Análise dos sentimentos e inteligência artificial

Por Rado Kotorov, Chief Innovation Officer da Information Builders

Hoje, mais do que nunca, as companhias estão a tratar de encontrar fórmulas para averiguar de maneira rápida, praticamente em tempo real, o que os seus clientes ou possíveis clientes pensam, através das redes sociais, dos seus produtos, dos seus novos lançamentos, da sua reputação… Em suma, analisar os seus sentimentos. A razão pela qual as empresas estão a procurar ajuda entre as máquinas é porque o volume de comunicações online tem aumentado tanto, que as organizações não estão a ser capazes de dedicar funcionários suficientes para o seu rastreio. Naturalmente, quando há uma necessidade devem-se procurar soluções. Assim, qual seria a solução prática, dadas estas limitações?
Pela nossa experiência na indústria, sabemos que cerca de 40 a 50% das mensagens estão relacionadas com os sentimentos. Essencialmente, a análise dos sentimentos permite-nos classificar as mensagens de maneira precisa em ambos os extremos da campanha, tanto as tremendamente positivas como as totalmente negativas. Dadas as condições humanas, as mensagens que mostram um notável descontentamento possuem um tom facilmente identificável. O seu foco dirige-se de maneira meridiana ao objecto da sua frustração. O mesmo acontece com as mensagens muito positivas. Por isso podemos afirmar com toda a segurança que a tecnologia nos ajudaria a filtrar as mensagens que se encontram em ambos os extremos da curva. E isso, hoje em dia, é de extrema importância.

Um passo a mais
Agora analisemos como levar o debate um pouco mais além, de tal maneira que possamos tirar mais conclusões. E se dotássemos a análise dos sentimentos com as tecnologias de busca? Por outras palavras, atribuiríamos um sentimento a uma mensagem, mas também indexaríamos todas as mensagens no directório de busca. Neste momento, assim que encontremos uma mensagem de desagrado, a busca poderá mostrar-nos todas as mensagens relacionadas. É claro que essas mensagens estarão vinculadas em matéria de conteúdos, mas até um utilizador não experiente poderia procurar rapidamente mensagens semelhantes e ficar com aquelas do seu interesse.
Vamos dar um passo mais além. Este tipo de busca traz consigo analisadores sofisticados que podem extrair palavras a partir dos próprios textos. Estas palavras e as suas frequências podem ser visualizadas em diferentes formatos (nuvens de etiquetas, gráficos de diversidade lexical, de streaming…). Graças a estas funcionalidades, o utilizador pode filtrar as mensagens com base nos sentimentos (detectando os mais negativos), visualizar as mensagens relacionadas (utilizando gráficos de texto) e fazendo “drill down” sobre os gráficos para filtrar melhor as mensagens. No final poderá ler as escassas mensagens restantes e conhecer a fundo tanto os sentimentos como os conteúdos.
A combinação destas três tecnologias possibilita a análise em fracções de segundo para detectar aqueles casos que exigem atenção. Algo realmente significativo.