• Michel

Marketing Social

As redes sociais oferecem um campo muito interessante para a aplicação de Machine Learning. Nelas, os usuários expõem pensamentos e sentimentos, que podem ser decisivos para processos de compra e mesmo para a solução de problemas percebidos em comentários negativos. Neste artigo apresentamos as ideias de Análise de Sentimento através da Mineração de textos na web.

Nós e links em uma rede social

Google, Facebook, Twitter, Linkedin são exemplos de canais que podem ser muitos relevantes para o marketing, e também áreas como recursos humanos e produção.

Em uma rede como o Facebook, os nós são os membros do Facebook e um link existente entre dois nós representa uma ligação de amizade. Assim, uma rede é constituída por pontos ou nós que são conectados por links ou arcos.

A difusão de novos produtos se dá através de indivíduos com maior influência on-line. Por isso devemos ter uma maneira de medir a importância de um nó ou link. Por exemplo, na Internet, Google, Wikipedia e Amazon são alguns dos nós mais importantes.

Os sites de vendas adorariam ter uma medida da importância de cada nó para assim alcançar as pessoas mais influentes ou saber como os posts e tweets de uma pessoa afetam a opinião de outras pessoas, ou ainda modelar a dinâmica que torna um vídeo viral.


A Mineração de Texto nas redes sociais refere-se ao processo de usar métodos estatísticos para recolher informações úteis de texto não estruturado. Todos os dias o Twitter processa mais de 400 milhões de tweets. Muitos destes tweets comentam produtos, programas de TV ou anúncios. Esses tweets contêm uma grande quantidade de informação que é valiosa para os profissionais de marketing. Por exemplo, se você ler cada tweet relacionado ao lançamento de um novo filme, você pode determinar se o público gostou ou odiou o filme. A este tipo de mineração de texto dá-se o nome de análise de sentimento.

Claro, é impraticável ler cada tweet que discute um filme. O que é necessário é um método para localizar todos os tweets com as palavras chaves, no caso, o nome do filme ou a atriz principal e detectar se existe associação com comentários positivos (“muito bom”, amei, etc.) ou negativos (péssimo, odiei, etc.). Além de analisar os tweets, você pode usar mineração de texto para analisar, blog posts, restaurantes, artigos de jornal, etc.. Felizmente existem ferramentas prontas de alta qualidade que executam estas tarefas. O que caberá ao usuário é a análise e tomada de ações.

As ferramentas modernas de mineração de texto e análise de sentimento permitem acompanhar tendências de consumo, intenção de compra, atributos do produto, formadores de sentimento, concorrentes ou conversas a nível de categorias.


Seis graus de separação


É a ideia que todos os seres vivos estão a seis ou menos “passos” distantes um do outro, ou seja, uma cadeia de "amigo de um amigo" pode ser feita para conectar duas pessoas quaisquer em um máximo de seis passos.

Em 1967, 0 professor de Sociologia de Harvard Stanly Milgram realizou uma interessante experiência. Ele deu a 296 residentes de Omaha, Nebraska, uma carta com o nome e o endereço de um corretor da bolsa vivendo em um subúrbio de Boston. O objetivo era que a carta para o corretor da bolsa chegasse com o número mínimo postagens. A regra do jogo era que a cada postagem a carta só podia ser enviada a um amigo da pessoa enviando a carta. 217 cartas dos moradores de Omaha foram enviadas e 64 chegaram ao corretor. A cada vez que a carta era postada contou-se um "salto". Levou em média 5,2 saltos para conseguir que a carta chegasse ao corretor (nunca mais de 10 saltos!) e o número médio de saltos foi 6, daí a frase "seis graus de separação".


Redes

A análise de redes sociais mapeia relacionamentos entre indivíduos e examina a estrutura das relações entre entidades sociais. Essas entidades são, muitas vezes pessoas, mas também podem ser grupos, organizações, nações, websites ou publicações acadêmicas.

