Análisis de sentimiento

El análisis de sentimiento moderno funciona en dos capas. La primera asigna una polaridad a un fragmento de texto y lo puntúa como positivo, negativo o neutro, a veces con una cifra de confianza asociada. La segunda, llamada a menudo sentimiento por aspectos, vincula cada opinión con aquello de lo que realmente habla, de modo que una sola reseña puede registrar a la vez agrado por el producto, frustración con la entrega e indiferencia hacia el embalaje. Para una tienda que acumula miles de reseñas, esto convierte un montón ilegible en un resumen: qué proporción de clientes está contenta, qué productos atraen quejas y qué temas (talla, entrega, calidad, relación calidad-precio) siguen apareciendo. Resulta más útil como una primera criba. Te señala los productos y los asuntos que merecen una mirada humana más detenida, en lugar de reemplazar esa mirada.

Piensa en una tienda de Shopify que vende camisetas térmicas de lana merino. A lo largo de 600 reseñas la puntuación general resulta cálida, pero la vista por aspectos muestra un nudo de sentimiento negativo concentrado en la talla de un jersey, con frases como "talla pequeño" y "tuve que pedir una talla más" que se repiten. El comerciante actualiza la descripción de ese único producto con una nota sobre la talla, añade una guía de tallas con medidas y observa cómo las quejas sobre el tamaño se reducen en las semanas siguientes. Ninguna encuesta habría revelado eso con tanta rapidez, porque la señal ya estaba en un texto que nadie tenía tiempo de leer. La misma vista también puede captar lo contrario: un producto que el comerciante daba por mediocre recibe elogios discretos y repetidos por su durabilidad, algo que conviene promocionar en lugar de rebajar.

Donde se equivoca es en los matices. El sarcasmo ("genial, otra cremallera rota") suele puntuar como positivo por la palabra "genial". Las reseñas mixtas que alaban el producto pero critican el envío quedan aplanadas en una sola etiqueta que pierde ambos puntos. La negación, la jerga y el lenguaje propio de cada producto despistan a los modelos generales, así que a veces una valoración de cinco estrellas y su texto escrito no coinciden. Trata las puntuaciones como una señal, no como un veredicto, y revisa una muestra del texto original que hay detrás de cualquier tema antes de actuar.

El valor más profundo del sentimiento está en hacer legible un conjunto de reseñas, y esa misma legibilidad es la que premian los motores de respuesta. Cuando un comprador pregunta a ChatGPT, Perplexity o Google AI Overviews si una chaqueta talla pequeño o aguanta los lavados, esos sistemas se apoyan en el texto de las reseñas que pueden interpretar y convertir en afirmaciones claras y corroboradas. Un conjunto donde los temas recurrentes son explícitos, coherentes y fáciles de resumir tiene muchas más probabilidades de ser citado que uno donde las mismas opiniones están dispersas y se contradicen. El análisis de sentimiento es la forma de encontrar esos temas; conseguir que sean legibles, corroborados y citables es la brecha que cierra BeyondReviews.