La sentiment analysis, o analisi del sentiment, è il metodo che classifica in automatico un testo, come un post, un commento o una recensione, in positivo, negativo o neutro, a volte misto. Applicata a centinaia di commenti ti dice come si sposta l'umore su un tema o su un nome; da sola però non spiega perché, e su ironia e campioni piccoli può sbagliare molto.
Questa guida spiega come funziona, con regole, modelli addestrati e modelli linguistici come quelli dietro Claude e ChatGPT, dove sbaglia e come usarla in una campagna senza farsi ingannare dai numeri.
Cos'è la sentiment analysis
L'analisi del sentiment assegna a ogni testo una polarità. Nella forma più semplice le classi sono tre: positivo, negativo, neutro. Molti sistemi ne aggiungono una quarta, misto, per i testi che dicono bene e male insieme. Altri danno un punteggio: le API di linguaggio naturale di Google, per esempio, restituiscono un valore da -1 a 1 per il tono e una «magnitudine» che misura quanta emozione c'è nel testo, come spiega la documentazione di Google Cloud. Un punteggio vicino a zero può voler dire un testo piatto oppure un testo misto, in cui positivo e negativo si compensano: la magnitudine serve a distinguere i due casi.
Si può misurare a livelli diversi:
- sul testo intero: il commento è positivo o negativo;
- sulla frase: utile per testi lunghi, come articoli e recensioni;
- sull'aspetto: «il servizio è ottimo, i prezzi no» è positivo sul servizio e negativo sui prezzi.
Sentiment e atteggiamento non sono la stessa cosa
Per una campagna la differenza è decisiva. Il sentiment misura il tono; l'atteggiamento misura se chi scrive è a favore o contro un soggetto preciso. «Finalmente hanno chiuso quella discarica, era ora, vergogna che ci abbiano messo dieci anni» ha un tono negativo ma è favorevole alla chiusura. Se misuri solo il tono, conti come contrario chi ti dà ragione con rabbia. Per questo, quando analizzi una conversazione, chiediti sempre: positivo o negativo verso chi o verso cosa?
Come funziona l'analisi del sentiment
I metodi sono di tre famiglie, spesso usate insieme.
Regole e dizionari
Un dizionario assegna una polarità alle parole («ottimo» positivo, «disastro» negativo) e alcune regole gestiscono negazioni e intensificatori («non male», «molto bene»). Il punteggio del testo nasce dalla somma. È trasparente ed economico, ma rigido: non capisce il contesto, sbaglia con l'ironia e con le parole che cambiano significato da un tema all'altro.
Modelli addestrati su esempi
Qui si parte da migliaia di testi etichettati a mano e si addestra un classificatore a riconoscere le classi. Per l'italiano il riferimento è la campagna di valutazione EVALITA, che con il compito SENTIPOLC ha messo a confronto sistemi diversi su tweet in italiano per soggettività, polarità e ironia. Nell'edizione del 2016, descritta nell'articolo di sintesi degli organizzatori, l'algoritmo più usato era la macchina a vettori di supporto (SVM) e alcuni gruppi usavano le reti neurali. Funzionano bene sul tipo di testi su cui sono stati addestrati, peggio su testi diversi.
Modelli linguistici di grandi dimensioni
I modelli linguistici come quelli dietro Claude e ChatGPT si possono usare senza un addestramento specifico: ricevono un'istruzione in linguaggio naturale e restituiscono la classe. Il vantaggio è la flessibilità: puoi chiedere l'atteggiamento verso un soggetto preciso, dare un elenco di temi, far spiegare la scelta. I limiti sono il costo per testo, risultati che possono cambiare se cambi l'istruzione e la necessità di controllare le risposte, come per gli altri metodi.
| Metodo | Punti di forza | Limiti | Quando usarlo |
|---|---|---|---|
| Regole e dizionari | Trasparente, veloce, economico | Rigido, non capisce contesto e ironia | Grandi volumi, prima scrematura |
| Modelli addestrati | Precisi sui testi simili a quelli di addestramento | Servono dati etichettati; peggiorano su testi diversi | Un dominio stabile, con dati per addestrarli |
| Modelli linguistici | Capiscono il contesto, misurano l'atteggiamento verso un soggetto | Costo per testo, sensibili all'istruzione | Campioni di centinaia di testi, domande precise |
I limiti della sentiment analysis
L'ironia. È il caso più difficile. Nella valutazione SENTIPOLC del 2016 il miglior sistema ha raggiunto una F-score di 0,66 sulla polarità, ma solo 0,54 sul riconoscimento dell'ironia, contro 0,47 della soglia di base che classificava tutto come non ironico. Sono numeri del 2016 e i metodi sono cambiati molto; il modo per sapere quanto sbaglia il tuo strumento sui tuoi testi resta controllarne un campione a mano.
