As redes sociais são uma ferramenta valiosa na experiência do cliente. De acordo com o relatório “O Cenário da Experiência do Cliente” da Genesys, 27% dos consumidores entrevistados usaram as redes sociais para uma interação de serviço nos últimos 12 meses. Cerca de um terço dos clientes afirmam ter mencionado uma interação de atendimento com uma marca nas redes sociais após uma experiência excelente. Mas nem todos os comentários sociais serão positivos. Essa mistura de emoções do cliente (positivas, negativas ou neutras) em relação à sua marca é chamada de sentimento.

A análise de sentimentos é uma métrica importante que analisa as menções à marca on-line e oferece percepções sobre como seus clientes potenciais percebem sua marca. No entanto, para aplicá-la corretamente, você precisa entender o que é análise de sentimentos, quais os benefícios e como ela funciona. 

Neste artigo, abordaremos esses tópicos e veremos como algumas marcas estão usando essa métrica para ter sucesso.

O que é análise de sentimentos? 

Análise de sentimentos, também conhecida como mineração de opinião, é o processo que usa técnicas de processamento de linguagem natural (PLN) e aprendizado de máquina (ML) para analisar as peças escritas on-line e determinar a intenção emocional por trás delas. 

Em poucas palavras, trata-se de entender se a atitude dos clientes em relação a um tópico, marca, produto ou serviço é positiva, negativa ou neutra.

Por exemplo: 

  • “Eu gosto muito do novo design do seu site.” – Positivo 
  • “Não tenho certeza se gosto do novo design do seu site.” – Neutro 
  • “Não gosto do design do seu novo site.” – Negativo 

Como agora os clientes dão feedback de forma mais aberta do que nunca, a análise de sentimentos é uma ferramenta poderosa para monitorar e entender suas opiniões e conversas em redes sociais. Dessa forma, as marcas aprendem o que deixa os clientes contentes ou irritados para que possam adaptar seus produtos e serviços de acordo com as necessidades dos clientes.  Há quatro tipos de análise de sentimentos: 

  • Detalhada: analisar avaliações e classificações e categorizá-las como positivas, negativas e neutras. 
  • Baseada em aspectos: identificar as opiniões sobre um aspecto específico de um produto ou serviço. Por exemplo, o TripAdvisor usa essa abordagem para identificar o sentimento por trás tanto do feedback do cliente quanto do serviço prestado. 
  • Baseada em intenções: identifica a intenção do cliente, se ele deseja comprar algo ou simplesmente navegar.
  • Baseada em emoções: identifica a emoção de um cliente por trás da menção. Isso pode incluir tristeza, raiva, felicidade, satisfação, frustração etc.

Como as marcas usam a análise de sentimentos

Vejamos algumas das aplicações mais comuns da análise de sentimentos. 

Monitoramento da marca: os clientes falam sobre sua marca, produtos e serviços na Internet e compartilham recomendações. Publicações em blogs, plataformas de redes sociais, avaliações de produtos, artigos de notícias e fóruns de discussão são excelentes fontes de informações comerciais. Essas fontes estão repletas de opiniões e comentários de clientes que, quando analisados, podem oferecer uma visão valiosa sobre a saúde da sua marca. 

Com ferramentas de social listening e painéis de desempenho, como o Genesys Cloud Social, você também pode verificar a proporção de menções positivas e negativas nas conversas. Você pode fazer isso no nível da marca, no nível da submarca ou de forma ainda mais detalhada, conforme necessário. Isso também pode ajudar a identificar quais aspectos os clientes consideram valiosos e revelar tendências nos pontos onde sentimentos negativos se concentram.

Prevenção de problemas de reputação: desastres de reputação podem acontecer com qualquer marca. E é quase impossível prever quando sua empresa poderá se tornar vítima de uma crise de reputação. 

Mas, quando a marca reage de forma inadequada a uma crise, ela pode se tornar viral pelos motivos errados. Analisar sentimentos on-line pode ser a melhor opção para evitar essas crises. 

A análise de sentimentos é sua arma secreta quando se trata de gerenciar crises de reputação da marca. Ela ajuda a detectar picos em menções negativas, permitindo que você identifique uma crise de reputação logo no início e aja rapidamente, reduzindo as chances de propagação online.