Entre muitas outras aplicações, a análise de redes sociais tem sido usada para entender a difusão das inovações, notícias e rumores. Similarmente, tem sido usada para examinar a propagação das doenças e comportamentos relacionados com saúde e muitos outros.


Uma Uma rede como o Facebook é constituída de nós e links.

A importância de um nó pode ser avaliada pelo seu grau de centralidade e a de um link pode ser avaliada pelo grau de ligação, que são conceitos matemáticos definidos na Teoria dos Gráficos.

A estrutura de uma grande rede complexa pode ser resumida por dois números:

L = uma medida da distância média entre nós da rede.

Essencialmente um valor pequeno para L significa que para um par escolhido aleatoriamente de nós é provável que exista um caminho bastante curto que conectam os nós. Por outro lado, um grande valor de L indica que muitos pares de nós não estão conectados por caminhos curtos.

C = coeficiente de cluster local, que mede a extensão em que seus amigos são amigos uns dos outros.

C é um número entre 0 e 1 que mede a tendência dos amigos de uma pessoa a serem amigos uns dos outros. Porque a maioria dos seus amigos se conhecem, você esperaria que a maioria das redes sociais tenham um coeficiente de cluster relativamente grande.

Análise de Sentimento

Não é difícil ver como organizações podem afundar em uma montanha de dados que não fazem sentido depois de gastar tempo e dinheiro em um programa de mídia social e aparecer de mãos vazias. De mãos vazias, porque embora de posse dos dados críticos para o negócio, eles não sabem como decifrá-los.

Um bom lugar para começar a descobrir que tipo de dados que você precisa é verificando sua concorrência on-line. As diversas redes sociais (como Facebook, Instagram, LinkedIn e Twitter,) lhe darão uma boa imagem do que seus rivais estão fazendo.

A análise competitiva também requer que você “ouça” as conversas, acerca de sua empresa. Você também precisa saber quem está falando sobre você. Estes são os influenciadores que você vai querer identificar para a propagação positiva na rede.

Abaixo temos tres telas típicas na Análise de Sentimento

Os tweets mais influentes em 25/10/2015 as 1:54 PM GMT

Análise de Sentimento

Monitor de opinião sobre marca de produto

Implementando Mineração de Texto

As ferramentas modernas de mineração de texto permitem acompanhar tendências de consumo, intenção de compra, atributos do produto, formadores de sentimento, concorrentes ou conversas a nível de categorias.

Um dos grandes desafios na mineração de texto é, partindo de um pedaço não estruturado de texto como um tweet, artigo de jornal, ou postagem no blog, transformar seu conteúdo em um formato de planilha. Depois que foi dada alguma estrutura para o texto, aplicamos técnicas de Machine Learning (como redes neurais ou regressão logística) para organizar as informações. Muitas ferramentas prontas estão disponíveis para mineração de texto na web, porém a análise dos resultados não é trivial.


Como vimos acima, através da mineração de texto, podemos:

· Monitorar o que falam de seu produto nas redes sociais em tempo real

· Acompanhar a concorrência

· Realizar campanhas em função de eventos

· Encontrar oportunidades de novos negócios

A forma como o RapidMiner executa a mineração de texto é bastante intuitiva. A figura abaixo mostra o fluxo sumarizado do processo para as atividades de mineração texto.

O RapidMiner dispõe de uma variedade de operadores para mineração de textos. Textos de diferentes bases de dados podem ser carregados, e transformados com diversos filtros para análise. Além do texto puro outros formatos suportados são HTML, XML, PDF, etc.


Para uma visão detalhada da aplicação em Marketing Social clique neste vídeo.

3 Dimensões

Inteligência Artificial nas Empresas

Al. das Papoulas, 147 - Santana de Parnaíba - Alphaville, SP 06539-180 - (11) 4153 6004  - (11) 9 9795 9765

michel@3dimensoes.com.br