Os diferentes indicadores para realizar uma análise de sentimento

Ao conduzir uma pesquisa de satisfação, é importante analisar os sentimentos presentes nos seus comentários. Um sentimento se refere à emoção ou atitude geral expressa por uma pessoa por meio de suas respostas ao questionário. Esses sentimentos podem ser categorizados como positivos (satisfação, contentamento), negativos (descontentamento, frustração) ou neutros (indiferença).

Analisar o sentimento expresso em um comentário permite identificar se o entrevistado está globalmente satisfeito ou insatisfeito com base nas palavras e expressões que ele usa.

Existem vários métodos para realizar essa análise: usando técnicas de machine learning, realizando codificação manual ou confiando na pontuação média atribuída.

Porém, além da metodologia utilizada, a forma de visualizar e representar os resultados é igualmente importante. De fato, assim como há várias maneiras de analisar dados, também há várias maneiras de ilustrá-los para facilitar a sua compreensão. A escolha do método de representação depende então de dois fatores principais: o objetivo do estudo (medir uma evolução, explicar razões de satisfação ou insatisfação, destacar particularidades segundo um perfil, comparar orientações segundo um contexto, etc.) e o formato de restituição dos dados (relatório, painel operacional, infográfico, etc.).

Neste artigo, exploraremos vários tipos de indicadores, com foco na análise das orientações positivas, negativas e neutras do feedback do cliente.

I - Proporção das orientações

Um dos métodos mais simples para analisar o sentimento de um texto literal é extrair a proporção de comentários positivos, negativos e neutros. Isso permite que você tenha uma visão geral rápida do sentimento predominante dentro do seu público de pesquisa. Essa proporção pode então ser representada na forma de porcentagens ou frequências para cada classe de sentimento.

Graças ao software de análise e data visualization como o DATAVIV da SPHINX Brasil, é fácil gerar gráficos que ilustram essa distribuição. No entanto, para análises mais aprofundadas, é útil incluir a lista de comentários associados a cada categoria de sentimento.

De fato, isso nos permite explorar o texto integral e identificar os principais motivos de satisfação ou insatisfação. Para enriquecer essa análise, também é possível adicionar dados contextuais sobre os autores dos comentários (gênero, idade, produto adquirido, etc.). Isso pode ajudar você a entender melhor o perfil das pessoas que expressam essas opiniões.

II – Nuvem de palavras filtradas

Nuvens de palavras são uma ótima maneira de visualizar os principais temas que emergem dos comentários analisados. Nesse tipo de representação, o tamanho das palavras é proporcional à sua frequência e relevância. Assim, é possível criar uma nuvem de palavras para cada orientação (positiva, negativa, neutra), o que ajudará a identificar os temas mais mencionados pelos insatisfeitos e pelos satisfeitos.

No entanto, é importante ter em mente que uma palavra isoladamente pode às vezes ser confusa, porque o contexto da frase que a envolve desempenha um papel vital em seu significado. É por isso que é recomendável acompanhar a nuvem de palavras com o texto completo, para permitir uma análise mais precisa dos comentários que contêm essas palavras.

Em geral, as nuvens de palavras devem ser lematizadas, ou seja, as palavras devem ser reduzidas à sua forma base (verbos no infinitivo, substantivos no masculino singular, etc.), eliminando palavras supérfluas, como artigos ou preposições. Também podemos escolher combinar várias categorias gramaticais (substantivos, adjetivos, verbos, etc.) ou focar em apenas uma.

O exemplo acima representa os resultados de uma análise de avaliações de produtos em uma plataforma de compras. Assim, foram criadas duas nuvens de palavras separadas: uma para comentários negativos e outra para comentários positivos. Observe que palavras muito frequentes e sem valor agregado foram excluídas para destacar os termos realmente significativos.

III - Média

A média é um indicador sintético que resume o sentimento geral dos comentários. Cada resposta é assim ponderada (por exemplo, Muito Negativo = -2, Negativo = -1, Neutro = 0, Positivo = 1, Muito Positivo = 2), e a média destes valores dá uma visão geral do tom geral dos comentários. No exemplo mostrado abaixo, média é +1,2 em uma escala de -2 a 2.