Medição da eficácia de campanhas: semelhante ao monitoramento da marca, você pode acompanhar as menções das suas campanhas de marketing e identificar como os usuários percebem sua mensagem ao medir o sentimento geral dos comentários, compartilhamentos, curtidas e publicações. 

Isso é especialmente útil se você estiver lançando um novo produto ou serviço. Por exemplo, se você lançar um novo produto e notar um súbito aumento nos sentimentos dos clientes, pode ser devido a algo relacionado ao seu novo produto ou a forma como você o divulgou. Você também pode ajustar suas configurações para obter ainda mais detalhes. Se sua empresa está se perguntando como uma característica específica de um novo produto está sendo recebida, você pode acompanhar o sentimento com relação a esse produto específico e a uma de suas características com base em palavras-chave.

Por isso, acompanhe suas campanhas de marketing à medida que são lançadas para descobrir os sentimentos dos seus clientes. Dessa forma, você pode saber o que está agradando e o que não está de acordo com as necessidades e preferências dos clientes para poder adaptar suas futuras campanhas corretamente. 

Realização de análise de concorrentes: não analise apenas seus próprios sentimentos. Para levar a presença on-line da sua marca para outro patamar, fique atento também aos seus concorrentes. 

A análise dos seus concorrentes permite identificar quais aspectos dos produtos deles geram mais reações positivas ou negativas. Além disso, você pode ver o que funciona e o que não funciona para eles a fim de repetir seus êxitos e evitar os fracassos. 

A análise de sentimentos da concorrência também pode servir como parâmetro ao avaliar as percepções dos seus próprios clientes sobre a sua marca. Por exemplo, se 40% das suas menções forem positivas, 35% forem negativas e o restante for neutro, a análise do concorrente poderá ajudar a determinar se isso é algo bom ou que precisa ser melhorado. 

Aprimoramento da experiência do cliente: descobrir o que seus clientes sentem em relação à sua marca, produtos e serviços é essencial para o seu negócio. É aí que entra a análise de sentimentos.

Ela ajuda você a monitorar e a entender as opiniões e os comentários dos clientes sobre seus produtos e campanhas quando eles são lançados. Além disso, a ferramenta ajuda a identificar menções positivas, destacando o que os clientes gostaram no seu produto, e menções negativas, que revelam críticas e problemas enfrentados pelos usuários.

Se você captar esses comentários negativos logo no início, é provável que possa agir rápido com base em sugestões relevantes para esse cliente específico e melhorar a experiência para outras pessoas também.

Como funciona a análise de sentimentos?

Agora que você já sabe o que é análise de sentimentos e como ela é usada pelas marcas, vamos entrar na mecânica de como ela funciona.

A análise de sentimentos é uma forma de ciência de dados. Ou, mais especificamente, ela usa processamento de linguagem natural (PLN) para identificar e classificar as partes do texto como positivas, negativas ou neutras. Existem três abordagens principais para a análise de sentimentos: aprendizado de máquina supervisionado, sistema baseado em regras ou uma combinação de ambos. Vamos ver como cada um funciona.

Aprendizado de máquina supervisionado (SML): como o nome sugere, esse modelo não depende de regras criadas manualmente, mas de técnicas de ML. Nesse caso, você precisa criar conjuntos de dados rotulados (semelhantes aos dados que gostaria de analisar) para que a máquina aprenda a classificar os textos com base em diferentes tons emocionais. 

Como os avaliadores humanos já determinam os sentimentos do conjunto de dados fornecido, o sistema usa a análise de sentimentos do conjunto de treinamento para rotular o novo conjunto de testes. Depois de fornecer dados relevantes suficientes, alimente a máquina com dados novos e não rotulados para ver se ela os marca corretamente. Caso contrário, continue adicionando mais dados para aumentar ainda mais a precisão da análise. 

Um modelo SML consiste nos seguintes algoritmos de classificação: 

  • Naive Bayes
  • Regressão linear
  • Máquinas de vetores de suporte 
  • Aprendizado profundo 

A vantagem dessa abordagem é que ela pode criar modelos treinados para vários contextos e finalidades diferentes. Por exemplo, em inglês, a palavra “apple” refere-se à fruta maçã, mas também a uma empresa líder em tecnologia. Um algoritmo de aprendizado de máquina pode ser treinado para identificar o significado de “apple” quando a palavra é usada na frase. Em seguida, ele pode aplicar essa experiência para analisar casos semelhantes. 

