Youtube o accrescere il grado di interazione con la propria comunità online tramite Facebook è oggi possibile per qualsiasi tipologia di organizzazione: raccogliendo le opinioni condivise dagli utenti e, successivamente, offrendone un'adeguata interpretazione, più o meno automatizzata.
È in questo contesto che assumono rilievo nuove concezioni di termini quali consumatore, CRM ma, sopratutto, di analisi dei dati aziendali: oggi, le imprese, o meglio, le organizzazioni, riescono a far assumere un ruolo di elevata centralità all'utente finale, interagendo con lui, ascoltandolo, e interpretando ciò che esprime, al fine di offrirgli un servizio sempre più adeguato e vicino ai suoi bisogni.
L'elevato grado di interconnessione permesso dalla presenza di reti condivisionali, quali le piattaforme di networking, dunque, non si limita a modificare semplicemente le linee operative del Web Marketing aziendale, ma obbliga le organizzazioni ad affiancare costantemente le molteplici funzioni e divisioni dello schema operativo aziendale, produzione compresa, ai commenti e ai giudizi delle persone, espressi in tempo reale in rete, il tutto, allo scopo di incrementare la reputazione e l'attaccamento al brand degli utenti-consumatori.
Per conseguire ambiziosi risultati di questo calibro, l'azienda si serve di compagnie e società che acquistano i dati direttamente dai social network per poi rivenderli, già rielaborati o ancora grezzi, nel mercato del Big Data, alle aziende desiderose di riscontri, in termini di analytics, del proprio operato.
Da qui, nasce un inevitabile scontro con il trattamento di dati sensibili (e non) degli utenti da parte delle compagnie di analytics, placato, almeno in parte, dalla concreta possibilità delle aziende di vedere altamente concentrati i propri sforzi di marketing e, di conseguenza, per i consumatori, di ottenere un grado di personalizzazione dell'offerta di beni e servizi senza eguali nella storia del management moderno.

Mostra/Nascondi contenuto.
CAPITOLO 1 Sentiment Analysis: la nascita di un fenomeno di crescente importanza 1.1. Sentiment Analysis: quando, come e perché Con il termine Sentiment Analysis si fa riferimento a quell'insieme di regole, ricerche e studi volti a raccogliere e ad interpretare le opinioni, positive o negative, contenute all'interno di documenti, “post” o recensioni, scritti dalle persone prevalentemente online. Queste opinioni, non vengono quindi ottenute mediante la somministrazione di questionari o sondaggi da parte di un ente privato ovvero pubblico, bensì vengono raccolte dal Web. La materia, chiamata anche Opinion Mining, si compone di quattro aggregati tra loro distinguibili ma dipendenti; in primo luogo, è opportuno citare la linguistica. Dizionari, proverbi, analisi grammaticale e logica, sono solo una parte degli aspetti sui quali, in particolare quando si avvia un progetto di costruzione di modelli per questo tipo di analisi, bisogna fare grande attenzione. Possiamo poi valutare come propizia la considerazione di un secondo importante elemento nello svolgimento pratico-operativo di questa analisi, quale è l'informatica. Come avremo anche modo di sottolineare, l'applicabilità di adeguate tecniche statistiche, in grado di assicurare un basso margine di errore, dipende anche dalla dimensione del campione analizzato; ma se da un lato possedere una consistente mole di dati è auspicabile in termini di buona inferenza statistica, dall'altro può divenire difficilmente gestibile, manualmente parlando. La possibilità di disporre di applicativi e pacchetti software disponenti sia di 9

Laurea liv.I

Facoltà: Scienze Economiche e Aziendali

Autore: Alberto Bertaggia Contatta »

Composta da 115 pagine.

 

Questa tesi ha raggiunto 11349 click dal 02/12/2015.

 

Consultata integralmente 2 volte.

Disponibile in PDF, la consultazione è esclusivamente in formato digitale.