Door Robert Hoeksema
Director Benelux bij OpenText

Of het nu gaat om het boeken van een hotel, het winkelen bij een nieuwe webshop, de aanschaf van een nieuw softwarepakket of het peilen van een potentiële nieuwe werkgever, momenteel gaat bijna alles gepaard met een zoekrondje online. Reviews spelen hierin een belangrijke rol; wat er online over jouw product of bedrijf wordt gezegd, weegt zwaarder dan welke reclamecampagne dan ook. Mensen nemen nou eenmaal makkelijker iets aan van mensen dan van bedrijven.

Door de talloze plekken waar recensies worden achtergelaten, zie je in het woud der meningen al snel de algehele teneur niet meer. Dat is precies wanneer een sentimentanalyse van pas komt. Met behulp van web- en social media crawlers – tools waarmee je online content analyseert – kun je eenvoudig een grootschalige opinieanalyse uitvoeren op bijna alle online content. Text mining noemen we dat. Met een sentimentanalysemodule analyseer je welke uitspraken subjectief en welke objectief zijn en wat de toon van de uitingen is. Dat kan gaan over mensen, namen, producten of organisaties, en is zelfs mogelijk voor tekst in meerdere talen. Maar wat weet je nou eigenlijk na zo’n analyse, en wat kun je ermee? 

1. Bepaal de teneur
Een belangrijke vereiste voor een dergelijke analyse is subjectiviteit. De content die moet worden geanalyseerd moet op een bepaalde manier gekleurd zijn. Documenten als financiële rapporten, technische specificaties, wetenschappelijke artikelen, belastingformulieren of gebruikershandleidingen lenen zich dus niet goed voor zo’n analyse, aangezien de inhoud daarvan feitelijk en objectief moet zijn.

Maar waarom moet de software juist meningen en emoties – dingen die per definitie alleen in iemands hoofd bestaan en vaak geen rationele basis hebben – opsporen? Simpelweg omdat subjectieve meningen de basis vormen voor veel keuzes, zowel persoonlijk als op bedrijfsniveau. Emoties zijn daarbij goede graadmeters van wat er speelt bij de consument. Bijvoorbeeld: wanneer je naar meldingen bij de klantenservice kijkt, dan zie je dat bij het eerste gebruik van een nieuw product er een paar issues zijn die moeten worden opgelost. Dat kun je simpelweg beschouwen als ‘klachten’, bijvoorbeeld over een softwarefeature of hotelaccommodatie, maar het is in feite altijd een mening – en niet altijd per se een klacht. Dankzij de software kan het soort mening worden vastgesteld, zoals de toon van het bericht; positief of negatief.

De sentimentanalyse gaat verder dan het voor de vuist weg verzamelen van wat iedereen over een product of dienst zegt en het daarbij benoemen van de meest genoemde termen. Het geeft ook aan welk aspect van een feature of hotel het meest besproken wordt en maakt inzichtelijk wat klanten daar daadwerkelijk van vinden.

2. Signaleer trends en stemmingen
Een sentimentanalysetool geeft voor elke zin in elke soort tekst subjectiviteit en tone of voice weer. De meningen binnen een tekst kunnen positief, negatief of neutraal – en soms dubbelzinnig – zijn. Wanneer de analyse wordt toegepast op een groot aantal reviews, geeft het aan of de algemene trend positief of negatief is.

Het gaat hier om natuurlijke tekstverwerking. Uiteraard kunnen er factoren meespelen in de context die alleen kunnen worden gezien door in dezelfde kamer te zitten als de schrijver van de tekst. Zo kan iemand die ‘Dit is echt een fantastisch product’ typt, dat sarcastisch bedoelen. Hoewel sarcasme en ironie ook steeds beter als dusdanig herkend worden door analysetools, kan dit af en toe nog over het hoofd gezien worden. Ook kan iemand iets in een review een ‘eerlijke’ prijs voor iets vinden, terwijl een ander daarvan steil achterover slaat. Daarom moet de sentimentanalyse worden gezien als handige tool om algemene trends en stemmingen te peilen, maar niet per se om individuele meningen te duiden. 

3. Koppel het aan de juiste data
De echte waarde van sentimentanalyse schuilt dus in de statistieken. Ga maar na: als je maar twee reviews hebt gelezen over product, hoe positief ook, ben je dan echt overtuigd van je keuze? Vergelijk dat eens met je productkeuze op basis van vijfduizend reviews, waarvan het gros positief was. Waarschijnlijk kies je met een veel geruster hart voor deze laatste optie, zelfs al zitten daar ook negatieve reviews bij. Hetzelfde geldt voor de resultaten van de tool: de overkoepelende emotionele waarde die voortvloeit uit duizenden reviews, geschreven door duizenden gebruikers, geeft je het ware verhaal. In een volgende stap worden deze resultaten samengevoegd met topics, personen, producten, keywords, omzetindicatoren, data, enzovoorts, om zo de specifiekere inzichten te achterhalen.

Door er andere data aan te koppelen, kan de module worden gebruikt om reële cijfers te genereren, en zelfs algoritmes toe te passen om positieve of negatieve resultaten met specifieke informatie uit een database te laten correleren. Dat biedt mogelijkheden. Zo kun je bijvoorbeeld aantonen waarom en wanneer de communicatie tussen een klantenserviceteam en een klant omsloeg van positief naar negatief, of kun je het gemiddelde sentiment per onderwerp binnen je productrange achterhalen. In de afbeelding hieronder staat een voorbeeld gepresenteerd. Zo wordt inzichtelijk welk deel goed is geland bij het publiek en welk niet. Wanneer je dat weet, kun je ervoor zorgen dat je de goed gewaardeerde aspecten op peil houdt, en de minder gewaardeerde gaat aanpakken. Dat wordt data pas echt waardevol.