Ik las een aardig berichtje op nu.nl waarin aangekondigd wordt dat berichtjes op Twitter een film maken of breken. Een website genaamd Fizziolo.gy heeft zich gespecialiseerd in het monitoren van de meningen social media gebruikers om zo de stemming rondom bepaalde films te peilen. Zij screenen, naar ik mag aannemen, diverse social media networks om te kijken of er een “buzz” hangt rondom de film. Ze meten zowel het volume (het aantal berichten) als de toon van de berichten (ingedeeld in positief, neutraal en negatief). Vervolgens plakken ze er een statistiekje overheen en presenteren ze dit als de top 10 buzz films. Vanuit enorme massa’s meningen op het web wordt dus een algemeen beeld gedestilleerd. Dit noemen we “sentiment analyse”.
Doen we het goed?
Sentiment analyse wordt één van de interessantste ontwikkelingen op het internet de komende jaren. In de eerste jaren van het internet zette een bedrijf wat info online en vuurde de informatie af op consumenten en je hoorde nooit wat terug. In de 2.0 fase, die nu hoogtij viert, komen gebruikers en consumenten met meningen in recensies, web-logs, tweets, facebook-berichten, Hyves-berichten en tientallen andere vormen van user-generated-content. Als bedrijf moet je daar wat mee, maar hoe pak je het aan? Het is, zeker voor grotere bedrijven en multinationals, onmogelijk om alle individuele berichtjes te analyseren en daaruit een beeld te schetsen dat de vraag beantwoord:”Doen we het goed”?
Mogelijkheden
Hier komt sentiment analyse goed van pas. Door middel van een aantal scans van diverse social media kanalen zou je als bedrijf gelijk een redelijk representatief beeld van de opinie over het betreffende onderwerp kunnen krijgen. Enkele mogelijke praktijkvoorbeelden zijn:
- Als software bedrijf release je een nieuw programma, maar uit de sentiment analyse blijkt er een negatieve “vibe” te onstaan? Hoe kan dat? Nader onderzoek leert dat er een bug inzit. Door snel een bugfix of patch uit te brengen en deze ook op die kanalen te verspreiden, kun je kijken of je opinie iets omhoog krikt.
- Tijdens de verkiezingen kunnen gelijk na de debatten sentiment analyses worden gedaan op het web, om te kijken hoe er over het debat gedacht wordt, maar ook over de individuele deelnemers aan het debat.
Zo zijn er ongetwijfeld nog tientallen andere nuttige voorbeelden te bedenken. Het mooie is natuurlijk dat je straks kan monitoren hoe de opinies op social media kanalen gaan veranderen nadat je een bepaalde actie hebt uitgevoerd. Je kunt leren als bedrijf van je fouten en sneller reageren als je merkt dat de negatieve buzz rondom om je merk op 88% staat.
Techniek
Zoals je hebt gelezen, ben ik vrij voorzichtig in de formulering en spreek ik veel in termen van “mogelijk” en “zou kunnen”. Het analyseren van teksten door computers zal voorlopig nog lang niet feilloos zijn, denk aan ironie, culturele verschillen, afkortingen en typfouten. De semantische analyse werd in eerste instantie gekoppeld aan emotiewoorden (nice, good, bad, fail), maar de techniek schrijdt voort en inmiddels kunnen sommige systemen al complete teksten analyseren. Eén de interessantste platformen op dit moment is OpenAmplify, check hier een aardige video over semantische analyse.
Rise of the machines
Iederen die ooit een Terminatorfilm heeft gezien kent het verhaal over het computersysteem Skynet, dat zelfbewust wordt en zich tegen de mensheid keert. Nu zal het zo’n vaart absoluut niet lopen, maar we gaan wel richting een tijdperk waarin wij niet alleen het gedrag van een computer gaan analseren, maar dat het omgekeerde zeker ook het geval gaat worden, mits de techniek doorontwikkeld wordt.
Overigens werd de film “Couples Retreat”, die overigens wel een hoge opbrengst heeft gerealiseerd, op Fizziolo.gy 84% positief, 8% neutraal en 8% negatief gebuzzed, maar is het gemiddelde cijfer IMDB een 5.7. Misschien een gevalletje vals sentiment?