Social Analytics: L’importanza delle opinioni

Siamo nell’era del dato, ce lo sentiamo ripetere in continuazione; il mantra che risuona ovunque, dalla stampa di settore a quella generalista, è sempre lo stesso: BIG DATA.

Da dove viene questa grande mole di dati? E perché oggi se ne parla così tanto?

La risposta è abbastanza semplice: se ne parla tanto perché i dati hanno un enorme valore economico, soprattutto se attengono alle persone ed ai loro comportamenti.

“Data is the new oil”, Clive Humby, Matematico

Stiamo parlando di dati “dinamici”, cioè di quei dati che mutano nel tempo, proprio perché sono l’impronta digitale del nostro vivere nel mondo, come ad esempio il passaggio in un luogo, i nostri gusti e le nostre opinioni, i nostri comportamenti e relazioni con amici e marche.

Ed ecco la risposta alla prima domanda, la maggior parte dei dati proviene dalle persone e dai dispositivi usati da queste, come smartphone, computer, wearable device, ma anche dalle “cose” usate dall’uomo come la domotica, gli smart device (lavatrici, condizionatori, automobili etc.) fino agli utensili industriali, ossia dai famosi dispositivi IoT (internet of Things)

 

Riassumendo quindi, l’enorme incremento dei dati è dovuto ai seguenti fattori:

  • Oggi non sono più solo i computer ed i dispositivi mobili ad essere connessi, ma tutto, anche i segnali del nostro corpo
  • Le reti di trasporto dati hanno raggiunto elevate velocità anche sul mobile
  • Gli utenti sono passati da un modello di consumo basato sul possesso ad uno basato sull’utilizzo (As A Service On Demand)

 

Torniamo all’affermazione iniziale: siamo nell’era del dato.

Questa affermazione è talmente vera, che per la prima volta nella storia moderna, è la tecnologia ad inseguire i dati, e non i dati a cercare una tecnologia che li supporti e li generi. Questo ha di fatto tracciato il solco dei macro-trend tecnologici dei prossimi anni

  • Big Data: intesi come la capacità di attrarre, collezionare, analizzare e soprattutto rappresentare una grossa mole di dati non strutturati
  • Intelligenza artificiale: ossia la capacità di elaborare dati con processi e prestazioni simili a quelli dell’intelligenza umana
  • Blockchain: la tecnologia nata per garantire la decentralizzazione, trasparenza, sicurezza ed immutabilità del dato.

 

Proprio su questi temi si focalizza TEIA Technologies, azienda del gruppo Lutech, che nasce proprio nell’era dei dati, con la consapevolezza che il valore del dato non risiede nel dato stesso, ma nella conoscenza che da esso possiamo trarre.

In TEIA lavoriamo sui dai e con i dati per estrarre, appunto, conoscenza. Conoscere i propri clienti e prospect non è più solo un vantaggio competitivo, ma una necessità che le aziende non possono più ignorare, ed è quello che facciamo per i nostri clienti e partner: raccogliere ed elaborare dati usando le tecnologie di cui abbiamo parlato sopra: Big Data, Intelligenza Artificiale e Analisi Semantica.

 

I dati sui quali lavoriamo si dividono principalmente in due macro categorie:

  • Open data: tutti i dati reperibili sui canali socio-digitali pubblici, quali Social Network, Forum e Blog
  • Custom Data: i dati che sono presenti in azienda, e che quasi sempre sono una miniera di informazioni non portate a valore.

 

Dalla sua nascita nel 2013, TEIA ha sviluppato e messo a portfolio diversi prodotti e servizi, grazie alla continua ricerca tecnologica e alla collaborazione con importanti Università ed enti di ricerca:

  • AI: piattaforma proprietaria di intelligenza artificiale, basata su machine learning, reti neurali e cognitive computing
  • Topic Catcher: clusterizzatore semantico (http://topic.teia.company)
  • Custom Data Analyzer: piattaforma dedicata all’analisi, anche in real time, dei dati custom dei clienti, anch’essa basata sul core tecnologico di teia.ai
  • Opinion Platform: piattaforma proprietaria di opinion analysis basata su teia.ai.

 

La piattaforma di Opinion Analysis di fatto costituisce il cardine centrale della proposizione dell’azienda nell’ambito dei Social Analytics. Il suo principale punto di forza si esprime nella capacità, abilitata dall’uso sinergico di tecnologie diverse di AI e analisi semantica, di distinguere tra sentiment e opinion, una differenza sostanziale quando si vogliono estrarre dall’analisi dei dati informazioni granulari e di qualità”

 

Sempre più spesso, Sentiment e Opinion Analysis sono usati come sinonimi a tal punto che persino su Wikipedia alla definizione di Sentiment Analysis si legge: “Sentiment analysis (also known as opinion mining) refers to the use […]”.

Le differenze, però, sono sostanziali perché individuare il mood di un testo è un’operazione ben differente rispetto al derivarne l’opinione. Proviamo a pensare alla seguente frase:

“Questi biscotti sono buonissimi”.

E’ abbastanza semplice attribuirne il corretto mood che, in questo caso, è “POSITIVO” ma se la frase da analizzare fosse la seguente, quale sarebbe il suo mood?

“Questa marca fa dei biscotti buonissimi, ma sono pieni di grassi e costano troppo.”

