Propuesta de memoria para optar al Título de Ingeniero Civil Industrial "Aplicación de Sentiment Analysis en Twitter para el análisis de redes sociales en Bond.
Análisis comparativo del olivo en los mercados de Noruega, España y Perú
Defensa memoria UAI Sentiment Analysis
1. Sentiment Analysis enTwitter
Javier Correa A.
Valentina Poblete C.
Alumnos
JorgeVillalón
Profesor Guía
Aplicación de
para el análisis de redes sociales en Bond.
Propuesta de memoria para optar alTítulo de Ingeniero Civil Industrial
Enero 2015
2. Consultoría – Medios sociales – Comercio electrónico – Medios online – Marketing de contenidos
2
“Resolver los desafíos del negocio de los clientes,
utilizando estrategias digitales integrales”.
Holanda 100 - Providencia
3. Basados en algunas estadísticas
92% de los consumidores da mayor importancia a los
comentarios y opiniones de la gente cercana que a la
información de otros medios.
90% de los clientes reconoce que un comentario positivo
influye en la elección del producto.
3
Fuente:
4. Según una encuesta realizada por
Deloitte
Decisiones
estratégicas
Empresas de
Prestación de
servicios y Retail
Incrementar la
reputación de la
marca
Generar
marketing “boca
a boca”
Crear ventajas
competitivas
Fuente:
5. Redes sociales más utilizadas
Fuente:
96%
66%
56%
34%
31%
Facebook
Youtube
Twitter
Google +
Linkedin
6. Actividades realizadas por los usuarios…
Fuente:
66%
58%
52%
39%
37%
34%
Ver que hacen sus contactos
Ver videos, música
Enviar mensajes
Publicar contenidos
Chatear
Comentar la actualidad
7. Según la Fucqua School of Business de
la Universidad de Duke
15% de las empresas tiene las herramientas necesarias para medir el
impacto de las redes sociales en su negocio
100% de aumento de inversión en temas de social media como
herramienta de comunicación en los próximos cinco años
66% de crecimiento en la inversión de tecnologías de análisis de
información
7
Fuente:
13. Objetivo
Desarrollar una herramienta de extracción y
clasificación de comentarios deTwitter asociados a
una marca o producto específico, determinando si el
comentario tiene orientación positiva, neutra o
negativa
13
14. Sentiment Analysis
“ El servicio de movistar es muy bueno, me encanta”.
Servicio movistar muy bueno encanta
𝑽 𝟏 = (𝒔𝒆𝒓𝒗𝒊𝒄𝒊𝒐, 𝒎𝒐𝒗𝒊𝒔𝒕𝒂𝒓, 𝒎𝒖𝒚_𝒃𝒖𝒆𝒏𝒐, 𝒆𝒏𝒄𝒂𝒏𝒕𝒂)
23. Preparación de los datos
Preparac
ión de
los datos
1ra Extracción
Filtro: Idioma Español
Comentarios en
varios idiomas
Fes possible el cap d'any tarragoní votant
(és només UN CLICK) el projecte
http://t.co/Du2gaGArSj
#MovistarArtsyespa…
I posted 9 photos on Facebook in
thealbum"Gran Premio Movistar de
Aragón 2015" http://t.co/WwtBDP6SuM
24. Preparación de los datos
Preparac
ión de
los datos
2da Extracción
Filtro: Eliminación de Retweets
Retweets
redundantes
Tweet: Si tienes una emergencia
comunícate desde tu Movistar al *911
#SeguridadVial
RT @MaquinaDelAire: Si tienes una
emergencia comunícate desde tu Movistar
al *911 #SeguridadVial #LaMáquina
25. Preparación de los datos
Preparac
ión de
los datos
3ra Extracción
Filtro: Eliminación de palabras claves
Palabras como
“Chévere” ,
“Concierto”,etc.
Guayaquil, la tercera ciudad con 4G LTE de Movistar:
En sectores comoSamborondón(Guayas), la
Alborada,Kenne... http://t.co/KoqnLvvzOC
Libera tu lumia de Argentina (Personal, Claro o
Movistar), mensaje alwhatsapp+5493764725434
Chama vieron que enVenezuela ya se va Movilnet y
movistar, ese día será mi muerte por si no lo sabían
26. Preparación de los datos
Preparac
ión de
los datos
Limpieza
Filtro: Eliminación de Stopwords y Puntuación
Palabras y signos
que no aportan al
análisis.
Maldita sea Movistar que no me
deja mandar mensajes al
extranjero
Maldita movistar no deja mandar
mensajes extranjero
38. Conclusiones &
Recomendaciones
• Se entrega un producto con un precisión en la sentimentalización de un 61%, escalable y
adaptable a las necesidades del usuario.(validado con el encargado de Bond)
• El producto permite incrementar la cantidad de información analizada de 2.000 a
150.000 tweets al mes.
• Se logra un ahorro inmediato en tiempo liberado de analista de 840.000 CLP al
mes, y la utilización del código creado para generar una plataforma de análisis de datos de
redes sociales tiene un ahorro potencial de 135 UF/mes, cuyo costo de inversión se
recupera después de 12 meses.
• Se recomienda ampliar dicho análisis a los comentarios que se puedan extraer de
cualquier red social, como por ejemplo los comentarios del fun page de la marca en
Facebook.