Desde ayer nuestra API de Análisis de Sentimiento está disponible, junto con otros cinco idiomas, en portugués. Esta ha sido una solicitud bastante frecuente por parte de nuestros amigos en países que hablan portugués.
Para vuestra referencia, en la siguiente tabla tenéis la cobertura actual de idiomas de MeaningCloud.
NOTA DEL EDITOR: Este es un post invitado de Leopoldo Martínez D., investigador, consultor de inteligencia empresarial con redes sociales y profesor en UCV e IESA (Venezuela), y fue publicado inicialmente en su blog.
Como se planteó en la primera parte de este post, a continuación se mostrará la evaluación de la reputación en línea en una situación real relacionada con el sector turismo.
Entre los días 6 y 15 de enero de 2017 estaba programada la celebración de un festival de música en Playa del Carmen, contando con una serie de eventos tanto musicales como relacionados al sector turismo. El día 15 de enero ocurrió un tiroteo en un bar conocido en el cual se celebraba un evento de cierre del festival.
En el momento en que ocurrió el tiroteo se activaron las redes sociales para informar sobre el incidente, así como para publicar comentarios sobre el contexto en que había ocurrido ese incidente. Un dato interesante que mostraron algunas conversaciones es que el tiroteo no era un hecho aislado, sino que tenía su origen en la “situación de criminalidad en la que se encontraba la Riviera Maya desde el año 2011”.
¿Podrá este evento afectar la imagen del sector turismo? ¿Será que la “situación de criminalidad de varios años” ya ha afectado la imagen del sector turismo? Estas y otras preguntas se las deberían estar haciendo los actores (públicos y privados) que prestan servicios y productos en esta zona turística.
NOTA DEL EDITOR: Este es un post invitado de Leopoldo Martínez D., investigador, consultor de inteligencia empresarial con redes sociales y profesor en UCV e IESA (Venezuela), y fue publicado inicialmente en su blog.
En el post previo planteaba que las conversaciones que se llevaban a cabo en las comunidades virtuales fomentadas por el plan de marketing digital, generaban una retroalimentación que era útil para evaluar y controlar el desempeño de la estrategia de marketing digital.
Esta retroalimentación podría traer consigo una cantidad inmensa de datos (Big Data) que será valiosa, ya que permitirá crear una base de conocimiento sobre qué se está hablando, quién lo está hablando, quién está ejerciendo mayor influencia, impacto sobre imagen de marcas, productos, personas u organizaciones.
Asimismo, esta base de conocimiento también se puede ver alimentada por conversaciones que surjan de eventos imprevistos, que no forman parte del plan de comunicación, pero que giran en torno a temas de interés para las comunidades virtuales.
En el caso particular del impacto que tendrían las conversaciones será importante prestar atención (más allá que escuchar) a lo que se está diciendo, a través de métricas (cualitativas y cuantitativas) que reflejen la percepción que tienen los actores de una comunidad virtual sobre marcas, productos, personas u organizaciones, siendo esta percepción una medida de Reputación en Línea.
En este sentido, el fin de este post es mostrar de una manera sencilla cómo llevar a cabo una escucha activa de conversaciones en redes sociales, para evaluar la reputación en línea.
Continuar leyendo
El pasado día 7 de febrero presentamos nuestro webinar “Clasificación, extracción de topics, clustering… ¿Cuándo usar las diferentes herramientas de Analítica de Texto?”. Gracias a todos por vuestro interés.
En la sesión cubrimos la siguiente agenda:
IMPORTANTE: En este tutorial, puedes encontrar los datos que analizamos durante el webinar.
¿Interesado? A continuación tienes la presentación y la grabación del webinar.
(This webinar was also delivered in English. Please find the recording here.)
Continuar leyendo
La mayoría de la información útil para las organizaciones está “enterrada” en forma de texto no estructurado (documentos, interacciones en el contact center, conversaciones sociales…). La analítica de texto nos ayuda a estructurar esos datos y convertirlos en información útil. Pero ¿qué herramientas de analítica de texto son las más adecuadas en cada caso? ¿Cuándo debería utilizar extracción de información y cuándo categorización o clustering? ¿Qué aplicaciones se pueden beneficiar más de la analítica de texto? ¿Cuáles son los retos?
Regístrate en este webinar de MeaningCloud el martes 7 de febrero a las 17:00 h. (CET) y descubre respuestas a estas y otras preguntas, usando ejemplos prácticos.