Este indicador pode ser representado de diferentes maneiras, inclusive por meio de gráficos que ilustram a evolução da média ao longo do tempo. Isso permite visualizar se o sentimento geral está melhorando ou piorando ao longo de um determinado período e identificar os principais momentos em que o público estudado ficou particularmente satisfeito ou insatisfeito.

IV – Evolução da orientação média

Outra maneira de representar a direção do feedback é usar uma data para ver se o tom médio aumenta ou diminui ao longo de um determinado período. Isso torna muito mais fácil visualizar a tendência geral e identificar os principais momentos em que o público estudado ficou mais ou menos satisfeito. Isso permite que você se concentre nesses momentos-chave e tire conclusões mais precisas deles. Para este tipo de representação gráfica, é apropriado traçar a evolução da média (a média da orientação) por mês em um gráfico de linhas:

Essa evolução também pode ser representada pela proporção de cada tipo de orientação (positiva, negativa, compartilhada e sem opinião) por mês ou por ano, como no exemplo abaixo. Embora seja certamente mais complexo identificar uma tendência geral dessa maneira, obtemos mais detalhes que, dependendo do objetivo do relatório, podem ser interessantes.

V – Segmentação por área geográfica

Dependendo do tipo de estudo, pode ser relevante analisar seus dados em função da área geográfica dos seus entrevistados. De fato, isso nos permite detectar possíveis diferenças de satisfação dependendo da localização. Essa análise pode ser representada por mapas geográficos coloridos, mostrando o tom médio dos comentários para cada área estudada (região, departamento, país, etc.).

VI – Orientação temática

A análise temática ajuda a identificar tópicos recorrentes nos comentários dos usuários. Por exemplo, ao ler avaliações de produtos em um site de compras, os clientes podem escrever suas impressões sobre diferentes produtos. Esses temas podem ser extraídos manualmente ou usando um software como o Sphinx iQ3, que agrupa sinônimos automaticamente para facilitar essa tarefa.

Ao cruzar esses temas com a direção dos comentários, é possível saber se um assunto é geralmente percebido de forma positiva ou negativa. Essas informações são valiosas para identificar pontos fortes e fracos e, assim, implementar ações corretivas.

No exemplo abaixo, realizamos codificação textual para extrair temas de comentários de clientes deste site de compras usando o DATAVIV’ do software Sphinx. Em seguida, cruzamos os temas com a orientação e os representamos em um gráfico de barras. Assim, vemos que no tema “perfume importado”, gera mais comentários negativos e, ao contrário, o tema “smartphone”, gera mais comentários positivos:

Além disso, também é possível realizar uma análise de correspondência fatorial (AFC) cruzando os temas com a orientação para evidenciar ainda mais a relação entre cada tema e cada orientação:

VI – Orientação em função do tema e sua evolução

Além de identificar os temas de acordo com seu tom, também é possível acompanhar a evolução do tom de cada tema ao longo do tempo. Isso ajuda a entender por que a satisfação aumentou ou diminuiu em momentos específicos. Um mapa de calor é uma ótima maneira de representar essa evolução em múltiplas dimensões, especialmente quando você está lidando com muitos temas ou variáveis:

VII – Orientação negativa mas avaliação positiva

Por fim, um aspecto frequentemente negligenciado da análise de sentimentos é o estudo de comentários negativos feitos por clientes geralmente satisfeitos. Essas pessoas, embora satisfeitas com o produto ou serviço, às vezes expressam frustrações em relação a experiências específicas. Ao identificar esses comentários, é possível evitar a transformação de clientes promotores em detratores, corrigindo os problemas encontrados.

DICA: Para identificar os comentários dessas pessoas, basta filtrar a lista de comentários de acordo com duas variáveis: respostas com pontuação alta em uma questão de satisfação geral e com a orientação inserida como negativa.

Conclusão

Por fim, ao adotar essas diferentes abordagens, você poderá obter uma visão clara e completa dos sentimentos expressos pelos seus usuários, ao mesmo tempo em que identifica áreas prioritárias para melhorias.