Il soggetto. Un umore senza soggetto non vuol dire niente. «Negativo» verso chi: la tua proposta, l'amministrazione, la situazione?
Il campione. Chi commenta non rappresenta la popolazione, e le piattaforme mostrano per primi i commenti più apprezzati o più discussi. Una percentuale calcolata su poche decine di testi può cambiare molto con pochi testi in più: riporta sempre il numero.
Le piattaforme. L'umore su X, su TikTok e nei gruppi Facebook di quartiere è spesso diverso. Mescolarli senza dirlo produce una media che non descrive nessuno.
Gli account coordinati. Pochi account molto attivi possono spostare l'umore di una giornata. Guarda chi scrive, non solo cosa.
Lingua e forme. Dialetti, gergo, emoji, abbreviazioni e commenti fatti di sole immagini sono difficili per tutti i metodi. Il «neutro» finisce spesso per raccogliere quello che il sistema non ha capito.
Come usare la sentiment analysis in una campagna
- Definisci il soggetto. Misura l'atteggiamento verso una cosa precisa: la tua proposta, un progetto, una decisione.
- Fissa una base di partenza. Misura l'umore per una o due settimane prima di agire, con lo stesso metodo e sulle stesse piattaforme.
- Confronta prima e dopo. Un'iniziativa, un'uscita sui giornali, un dibattito: il confronto con la base ti dice se qualcosa si è mosso.
- Leggi i testi dietro i numeri. I temi dei contrari e le domande dei dubbiosi sono più utili della percentuale.
- Controlla un campione a mano. Prendi qualche decina di testi classificati, rileggili e conta gli errori. Se sono tanti, non usare quel numero per decidere.
- Scrivi sempre periodo, piattaforme e numero di testi. «Contrari in maggioranza» non è un dato; «contrari [percentuale] su [numero] commenti di Instagram e Facebook, dal [data] al [data]» lo è.
- Usala per scegliere i messaggi, non per giudicare le persone. L'obiettivo è capire cosa convince e cosa no, non classificare chi scrive.
La sentiment analysis è una parte del social listening, che guarda anche volume, temi e chi amplifica. Se un picco di commenti negativi nasce da una notizia, controlla se la notizia è vera con il fact checking prima di rispondere.
Sentiment analysis e privacy
Analizzare commenti pubblici vuol dire trattare dati personali, e il Regolamento europeo sulla protezione dei dati si applica anche ai contenuti pubblicati online. Se i testi rivelano opinioni politiche, si tratta di una categoria particolare di dati (articolo 9). Il modo prudente è lavorare in aggregato, senza nomi utente e senza costruire profili delle singole persone.
Il regolamento europeo sull'intelligenza artificiale definisce «sistema di riconoscimento delle emozioni» quello che identifica o deduce emozioni o intenzioni delle persone a partire dai loro dati biometrici (articolo 3, punto 39, nella versione consultabile sul servizio della Commissione europea dedicato all'AI Act). L'analisi di testi è un'altra cosa, ma resta soggetta alle regole sulla protezione dei dati.
È un orientamento generale, non una consulenza legale: per i casi concreti verifica con un legale o con il Garante per la protezione dei dati personali.
Come farlo con Poliscope
Poliscope collega Claude o ChatGPT a strumenti che misurano l'umore come atteggiamento verso un soggetto, non come semplice tono:
- lo strumento Analisi di una conversazione raccoglie post e commenti pubblici degli ultimi giorni su un tema, un nome o un hashtag e ne misura l'umore, cioè la quota di favorevoli, contrari e neutri verso il soggetto che indichi, classificati da un modello linguistico, con il numero di testi letti, i temi, le domande delle persone e i commenti più apprezzati senza nomi;
- lo strumento Andamento della conversazione mostra giorno per giorno, dall'archivio del Radar quotidiano, l'umore dei commenti verso il profilo che segui, il peso dei temi e le parole in crescita;
- lo strumento Commenti di un post legge i commenti di un singolo post o video e li raggruppa per tema, con le voci più apprezzate e senza nomi utente.
Puoi scrivere, per esempio: «Che umore c'è nei post e nei commenti sulla nuova pista ciclabile dell'ultima settimana? Dimmi su quanti testi l'hai misurato e fammi vedere i commenti più apprezzati.» Se la classificazione automatica non è disponibile, l'Analisi di una conversazione passa all'assistente i testi da leggere, e lui stima le proporzioni dicendo su quanti testi l'ha fatto. In ogni caso leggi qualche commento prima di fidarti della percentuale. Per provarlo, registrati: hai 5 € di credito in regalo, senza carta.