Análisis de Sentimiento

1. 1
Trabajo Sesión 02
Conociendo los clientes con Análisis de Sentimiento
FLYERTALK.COM
Gustavo A. Alvarez Alvarez
Ericson Lazo Chileno
Con el avance de la tecnología en almacenamiento y analítica de datos masivos ha sido posible
mejorar el análisis de sentimiento, por ello el sitio web Flyertalk.com aprovecho para poder
conocer mejor a sus clientes y desarrollar mejores servicios y productos.
En 1986 nació la empresa Frequent Flyer Services (Flyertalk.com) y logro ocupar un nicho único
en el sector de los viajes como empresa que concibe, desarrolla y comercializa productos y
servicios exclusivamente para el viajero frecuente. En todo el mundo, estos programas para
viajeros frecuentes de aerolíneas, hoteles, alquiler de coches y tarjetas de crédito cuentan con
más de 75 millones de miembros que acumulan más de 650.000 millones de millas al año.
Flyertalk.com es uno de los sitios web de viajes con mayor tráfico, cuenta con chats y foros de
debates que cubren la información actualizada para los viajeros, así como programas de
fidelización tanto para aerolíneas como para hoteles. Con millones de usuarios generando
millones de publicaciones y comentarios, aprovecho la explosión de opiniones de sus clientes
expresadas en línea, pues sabía que los comentarios de los clientes actuales y potenciales que
brindan a su sitio web le proporcionaban una rica fuente de comentarios y buscaron la forma
de aprovecharlos.
Hoy en día las empresas más innovadoras saben que podrían tener aún más éxito a la hora de
satisfacer las necesidades de los clientes si los comprendieran mejor.
La respuesta al problema que se enfrentaba Flyertalk.com residía en el análisis de texto, pues
se había demostrado ser una herramienta invaluable para lograr esta necesidad, por ello
contrataron a Anderson Analytics para hacer el trabajo, una consultora de investigación de
mercado de servicio completo, abordo el problema utilizando software de análisis de texto y
minería de datos de última generación de SPSS que permite la aplicación de técnicas
lingüísticas, estadísticas y de reconocimiento de patrones a conjuntos de datos de texto
extremadamente grandes.
Debemos añadir que las técnicas de análisis de texto aplicadas para este caso no se limitan a
foros de discusión o blogs, sino que se pueden aplicar a cualquier fuente de datos de texto,
incluidos los extremos abiertos de encuestas, registros de centros de llamadas, bases de datos
de quejas y sugerencias de clientes, emails, redes sociales, datos, etc.
En este caso particular, los investigadores de Anderson Analytics redujeron el alcance a temas
de discusión dentro de un período de 12 meses en los cinco principales foros destinados a
discutir los programas de fidelización hotelera de los hoteles 5 estrellas.

2. 2
Como este estudio contiene datos de un período de un año, los datos se analizaron para
comprender cómo se discuten los temas mes a mes. Los datos de este caso particular revelaron
que la discusión sobre “promociones” en la junta directiva de Starwood fue particularmente
frecuente en febrero de 2006. Las comprobaciones cruzadas con la gerencia de Starwood
confirmaron que se lanzaron promociones especiales durante ese período. Esto demuestra una
forma de medir el impacto de diversas estrategias de comunicación, promociones e incluso
eventos externos no planificados.
La analítica web puede resultar útil para complementar la comprensión de la sobre motivación
de algunos de los usuarios más activos sobre sus productos. Aunque puede resultar difícil
segmentar a los anunciantes con una sola publicación, los que publican con frecuencia pueden
proporcionar un conjunto relativamente rico de variables de segmentación. En este caso,
algunos temas motivacionales generales encontrados fueron la necesidad de estar
"informado", "encontrar ofertas" y el deseo de "retribuir".
Este caso describió cómo se aplicó el análisis de texto a la información publicada por usuarios
de servicios de viajes y hotelería; pero las mismas técnicas se pueden aplicar a otras industrias.
Una empresa podría descubrir, por ejemplo, cuando lanzar una promoción especial, los clientes
mencionan la oferta con frecuencia en sus publicaciones en línea.
Luego de investigar sobre análisis de texto que ayuda a identificar el aumento, la proporción
de publicaciones positivas y negativas relacionadas con la promoción. Puede ser una poderosa
herramienta de validación para complementar otras iniciativas de gestión de comentarios e
investigación de clientes primarios y secundarios. Las empresas que mejoran su capacidad para
navegar y explorar textos en foros y blogs relevantes para su industria probablemente
obtengan una considerable ventaja informativa sobre sus competidores.
Las empresas han descubierto que pueden competir con mucha eficiencia si obtienen una
visión real 360º de sus clientes. La retroalimentación que los clientes actuales y potenciales
brindan en blogs, foros y otros espacios en línea proporciona una rica fuente de
retroalimentación.
Referencias bibliográficas:
• Bernard Marr(2015), Big Data - Using SMART BIG DATA, Analytics and Metrics to make better
decisions and improve performance (pp. 106-134). United Kingdom: Jhon Wiley & Son Ltd.
• Gohar F. Khan(2015), Chapter 3: Social Media Text Analytics, Seven Layers of Social Media
Analytics. CreateSpace Independent Publishing Platform.
• Federico Alberto Pozzi (2017), Elisabetta Fersini, Enza Messina, Bing Liu, Chapter 3 -
Semantic Aspects in Sentiment Analysis. Sentiment Analysis in Social Networks (pp. 31-44).
Elsevier Inc.