Tendencia No.

2: El análisis de textos

El análisis de textos, es usado un 46% de las empresas en los países desarrollados

que la está utilizando ya, y otro 30% que está interesado en utilizarla. Entre la
explosión del volumen de datos disponibles en las redes sociales y en la Web en
general, uno de los tipos de datos más comunes es el texto no estructurado. Hay
texto en páginas Web, en los blogs, en los comentarios en las redes sociales, en las
evaluaciones de los productos en Amazon y otras páginas por el estilo, en los chats,
y en prácticamente todas partes. Entre esta gigantesca masa de palabra escrita hay
informaciones muy importantes para las marcas, como con qué las asocian los
consumidores, si se habla positiva o negativamente de ellas, la frecuencia con que
se las menciona, o lo que se dice de los competidores.
El desarrollo del Machine Learning y de la Inteligencia Artificial en los últimos años
ha permitido analizar grandes volúmenes de texto de forma automática. Entre los
tipos de análisis de texto más populares está el Sentiment Analysis.

Sentiment Analysis

Es la extracción contextual de texto que identifica y extrae información subjetiva en

el material fuente, y ayuda a una empresa a comprender el sentimiento social de
su marca, producto o servicio mientras monitorea las conversaciones en línea. Sin
embargo, el análisis de las transmisiones de las redes sociales generalmente se
limita al análisis de sentimientos básicos y a las métricas basadas en conteo.
Como son:
 Aspectos clave del producto y servicio de una marca que preocupan a los
clientes.
 Intenciones y reacciones subyacentes de los usuarios con respecto a esos
aspectos.
Estos conceptos básicos, cuando se usan en combinación, se convierten en una
herramienta muy importante para analizar millones de conversaciones de marca
con precisión a nivel humano.
Clasificador de texto: los bloques de construcción básicos

Análisis de sentimientos

El análisis de sentimientos es la herramienta de clasificación de texto más común

que analiza un mensaje entrante y dice si el sentimiento subyacente es positivo,
negativo o neutral. Puede ingresar una oración de su elección y medir el sentimiento
subyacente jugando con la demostración.
Análisis de intenciones

El análisis de intenciones intensifica el juego analizando la intención del usuario

detrás de un mensaje e identificando si se trata de una opinión, noticias, marketing,
quejas, sugerencias, apreciaciones o consultas.
Búsqueda semántica contextual (CSS)

Es un algoritmo inteligente de búsqueda inteligente llamado Búsqueda semántica

contextual (también conocido como CSS). La forma en que funciona CSS es que
toma miles de mensajes y un concepto (como Precio ) como entrada y filtra todos
los mensajes que coinciden estrechamente con el concepto dado.

Ejemplos:

 Amazon desearía segregar mensajes relacionados con entregas tardías,

problemas de facturación, consultas relacionadas con promociones,
revisiones de productos, etc.
 Starbucks querría clasificar los mensajes en función de si se relacionan con
el comportamiento del personal, los nuevos sabores de café. , comentarios
de higiene, pedidos en línea, nombre y ubicación de la tienda, etc.
REFERENCIA BIBLIOGRÁFICA

 HTTPS://TOWARDSDATASCIENCE.COM/SENTIMENT-ANALYSIS-CONCEPT-ANALYSIS-AND-APPLICATIONS-
6C94D6F58C17
 HTTPS://WWW.ALPHACONSULTING.COM.DO/ES/BLOG/ARTICULO/26/LAS-5-TENDENCIAS-QUE-ESTARN-
REVOLUCIONANDO-LA-INVESTIGACIN-DE-MERCADOS-EN-2018
 HTTPS://MONKEYLEARN.COM/SENTIMENT-ANALYSIS/
 HTTPS://BRAND24.COM/BLOG/SENTIMENT-ANALYSIS/
 HTTPS://WWW.KDNUGGETS.COM/2018/03/5-THINGS-SENTIMENT-ANALYSIS-CLASSIFICATION.HTML