ACTUALIZACIÓN: este webinar ya ha tenido lugar. Ver la grabación aquí.
(This webinar has been delivered in English too, see the recording here.)
El pasado día 4 de octubre presentamos nuestro webinar “Aprende a desarrollar clasificadores de texto a medida con MeaningCloud”. Gracias a todos por vuestra asistencia.
Empezamos presentando cómo realizar clasificación de texto con MeaningCloud y por qué es necesario desarrollar modelos a medida que se adapten al cada escenario concreto de aplicación. El grueso de la exposición consistió en utilizar un caso práctico (análisis de críticas de restaurantes) para mostrar cómo se pueden desarrollar esos modelos usando nuestro producto.
Una de las preguntas más habituales que recibimos a través de nuestra línea de soporte es cómo hacer una clasificación de texto según taxonomías específicas de la aplicación. Por ejemplo, alguien que necesite analizar llamadas en el contact center y respuestas abiertas a encuestas de un banco puede estar interesado en clasificar esos mensajes según los diferentes tipos de productos y servicios de la entidad (depósitos, préstamos, hipotecas, etc.) o la naturaleza de la interacción (petición de información, contratación, reclamación, etc.).
Nuestra API de Text Classification soporta la taxonomía contextual estándar del IAB permitiendo etiquetar contenidos según ese modelo en grandes volúmenes y a gran velocidad y facilitando la participación en el nuevo ecosistema de publicidad online. El resultado es la impresión de anuncios en el contexto más adecuado, con un mayor rendimiento y protección de marca para los anunciantes.
La taxonomía contextual IAB QAG fue inicialmente desarrollada por el Interactive Advertising Bureau (IAB) como centro de su programa Quality Assurance Guidelines, que buscaba promover la seguridad de las marcas anunciantes, garantizando que sus anuncios no aparecían en un contexto de contenido inadecuado. El programa QAG incluía posibilidades de certificación para todo tipo de agentes en la cadena de valor de la publicidad digital, desde redes y exchanges publicitarios hasta publishers, supply side platforms (SSPs), demand side platforms (DSPs) y agency trading desks (ATDs).
Las Quality Assurance Guidelines sirven como un marco de autorregulación que garantiza a los anunciantes que sus marcas están seguras, aumenta el control de los anunciantes sobre la ubicación y el contexto de sus anuncios y ofrece transparencia al mercado estandarizando la información que fluye entre los agentes, al proporcionar un lenguaje claro y común que describe las características del inventario publicitario y de las transacciones a través de la cadena de valor.
Esencialmente la taxonomía contextual sirve para etiquetar contenidos y se compone de unos niveles 1 y 2 estándar -que especifican respectivamente la categoría general del contenido y una serie de subcategorías anidadas dentro de esa categoría principal- y de unos niveles 3 y siguientes que pueden ser definidos por cada organización. Las siguientes figuras presentan dichos niveles estándar.
El pasado día 3 presentamos nuestro webinar «Implementa un análisis de sentimiento totalmente a tu medida con MeaningCloud». Gracias a todos por vuestra asistencia.
Después de una breve introducción a MeaningCloud y al funcionamiento de su add-in para Excel desarrollamos un ejemplo práctico de análisis de sentimiento en un dominio concreto (críticas de restaurantes) y mostramos cómo las herramientas de personalización de MeaningCloud se pueden utilizar para aumentar la exactitud del análisis:
En conjunto, estas herramientas permiten a nuestros usuarios una gran autonomía en la personalización de MeaningCloud y ponen el análisis de sentimiento de la mayor calidad al alcance de todo el mundo.
Ayer celebramos nuestro webinar «10 formas de aumentar los beneficios de los medios utilizando metadatos», con la participación como invitado de Mario Tascón, experto en transformación digital de medios.
A continuación tenéis acceso a la documentación y a la grabación del webinar.
Y como complemento, haciendo clic en el siguiente enlace podéis descargaros el e-book inédito «Contenidos Inteligentes – 10 formas de aumentar los beneficios de medios y otros editores utilizando metadatos», donde se discuten en más detalle los contenidos del webinar.
Esperamos que os guste.
2024 © All Rights Reserved | Política de protección de datos | Condiciones de contratación | Data Processing Agreement MeaningCloud is a trademark by MeaningCloud LLC