Każda analiza danych ma na celu zrozumienie, jakie informacje zawierają. Czy coś się zmieniło, czy jest różnica pomiędzy A i B? Czy zmiany w A korelują z tymi w C lub D? Dopiero te etapy pozwalają nam wyciągnąć wnioski na temat wyników.
Pierwszy etap: pomiar. Jaki jest ten tekst?
Powyższe stwierdzenie dotyczy także analizy emocji czy sentymentu. Jej pierwszym etapem jest POMIAR, sprawdzenie ile i jakich emocji znajdujemy w danym tekście czy ich zbiorze. Rezultat prostego mierzenia emocji pokazuje natężenie każdej z 8 emocji podstawowych Plutchika uzupełnione o pozytywny i negatywny sentyment oraz pobudzenie (ogólną emocjonalną temperaturę tekstu). Czasami możemy sobie pozwolić na interpretację już na tym etapie. Zrobiliśmy to w jednym z naszych pierwszych wpisów, gdzie analizowaliśmy krótkie reklamy (co ważne, zdążyliśmy już poprawić sposób prezentacji wyników). Analizując reklamy chcieliśmy pokazać coś charakterystycznego dla całego typu tekstów: najważniejszymi emocjami są w nich radość i zaufanie, jedynie na samym początku opowiadania o produkcie twórcy pozwalają sobie na wspomnienie tych negatywnych – żeby pokazać trudy życia przed nastaniem epoki najlepszego na świecie szamponu lub smaru.
Poprawne wyniki POMIARU emocji to takie, które są zgodne z odczuciami ludzi, w końcu każdy z nas jest ekspertem od uczuć. Nasze narzędzie zawdzięcza swoją poprawność uczestnikom badań nad emocjami w języku polskim, które przeprowadziliśmy zgodnie z najlepszymi naukowymi standardami.
POMIAR to jedynie pierwszy krok w kierunku zrozumienia komunikatu i zawartych w nim emocji. Gdy mamy do czynienia z wieloma podobnymi tekstami lub zbiorami tekstów, musimy zrobić coś jeszcze. Chcemy dowiedzieć się, jaki sklep ma najlepsze opinie? Która z wersji naszego artykułu content marketingowego wyraża najwięcej entuzjazmu lub najlepiej pokazuje zaciekawienie tematem? Które z tekstów w dziale “Uroda” ucieszą, wzruszą lub ostrzegą czytelnika? Mówimy tu o PORÓWNANIU.
Drugi etap: porównania. Czy ten tekst odróżnia się od przeciętnego?
Porównanie to być może najważniejszy etap analizy emocji. Dzięki niemu dowiadujemy się nie tylko, jaki jest ten tekst, ale jak wypada na tle innych. Możemy porównywać bezpośrednio – jak zrobiliśmy pisząc o szminkach i pomadkach. Wtedy interesowało nas, który z tematów ma przewagę w zakresie pozytywnych emocji i czy ta różnica jest istotna statystycznie. Jednak porównanie między sobą kilku lub kilkunastu różnych marek kosmetycznych nie może zostać przeprowadzone w ten sposób, to nie byłoby poprawne podejście. Dlatego w tekście o firmach z branży beauty posłużyliśmy się porównaniem do średniej – potrzebowaliśmy jakiejś miary tła, czyli tzw. baseline. Takie podejście będzie przydatne na przykład podczas porównywania ze sobą sklepów i marek. Odpowiadamy wówczas na pytanie, która marka ma lepsze albo gorsze wyniki niż większość branży.
Najbardziej generalnym rodzajem baseline byłaby suma emocji charakteryzujących nie tylko dziedzinę, portal czy teksty danego autora, ale język po prostu. W językoznawstwie znany jest tzw. efekt Polyanny polegający na tym, że w każdym języku występuje więcej pozytywnych niż negatywnych wyrażeń. Nie tylko w słowniku, ale także w tym, co mówimy – ten efekt wyraża dość ogólną tendencję naszych umysłów do poświęcania czasu i energii raczej na przyjemne rzeczy. W naszych badaniach bardzo często widzimy tę tendencję – radości i zaufanie to emocje pojawiające się w największym natężeniu nie tylko w reklamie. Fakt, że język ma swoją emocjonalną średnią tym bardziej skłania do wyciągania wniosków dopiero na podstawie porównania, a nie samego pomiaru.
Trzeci etap: trendy. Co robią emocje?
Analiza emocji to także śledzenie zmian w czasie, czyli monitoring emocji. Możemy sprawdzić, czy smutek lub wstręt wykazują rosnący trend, czyli z dnia na dzień, tygodnia na tydzień jest ich coraz więcej w wypowiedziach na dany temat lub w opiniach klientów. Jeśli zauważymy trend, do tego istotny statystycznie, możemy przewidzieć, co wydarzy się w przyszłości. Przewidzieć, czy przypadkiem nie oznacza nadciągającego kryzysu (w zależności od nachylenia linii trendu).
Na tym etapie możliwe jest także wyjście poza dane pochodzące z narzędzi Sentimenti. My zaczęliśmy od czegoś prostego, dostępnego, a jednocześnie nietkniętego jeszcze przez innych. Porównaliśmy emocjonalne temperatury wzmianek o spółkach giełdowych z kursami ich akcji, publikowanymi przecież publicznie. SentiStock ma się świetnie, pozwala określić, czym faktycznie jest nastrój inwestorski i jak się przekłada na giełdowe fluktuacje.
Ta część analiz emocji zależy już w zupełności od tego, kto i do czego chciał zbadać wydźwięk tekstu, wzmianek, rozmowy. Nam udało się jeszcze pokazać, które emocje korelują pozytywnie z reakcjami na Facebooku i Twitterze – czyli jak pisać, żeby obserwujący chcieli polubić lub skomentować post. Jednak równie dobrze możemy zapytać o to, jak emocje korelują z zapamiętaniem informacji z tekstu. Badania z dziedziny psychologii emocji, także te prowadzone przez nasze współpracowniczki z LOBI, wskazują, że wydźwięk tekstu ma wpływ na to, co i jak dobrze zapamiętamy. Korelacja między opiniami klientów i sprzedażą w sklepie internetowym? Nasze narzędzia są stworzone do tego typu badań.
Po co tyle etapów?
Emocje nie powstały same dla siebie. To nasz mechanizm doradczy: mówią nam, jakie działanie podjąć. Tversky i Kahneman nie dostali nagrody Nobla za ich badanie. Dostali ją za pokazanie, że konsument, także ten giełdowy, nie jest racjonalny. To stwierdzenie mówi nam dwie rzeczy.
- emocje kształtują rynek,
- potrzebujemy dobrych narzędzi i metod, żeby badać ten wpływ.
Próbując zrozumieć emocje “na oko” nie będziemy wiedzieli więcej, niż przeciętny klient chcący kupić nowy komputer. Nie będziemy wiedzieć więcej niż, czytający wszelkie dostępne opinie i decydujący się na markę, dla której ma najcieplejsze uczucia. Zachowanie standardów naukowych, sprawdzanie, czy różnice i trendy są istotne statystycznie, a jeszcze lepiej korelują z innymi, twardszymi wskaźnikami, to najlepszy sposób na dowiedzenie się czegoś. W końcu żyjemy w epoce big data i analizy danych.