Técnicas baseadas em regras: ao contrário do aprendizado de máquina supervisionado, o sistema baseado em regras usa um conjunto de regras criadas manualmente para identificar os sentimentos no texto. Essas regras podem incluir várias técnicas de PLN, como derivação, tokenização, análise, marcação de partes do discurso e léxicos (ou seja, dicionários de palavras e expressões pré-rotuladas). 

Confira o seguinte exemplo: 

Sentimento da palavra

  • Ótimo 0,8
  • Bom 0,5
  • Ruim -0,5
  • Terrível -1

Veja como o sistema baseado em regras funciona: 

  • Determine a polaridade de um texto usando ferramentas de análise de sentimentos para dividi-lo em componentes individuais, ou seja, palavras e expressões. Em seguida, atribua uma pontuação a cada componente usando léxicos. 
  • Geralmente, palavras positivas como bom, ótimo, proveitoso e útil recebem uma pontuação positiva (acima de 0), enquanto palavras e expressões como terrível, ruim e decepcionante recebem pontuação negativa (abaixo de 0). Além disso, palavras e expressões neutras recebem uma pontuação de zero. 
  • Em seguida, some a pontuação de cada palavra e divida o resultado pelo número de palavras no texto. Por exemplo: O ambiente era bom, mas a comida era ruim. Nesse caso, a pontuação seria:
    (0,5 + (-0,5)) / 2 = -0 / 2 = 0
    Portanto, esse texto será rotulado como neutro pelo sistema. 

Você também pode contar o número de palavras positivas e negativas mencionadas no texto fornecido. Se o número de palavras positivas for maior que o número de palavras negativas, indica um sentimento positivo e vice-versa. Além disso, se os números forem iguais, significa um sentimento neutro. 

Em geral, a técnica baseada em regras é muito mais fácil de implantar do que o aprendizado de máquina. No entanto, pode exigir muito tempo e esforço para manter. Você precisa continuar adicionando novas regras, o que também pode afetar os resultados anteriores.

Abordagem híbrida: os sistemas híbridos combinam os elementos do aprendizado de máquina e da abordagem baseada em regras em um único sistema para melhorar a precisão da análise de sentimentos. Os cientistas de dados geralmente usam essas técnicas em conjunto.

Um modelo baseado em regras tentará classificar o sentimento do texto. Se o sentimento não for facilmente identificado (quando nenhuma ou poucas palavras da frase estão disponíveis no léxico), um sistema de aprendizado de máquina será usado para obter melhores percepções.

A análise de sentimentos é realmente precisa? 

Como os sentimentos muitas vezes são subjetivos, é difícil esperar que uma ferramenta de análise de sentimentos seja 100% precisa. Então, vamos explorar os principais desafios que afetam a precisão de um modelo de análise de sentimentos.

Ironia e sarcasmo

Em muitos casos, as pessoas frequentemente usam palavras negativas para expressar sentimentos positivos. Isso pode ser difícil para as máquinas detectarem sem saber o contexto da situação. 

Considere estas duas situações: 

  • O pedido está com apenas 30 minutos de atraso novamente. Que ótimo começo do dia! 
  • O pedido está com apenas 5 minutos de atraso novamente hoje. Que ótimo começo do dia!

Obviamente, um pedido com 30 minutos de atraso não vai tornar o dia de alguém melhor. Mas isso pode ser complicado para as máquinas entenderem. 

Negações

As negações são uma forma de reverter o significado de uma palavra, expressão ou frase. Por exemplo, “Eu não diria que a estadia no hotel foi particularmente boa”. Para uma análise precisa do sentimento, é fundamental identificar a negação e detectar qual palavra ou expressão é afetada por ela. 

Multipolaridade 

Muitas vezes, uma frase expressará emoções diferentes de uma só vez; ela pode falar positivamente sobre um tópico ou objeto, mas negativamente sobre outro. Por exemplo, “A pizzaria da 2nd Avenue é muito melhor do que a pizzaria da 4th Street”.  Essa frase faz uma declaração positiva sobre a pizzaria da 2nd Avenue e negativa sobre a que está na 4th Street.

