Tre passi per analizzare il sentiment
Negli ultimi anni, con la diffusione dei social media, è cresciuta l’esigenza di esaminare grosse quantità di dati, non solo per scopi sociologici, come l’analisi della situazione politica di un determinato paese, ma anche per obiettivi di marketing soprattutto per i brand.
Due le nuove forme di analisi che rispondono agli obiettivi del digital marketing: buzz analisi e sentiment analisi. Queste forme di analisi servono per capire il “sentimento” verso un determinato brand e per comprendere la polarità dei messaggi positivi o negativi, postati sui social media dagli utenti.
Attraverso i social media si possono costruire e analizzare le reti tra gli utenti in modo da capire quali siano i reali influencers e la loro “Reach” (il numero delle persone che possono essere esposte alla loro comunicazione) e creare una campagna pubblicitaria più mirata verso uno specifico gruppo di utenti.
Twitter è un social network basato sul microblogging, cioè sulla condivisione di un breve messaggio di testo (massimo 140 caratteri), un link ad una risorsa o un immagine.
Per analizzare i dati da Twitter, è necessario scaricarli, “pulirli” e successivamente sottoporli ad analisi. Twitter ha una comunicazione asincrona tra gli utenti, quindi si possono creare solo reti di utenti che retweetano un messaggio o che vengono menzionati in un messaggio.
Twitter espone delle API REST che consentono ad applicazioni esterne di accedere ai dati sia in modalità “a servizi” sia in modalità “stream”. Tra i possibili fruitori di questi servizi ci sono gli strumenti di ETL come Talend e Pentaho e gli strumenti di Knowledge Mining come Knime.
Tre i passi essenziali per scaricare dati da Twitter :
- registrarsi su Twitter, con una user e una password;
- collegarsi su https://apps.twitter.com e censire una propria applicazione;
- creata l’applicazione, verranno generati dei codici che servono per l’autenticazione OAuth che usa Twitter.
Una volta effettuati i passi sopra elencati con un ETL, basterà disegnare il workflow di scaricamento dati da Twitter, ad esempio con Knime:
- la timeline di un utente;
- ricerche per utente o per semplice query passata nel nodo search;
- oppure costruire un modello che effettui post automatici su Twitter (un BoT).
Questi dati vengono scaricati da Twitter e poi possono essere analizzati tramite strumenti di analitycs, che Knime, ad esempio, ha già al suo interno.
Con Talend, un ETL open-source, si può fare la stessa cosa, usando i nodi di connessione e ricerca per le API di Twitter: il vantaggio è che non solo vengono scaricati i tweet dei repository (di Twitter), ma con un nodo particolare si possono scaricare anche i dati in stream e quindi effettuare delle analisi in real-time.
I social media rendono disponibili milioni di mb di dati dai quali è possibile fare analisi sia in real time sia in batch, sta solo a noi cercare di sfruttare al meglio quest’opportunità per capire il reale sentimento verso il nostro brand o per sfruttare al meglio gli influencers per la creazione di una futura campagna pubblicitaria più conveniente.
Lascia un commento