A análise de sentimento é o processo de classificar uma menção sobre uma marca como positiva, negativa ou neutra, consoante o tom com que alguém fala dela. Serve para perceber depressa se a conversa pública sobre uma marca está a melhorar ou a piorar, sem ser preciso ler cada menção uma a uma.
Esta classificação é uma camada dentro de uma prática mais ampla: o social listening, que acompanha várias frentes da conversa sobre uma marca, do volume aos temas mencionados até ao tom com que se fala dela. O sentimento cobre essa última frente; interpretar as três em conjunto é o que dá sentido ao panorama completo.
Um exemplo de cada categoria
- Positiva: “Adorei o produto novo, superou as minhas expetativas.” Expressa satisfação ou entusiasmo claro com a marca ou com o que oferece.
- Negativa: “Já lá vão três dias à espera de uma resposta e nada.” Expressa frustração, queixa ou insatisfação com a marca.
- Neutra: “Alguém sabe se fazem entregas para a minha cidade?” Não expressa opinião nem a favor nem contra; só menciona a marca sem tom definido.
As três categorias parecem simples nestes exemplos, mas muitas menções reais caem em zonas cinzentas. Um comentário que mistura um elogio com uma queixa (“adoro o produto, mas a entrega demorou demasiado”) pode classificar-se de mais de uma forma, consoante que parte do texto pesar mais na análise.
Como se faz esta classificação
Manualmente, alguém lê cada menção e decide em que categoria cai, consoante o tom do texto. Isto funciona bem com poucas menções, mas torna-se inviável quando uma marca recebe centenas ou milhares de menções por semana.
As ferramentas automatizadas fazem esta mesma classificação a partir da análise do texto, identificando palavras e padrões associados a cada tom. Nem sempre acertam a cem por cento, sobretudo com sarcasmo ou ironia, mas permitem classificar um volume de menções que seria impossível rever à mão.
Pense numa marca que recebe mil menções numa semana. Ler cada uma à mão, decidir o seu tom e manter a contagem levaria horas de trabalho dedicadas só a essa tarefa. Uma classificação automática faz esse mesmo trabalho em minutos, deixando às pessoas da equipa tempo para rever os casos que de facto precisam de uma resposta pontual, em vez de gastarem esse tempo a classificar uma a uma.
Isto não significa que a classificação automática substitua por completo o trabalho humano. Uma equipa pequena, com algumas dezenas de menções por semana, pode perfeitamente continuar a classificar à mão sem grande esforço. É só quando o volume ultrapassa o que uma ou duas pessoas conseguem rever com atenção que a automatização passa a fazer sentido, não como substituto do critério humano, mas como forma de o aplicar onde de facto importa. É nesse ponto que entra uma plataforma de social listening: filtra o volume para que a atenção da equipa se concentre nos casos que de facto precisam dela.
Por que isto importa para a reputação
O sentimento sozinho, numa única menção, diz pouco. O que importa é a tendência: se a percentagem de menções negativas sobe ou desce de uma semana para outra, ou de um mês para outro, face ao total de menções classificadas.
Um aumento repentino de menções negativas sobre o mesmo tema costuma ser o primeiro sinal de uma tendência que vale a pena acompanhar de perto, incluindo a possibilidade de esta se transformar em algo maior.
Por exemplo, se a percentagem de menções negativas de uma marca passa de 10% para 30% numa só semana, isso já diz algo relevante, mesmo antes de ler uma única menção em detalhe: algo mudou, e vale a pena investigar o quê. O glossário de social listening reúne este e outros termos relacionados, como volume de menções e crise de reputação.
Vale ainda notar que a análise de sentimento costuma funcionar melhor por comparação do que isolada. Uma marca que descobre que 20% das suas menções são negativas pode entrar em pânico à primeira vista, sem saber que esse valor é normal para o seu setor, ou pode relaxar demasiado depressa se não perceber que esse mesmo valor representa um salto brusco face às semanas anteriores. É a comparação ao longo do tempo, e não o número isolado, que costuma revelar se há de facto algo a acontecer.
Um exemplo ajuda a tornar isto concreto. Uma marca de viagens que costuma ter 15% de menções negativas, sobretudo relacionadas com atrasos de voos, não deve entrar em alerta só por ver esse número num relatório semanal isolado. Mas se essa mesma marca notar que a percentagem subiu para 35% numa semana em que não houve nenhum atraso fora do habitual, vale a pena procurar o que mudou, porque o salto em si já é mais informativo do que o valor absoluto.
Perguntas frequentes
A análise de sentimento substitui a leitura das menções importantes?
Não. Serve para priorizar: saber que menção rever primeiro consoante o seu tom, não para substituir a leitura humana de casos que exigem uma resposta pontual.
O que acontece com o sarcasmo ou a ironia?
É o caso mais difícil de classificar bem, tanto para uma pessoa como para uma ferramenta automatizada. Uma frase sarcástica positiva na forma mas negativa no fundo pode ser mal classificada se for lida à letra.
As menções neutras contam como algo mau?
Não. Uma menção neutra não expressa opinião clara, nem a favor nem contra. Não retira nem soma à perceção geral, mas continua a contar dentro do volume total de menções.
Uma percentagem de menções negativas alta é sempre motivo de preocupação?
Não necessariamente. Setores diferentes têm níveis normais diferentes de menções negativas: uma marca de telecomunicações, por exemplo, costuma ter uma percentagem mais alta do que uma marca de produtos de beleza, porque as queixas sobre serviço são, por natureza, mais frequentes nesse tipo de setor. O que merece atenção é a variação face ao habitual da própria marca, não o número visto isoladamente.
Se quiser aprofundar como este conceito se aplica junto com outras métricas de reputação, descarregue o guia introdutório de social listening da Buzzmonitor.