Um sistema de análise de sentimentos categorizará o sentimento como positivo ao considerar a expressão “muito melhor”. No entanto, se você estiver analisando as menções à pizzaria da 4th Street, você poderá discordar. Portanto, você precisará de uma programação mais sofisticada para pontuar essa frase com precisão.

Classificação de sentimentos

Os sentimentos podem ser classificados em três categorias principais:  

1. Sentimentos negativos aos quais as marcas precisam estar atentas

Sentimentos negativos incluem menções à marca que têm palavras/frases negativas anexadas a elas. Muitas pessoas acreditam que a presença de sentimentos negativos significa que a campanha, o produto ou o serviço é um fracasso. 

No entanto, nem sempre este é o caso. Esses sentimentos também podem indicar oportunidades de negócios. Por exemplo, eles podem significar que algo está errado e você precisa encontrar uma solução para corrigi-lo.

Os exemplos incluem:

  • Tristeza: isso acontece quando um cliente não está satisfeito com a compra ou alguma solicitação dele não foi respondida. Por exemplo, “Seu tempo de resposta é muito lento. Estou esperando há mais de duas semanas”.
  • Raiva: quando um cliente fala sobre o quão ruim é seu produto ou serviço. Por exemplo, “Sua equipe de suporte é inútil”. 
  • Comparação: quando um cliente compara seu produto ou serviço com o do concorrente. 

2. Sentimentos positivos que as marcas precisam monitorar 

Sentimentos positivos incluem menções à marca que têm palavras/frases positivas anexadas a elas. Os clientes têm sentimentos positivos em relação à sua marca e querem recomendar seus produtos ou serviços para seus entes queridos. Quanto mais menções positivas sobre a marca, melhor é a percepção da sua marca aos olhos dos clientes. 

Os exemplos incluem: 

  • Feliz: quando um cliente adora seu produto ou serviço e compartilha a experiência com amigos, dizendo como foi incrível. Por exemplo, “Serviço excelente por um preço acessível. Com certeza, voltaremos”.
  • Extremamente satisfeito: quando um cliente recomenda seu produto ou serviço para amigos e familiares. Esses clientes têm maior probabilidade de se tornarem defensores da sua marca. Por exemplo, “Eu gosto muito de como esse produto é fácil de usar e de como ele ajuda a gerenciar minha equipe com sucesso. Sem dúvida, é uma das melhores ferramentas de gerenciamento de equipes que já usei”.

3. Sentimentos neutros nos quais as marcas podem trabalhar para transformar a opinião dessas pessoas em positiva 

Sentimento neutro não é positivo nem negativo. Isso significa que essas menções à marca não contêm nenhuma palavra/expressão que possa ser classificada como positiva ou negativa. Em vez disso, elas apenas afirmam alguns fatos. 

Esses sentimentos oferecem uma excelente oportunidade para que as marcas entrem em contato com os clientes e peçam feedback detalhado sobre como foi sua experiência. 

Os exemplos incluem: 

  • Sem comentários: quando um cliente parece satisfeito com seu produto ou serviço, mas não expressa seus sentimentos com clareza. Em outras palavras, isso acontece quando o cliente não escreve algo nem bom nem ruim sobre sua marca. Por exemplo, “Bom trabalho, mas espero muito mais no futuro”. Ou “O filme foi incrivelmente imprevisível”.

Porque você precisa da análise de sentimentos

Em uma era em que os clientes estão no centro e compartilham feedback como nunca antes, criar produtos e campanhas que atraiam seu público e façam com que você se destaque é fundamental. É aí que a análise de sentimentos entra em jogo.

A análise de sentimentos é uma métrica valiosa para as empresas, pois oferece feedback dos seus clientes em tempo real. Além disso, ela permite que você descubra as emoções do seu público sobre sua marca, o que pode tornar seus produtos, serviços ou campanhas mais eficientes.

Não importa em que estágio seu negócio esteja, a análise de sentimentos deve ser uma estratégia essencial para levar a presença on-line da sua marca para outro patamar. Leia este guia para saber mais sobre como integrar o social listening à sua estratégia de experiência do cliente.