La maggior parte dei tool di Sentiment Analysis forzerebbe l’attribuzione di un’etichetta attraverso un algoritmo basato su regole generiche di interpretazione semantica e, nella migliore delle ipotesi, ad un testo come quello dell’esempio attribuirebbe un mood “NEUTRALE” (potrebbe comunque capitare che l’etichetta assegnata sia quella di “POSITIVO”).

È evidente che il risultato non solo non rispecchia perfettamente la realtà ma fornisce indicazioni potenzialmente opposte al reale sentimento espresso.

 

La forzatura nell’attribuire un mood “a tutti i costi” è uno dei principali motivi per cui nella maggior parte delle analisi del sentiment la percentuale di neutralità è molto alta (sopra il 60-70%), questo tipo di risultato dovrebbe essere un allarme per chi lo riceve: sui social network le persone scrivono per esprimere le proprie opinioni o per condividere informazioni, è quindi strano concludere un’analisi di questo tipo affermando che la maggior parte dei post sia etichettata come “NEUTRALE”.

La colpa di questo risultato non è (solo) da attribuire al tool o agli algoritmi impiegati nell’analisi: provate ad attribuire voi un sentiment alla frase incriminata. Sono convinto che la maggior parte delle persone, alla domanda “Che mood attribuiresti alla frase sopra?”, risponderebbe “DIPENDE”.

Ecco, questo è il problema: uno strumento di analisi non può rispondere “DIPENDE”, e senza istruzioni precise non può far altro che forzare una risposta, anche se palesemente sbagliata.

Proviamo ad analizzare la frase precedente ponendo una condizione ben definita: cosa risponderemmo se la domanda fosse posta nel seguente modo: “Qual è l’opinione rispetto al prezzo dei biscotti?” oppure “Qual è l’opinione rispetto al gusto dei biscotti?”; in questo caso, ne sono certo, la risposta non sarebbe “DIPENDE” ma un’etichetta (o categoria) ben precisa.

Bene, la precisione delle risposte è una delle differenze sostanziali tra Sentiment Anlysis e Opinion Analysis, ma non è ovviamente l’unica.

Quando si chiede l’opinione di qualcuno, ci si aspetta una risposta argomentata o comunque l’espressione precisa di un pensiero personale. Provo a spiegarmi ancora una volta con un esempio, alla domanda “Perché ti piacciono questi biscotti?” cosa vi aspettate che vi venga risposto? Un qualcosa del tipo “percezione positiva” oppure un commento strutturato come potrebbe essere il seguente: “Questi biscotti mi piacciono perché sanno di burro”?

Ecco un’altra differenza tra Sentiment Analysis e Opinion Analisys: nel primo caso il massimo che riusciamo ad ottenere è una più o meno precisa rappresentazione del mood attorno ad un singolo e ben delineato argomento, mentre nel secondo caso possiamo ottenere le risposte alle nostre domande.

A titolo di esempio, di seguito riportiamo una possibile rappresentazione di un’analisi d’opinione. Nella fattispecie, l’analisi fa riferimento alla percezione dell’utente dei servizi di assistenza di una società manifatturiera operante nell’elettronica di consumo:

Come si può notare, a prescindere dal caso specifico, l’Opinion Analysis ci consente non solo di determinare il mood ma anche, e soprattutto, di capirne le motivazioni alla base.

Una delle maggiori difficoltà durante un ascolto della rete è quella di riuscire a separare ciò che è un’opinione, da ciò che invece è una semplice news, ossia un post o articolo che non esprime opinione, ma che semplicemente condivide delle informazioni, oppure dalle comunicazioni dello stesso brand di cui si vuole derivare il percepito.

Anche in questo caso la semplice Sentiment Analysis non è sufficiente, per capire quale opinione ha la gente del nostro brand, prodotto o servizio, ma è necessario affidarsi all’Opinion Analysis.

L’immagine di seguito mostra l’effetto grafico dell’approccio sopra descritto applicato a un’indagine condotta durante il lancio di un prodotto di consumo:

 

La prima cosa che appare evidente è come i volumi in gioco siano drasticamente differenti e come, soprattutto, il numero di post nei quali gli utenti esprimono una reale opinione riguardo ad un determinato argomento sia molto minore del numero di post che riportano informazioni generiche ma che non rappresentano l’espressione degli utenti finali che è però quello che ogni brand vuole conoscere quando analizza l’opinione dei suoi clienti e prospect.

I prossimi passi: i clienti sono persone, che lasciano un’orma quando interagiscono con il mondo digitale e fisico: regalano, a volte inconsapevolmente, enormi informazioni sui loro comportamenti ed abitudini, che molto possono dirci sulla loro personalità. E’ con questa consapevolezza che stiamo sviluppando una piattaforma proprietaria per l’analisi dei tratti psicometrici della personalità. Presto sapremo dirvi che profilo psicologico ha una persona che interagisce con determinati contenuti, così da calibrare ancora meglio la comunicazione ad essa rivolta.

Teia è anche molto attenta alla sicurezza dei dati che tratta, pertanto non potevamo non iniziare a lavorare anche sulla blockchain, studiando e mettendo a punto sistemi di decentralizzazione e sicurezza delle informazioni.

 

Mauro Ferri
Co-Founder TEIA, Gruppo Lutech