Etiquetaanalítica

¿Qué es el análisis del sentimiento?

Desde que empecé a trabajar en Bitext, me han preguntado ya muchas veces qué es el análisis del sentimiento (o, en inglés, “sentiment analysis”): es el proceso por el que determinamos si una frase o acto de habla contiene una opinión, positiva o negativa, sobre una entidad concreta o sobre un concepto. Es un término que está muy ligado a las redes sociales pero que, en realidad, no está limitado a ellas.

Mediante el análisis del sentimiento, aspiramos a entender, en primer lugar, con qué guarda relación el texto que analizamos. Por ejemplo, nos interesa saber si la frase en cuestión trata sobre nuestra marca o sobre el concepto que nos interesa analizar (p. ej. – “hoteles”). Idealmente, querremos saber esto pero con mayor nivel de granularidad: ¿a qué se refiere exactamente la frase? ¿A nuestra marca, en general, o a un aspecto de nuestro producto o servicio (envase, precio, la habitación, la atención recibida…)? Una vez que el sistema tiene claro sobre qué es la opinión, nuestro segundo objetivo será conocer el sentido de esa opinión (positiva o negativa, básicamente), así como la intensidad de esa opinión. A esa puntuación, técnicamente, la llamamos “intensidad de la polaridad”.

Los sistemas más sencillotes se limitan a leer una frase y buscar en ella palabras que tienen registradas en su diccionario como buenas o como malas. Si aparece una palabra buena (p. ej. – “estupendo”), es una opinión positiva. Si aparece una palabra mala (p. ej. – “decepcionada”), es una opinión negativa. Si no encuentran ninguna palabra que, según su diccionario, exprese algo negativo o positivo, estos sistemas más sencillos suelen hablar de “opiniones neutras”, aunque para mí sería preferible entender que lo que ocurre es que no hay opinión como, por ejemplo, si yo tuiteo “Estoy esperando a mi primo en el McDonald’s”. Paradójicamente, muchos de esos sistemas simples también te dirán que una opinión es neutra si han encontrado una palabra negativa y otra positiva. Esto último debería provocar sonrojo a más de uno, pero no. Seguir leyendo

Sobre los modelos de atribución en marketing

A estas alturas, a nadie se le escapa que todo departamento de marketing debe demostrar, en términos económicos, la efectividad de sus acciones y decisiones. Antes, decíamos que lo que no se puede medir no se podía mejorar. Ahora, lo que no se puede medir no existe.

La excusa de “nos ayuda en términos de imagen o de brand awareness” ya no es aceptada en la mayoría de las organizaciones. Tampoco basta ya con demostrar el retorno global de la inversión en marketing: el beneficio ha de poder medirse con un elevado nivel de granularidad, a nivel de canal, de campaña o de táctica. Así, no sólo es posible validar el rumbo general del área de marketing, sino que también podemos optimizar la inversión y sacar el máximo jugo al presupuesto existente.

Conocer el retorno de cada acción realizada o de cada canal parece sencillo, a primera vista. Por ejemplo si, en un comercio electrónico, invertimos 2.000 euros en una campaña de AdWords y tenemos bien configurado nuestro Google Analytics, podremos saber con precisión cuantos clicks han convertido y cuánta facturación han generado esos 2.000 euros. Fácil, ¿verdad? Pues no. Quizá nos conformemos con ese dato pero, a poco que pensemos en el asunto, nos daremos cuenta de que la realidad es mucho más complicada. Por ejemplo, podemos hacernos preguntas como estas: Seguir leyendo

¿Qué son las customer personas?

Las customer personas son una herramienta de marketing que nos permite representar de una manera práctica y didáctica los distintos segmentos de clientes que se relacionan con nuestra marca (o que queremos que lo hagan).

Tradicionalmente, al acometer un ejercicio de segmentación de mercado, los conjuntos resultantes terminaban por recibir simples identificadores (A, B, C, D o alto, medio y bajo, etc.) Por no mencionar que, en la segmentación convencional, lo habitual es limitarse a la mera descripción sociodemográfica y de consumo de cada uno de los segmentos: que si tal edad, que si tal tamaño de población, que si tal sexo, que si tal nivel adquisitivo, que si tal frecuencia de compra…

Un ejercicio moderno de segmentación no puede limitarse a variables sociodemográficas, sino que ha de ir más allá y apoyarse en los insights del consumidor que hayamos podido desvelar: sus intereses (los evidentes y los menos verbalizables), las cosas que les preocupan, sus opiniones acerca de cuestiones que les resultan relevantes y otros patrones y hábitos de comportamiento que nos ayudan a entender por completo a nuestro consumidor.

Un customer persona o marketing persona consiste, simplemente, en ir aún más allá y, a cada uno de nuestros segmentos de mercado, asignarle una representación idealizada de un consumidor, con su nombre y apellidos y, habitualmente, incluso con una o varias fotografías, así como una narrativa más o menos extensa de sus intereses, hábitos y peculiaridades. Así, donde antes teníamos al segmento A y al B, ahora podemos tener a Juan Martínez y a Verónica Castro, como representaciones idealizadas de todos los miembros de sus respectivos segmentos.

Este podría ser un ejemplo (completamente inventado) de customer persona: Seguir leyendo

Las 4V del Big Data

A pesar de que ya llevamos unos cuantos años manejando el término “Big Data”, no siempre está claro a qué nos referimos con él, realmente.

De hecho, es habitual pensar que “Big Data” es equivalente a “muchos datos”, pero esto no es completamente cierto. Es verdad que el Big Data implica la recopilación, almacenamiento y explotación de muchos datos, pero no basta con eso para que podamos hablar de Big Data.

Existe un cierto consenso acerca de que, para que podamos decir que un entorno es un entorno de Big Data, tiene que reunir cuatro características. Como los nombres de las cuatro empiezan por la letra “v”, solemos hablar de “las 4V del Big Data”.

Veamos en qué consiste cada una de las cuatro V:

Volumen

No es extraño escuchar comentarios como que Big Data no es más que Business Intelligence “a lo bestia”.

Sin embargo, una mayor cantidad de datos no es suficiente para que podamos hablar, sin más, de Big Data. Como ya hemos dicho, Big Data implica cantidades ingentes de datos, pero manejar cantidades ingentes de datos no es suficiente para estar hablando de Big Data.

Sin las otras V, seguiríamos hablando de un esfuerzo de inteligencia de negocio “tradicional”, sólo que con volúmenes mucho mayores.

Y, por supuesto, tampoco debemos pensar que las iniciativas de Big Data están todas encuadradas en el área de Business Intelligence. Big Data es un concepto que no está limitado o definido por los objetivos que se persiguen con la iniciativa, sino por las características de los datos y del entorno en el que nos movemos, resumidas en estas “4V”. Seguir leyendo