Desvendando o NLP — Parte 3: saiba o que é a Análise de Sentimento
Quer ouvir o nosso texto em vez de ler? É só clicar no player abaixo!
Estamos de volta com mais um artigo da nossa minissérie Desvendando o NLP.
Agora que já sabemos o que é e como funciona o Processamento de Linguagem Natural, vamos nos aventurar um pouco na Análise de Sentimento.
A Análise de Sentimento é uma técnica usada no NLP para interpretar e classificar os sentimentos agregados a textos como e-mails, pesquisas, mídias sociais e assim por diante. Esse processo automatizado classifica os sentimentos como positivos, negativos ou neutros.
A Análise de Sentimento é comumente usada no meio comercial para conhecer a reputação das empresas e entender melhor os consumidores. A partir daí, as empresas conseguem aprender o que deixa seus clientes felizes ou frustrados, e podem personalizar seus produtos e serviços para atender às necessidades de seus consumidores.
Vantagens
Outras vantagens da Análise de Sentimento incluem:
- Processamento rápido de dados, sendo possível analisar muito mais dados em um tempo muito menor — quando comparado à análise manual. Imagina processar manualmente cada menção da empresa em tweets, posts e vídeos? Seria um esforço interminável…
- Análise em tempo real, possibilitando ações imediatas quando um problema aparece. Dessa forma, assim que as pessoas começam a comentar, a empresa já consegue identificar a crise e tomar as devidas providências.
- Análises consistentes, já que o sistema usa os mesmos critérios para analisar os dados, enquanto a análise humana pode ter vieses variáveis de interpretação de texto.
Desafios
Assim como nós, humanos, as máquinas também enfrentam dificuldades em analisar sentimentos de forma precisa. Por isso, a Análise de Sentimento é uma das tarefas mais difíceis dentro do NLP. Os principais desafios são:
- Tom e Subjetividade: um texto pode ser subjetivo e/ou objetivo. De maneira geral, os textos objetivos não contêm sentimentos explícitos, enquanto os subjetivos têm.
Exemplo:
"O doce é gostoso." → subjetivo.
"O doce é de chocolate." → objetivo.
- Contexto e Polaridade: analisar sentimentos fora de um contexto é bem difícil, já que o contexto pode ser determinante para a definição de um sentimento positivo ou negativo.
Exemplo — Imagine que em uma pesquisa sobre a avaliação de um restaurante, as respostas para uma pergunta tenham sido:
"Tudo!"
"Nada!"
Se a pergunta tiver sido “O que você mais gostou no restaurante?”, a primeira resposta seria positiva, enquanto a segunda, negativa. Mas, se a pergunta tiver sido “O que você acha que precisa melhorar no restaurante?”, então a primeira resposta seria negativa, e a segunda seria positiva.
- Ironia e Sarcasmo: nesses casos, as pessoas expressam seus sentimentos negativos usando palavras positivas, o que dificulta o trabalho de entendimento do NLP.
Exemplo — Imagine um gerente perguntando como foi a experiência do cliente no restaurante:
"Nossa, fui super bem tratada!"
Essa frase pode ser dita com ou sem ironia.
- Comparações: sem um contexto explícito, o NLP pode enfrentar dificuldades ao lidar com frases comparativas.
Exemplo:
“Esse suco é melhor do que os anteriores”
Como você classificaria essa frase? Positiva, neutra ou negativa? É difícil fazer essa tarefa sem ter um contexto, afinal, o que a pessoa achou sobre os sucos anteriores? Se ela tiver achado os sucos anteriores terríveis e esse suco “melhor”, significa que ele é bom, razoável ou "menos ruim"?
Aplicações
Há inúmeras possibilidades de se utilizar a Análise de Sentimento. Abaixo, vou listar algumas das aplicações mais populares:
- Monitoramento de Mídia Social: pelas redes sociais é possível entender os sentimentos dos usuário em tempo real e respondê-los rapidamente. Afinal, não basta saber que estão falando da sua empresa, é necessário saber o que estão falando!
- Monitoramento de Marca: além das redes sociais, outros sites, blogs, fóruns e reviews de produtos podem conter informações valiosas para a empresa. E aqui, novamente, o que importa não é apenas o volume de menções à marca, mas o conteúdo que está sendo publicado pelas pessoas.
- Voz do Cliente (VoC): pesquisas com os consumidores também podem fornecer dados importantes a respeito das emoções e opiniões dos clientes. Esses dados, por meio da Análise de Sentimento, refletem a visão que os consumidores têm da empresa.
- Serviço ao Cliente: a Análise de Sentimento serve não apenas para entender o que os clientes estão falando, mas também para melhorar a forma de atendê-los. Afinal, um cliente com sentimento negativo pode precisar de uma tratativa diferente de um cliente com sentimento neutro ou positivo, certo?
Na Mutant, algumas URAs já contam com a Análise de Sentimento e direcionam os usuários para caminhos diferentes a depender das palavras usadas por eles.
Já na Myra, especialista em comportamento do consumidor, o sentimento do cliente é analisado na voz e no texto escrito, seja via contato telefônico, chat, redes sociais ou WhatsApp. Com esses dados em mãos, a empresa entrega recomendações de negócio para melhorar a experiência entre as marcas e as pessoas.
Longe de ser meramente um detalhe, a Análise de Sentimento pode ajudar a melhorar a relação dos consumidores com as empresas. Uma pesquisa da PWC (2017/2018) mostrou que, na América Latina, 49% dos usuários abandonam uma marca após uma experiência ruim.
Nesse cenário, os designers conversacionais têm uma missão importantíssima de criar jornadas e fraseologias coerentes capazes de proporcionar uma interação eficiente e agradável entre humano e máquina.
Considerações Finais
Aqui encerramos a nossa minissérie Desvendando o NLP!
Obrigada a todos que nos acompanharam ao longo dessa breve jornada! Foi muito rico poder desbravar um pouco do — gigantesco — universo de NLP, e espero que esses textos contribuam para que outras pessoas conheçam e se interessem mais pelo assunto.
Até mais!
Curtiu o texto? Quer trocar uma ideia sobre design conversacional? É só mandar um e-mail pra redacao.xd@mutant.com.br. Se ficou a fim de trabalhar com a gente, aí é só entrar aqui. E segue também o nosso Medium pra saber quando tem texto novo!
