I politici conoscono bene l’importanza di capire i sentimenti degli elettori sui temi chiave. Ciò che importa non è solo se gli elettori sono a favore o contro una determinata questione, ma anche quanto siano fan del loro partito politico. La conoscenza dell’intensità emotiva può aiutare i politici a stringere alleanze forti, influenzare le elezioni, e/o evitare argomenti che possono scatenare forti emozioni negative.
I direttori di marketing e pubblicità sono altrettanto consapevoli del valore dei sentimenti e cercano costantemente di scoprire che cosa rende i consumatori appassionati di prodotti, utilizzando queste informazioni per attrarre altri consumatori. Alcuni annunci ci fanno ridere, altri ci fanno piangere, ma la chiave del loro successo è la capacità di trasmettere un sentimento su un prodotto o un problema, in modo che i consumatori possano stabilire un legame emotivo con esso.
Tanto i politici quanto i direttori di marketing, o meglio le loro azioni, dipendono in larga misura dalla ricerca di mercato, le indagini, i focus group, studi sulla usability in cui le persone vengono osservate mentre utilizzano un prodotto in un ambiente di laboratorio o ancora ricerche etnografiche in cui le telecamere monitorano l’utilizzo del prodotto nell’ambiente domestico. Tuttavia, nessuno di questi metodi fornisce feedback in tempo reale, o va oltre al circoscritto campione di intervistati. Conoscere come si sentono i clienti nei confronti di un prodotto è senz’altro di grande utilità. Ma quanto sarebbe più utile sapere come si sente ogni singolo cliente nel momento esatto in cui sta interagendo con l’azienda?
Questo è esattamente il motivo per cui diamo estrema importanza al servizio personalizzato al cliente. La realtà è che la maggior parte delle interazioni con i clienti sono impersonali, si realizzano via e-mail o qualche altra forma di comunicazione scritta online. La sentiment analysis è un modo efficace per rispondere alla necessità di valutare il sentiment di queste interazioni nel processo decisionale.
La sentiment analysis ci permette di analizzare statisticamente i testi non strutturati, come email, blog, post e pubblicazioni sui social media. Possiamo quindi determinare il tono della comunicazione – è positivo, neutro o negativo? Possiamo anche valutare il grado in cui il tono è negativo. Ad esempio, è molto negativo, piuttosto negativo, o completamente negativo? Ciò consente a un decisore di sapere se un cliente è molto arrabbiato o solo agitato, se un utente è appassionato di un prodotto o semplicemente soddisfatto. Ancor più importante il fatto che conoscere il sentimento sia un processo automatico in tempo reale. Non appena la comunicazione entra nei sistemi aziendali, queste vengono automaticamente esaminate. I punteggi vengono trasferiti ad altri sistemi e flussi di lavoro per l’analisi, decisione e l’azione immediata. L’automazione ci permette di processare grossi volumi di comunicazioni, monitorare il sentiment e le opinioni dei clienti e degli stakeholders, e rispondere se necessario.
Si pensi a quanta più attenzione al cliente online e personalizzata potremmo offrire se solo un dipendente del customer service fosse abilitato a contattare in tempo reale un cliente arrabbiato o insoddisfatto e risolvere l’incidenza.
Le applicazioni di sentiment analysis aiutano le aziende a migliorare notevolmente la customer satisfaction, ridurre l’attrito del cliente, gestire meglio il lancio di nuovi prodotti, rispondere a concrete minacce competitive diffuse in modo virale tra i clienti, e molto altro ancora. La sentiment analysis è essenzialmente analisi predittiva, applicata a dati non strutturati: così, proprio come l’analisi predittiva e le applicazioni di scoring, permette di muoversi velocemente da decisioni reattive a decisioni proattive che risolvano in tempo reale problematiche aziendali. Perchè, come afferma il nostro claim, “tutti prendono le decisioni”.
Rado Kotorov, executive director, strategic product management & competitive strategy di Information Builders
