Cómo aplicar machine learning en las reseñas de clientes

19 · 12 · 2019



Todos somos conscientes de los beneficios que tiene para nuestro negocio una buena reseña en Google. Por un lado, permite que un futuro cliente tenga un feedback inicial sobre la empresa o el producto/servicio que quiere adquirir y, por otro lado, cuantas más reseñas positivas tengamos, mejor será nuestro posicionamiento SEO.

Realizar una buena gestión de estas opiniones hará que la confianza de nuestros clientes aumente y que también lo hagan las búsquedas de nuestra empresa en Google. Como consumidores, somos exigentes a la hora de valorar nuestra experiencia con las marcas, y Google entendió la importancia de cuantificarla creando la ya tan conocida valoración mediante “estrellas” (entre 1 y 5). Además, y para permitir enriquecer este feedback, permite que los usuarios describan de manera cualitativa la experiencia que han tenido, aportando una información de gran valor para las marcas.

Lo que veremos a continuación serán las posibilidades que nos ofrece Google My Business de acceder a los comentarios de los clientes y cómo trabajar los datos de manera diferente a través de Machine Learning para sacar el mayor partido posible a esa información.

Accediendo a los datos

Si somos una empresa, lo primero que tendremos que hacer para tener más visitas tanto online como offline es estar en Google. Que nuestro negocio sea visible para el resto del mundo es algo que debe ser prioritario en nuestras primeras acciones.

Para hacernos la vida más sencilla, existe Google My Business. Es el servicio de Google enfocado a negocios y con el que obtendremos mayor visibilidad, logrando:

  • Mejorar nuestro posicionamiento en los diferentes motores de búsqueda.
  • Aparecer en Google Maps con la ubicación exacta de mi empresa.
  • Mejorar la presencia online en el resto de servicios Google.
  • Ofrecer más información de mi negocio: dirección precisa, horarios de apertura, teléfono de contacto, fotografías que quiera compartir, etc.
  • Tener una interacción directa con tus clientes dando la posibilidad de que éstos generen comentarios sobre tu negocio, pudiendo responderles en la misma plataforma.
  • Tener un feedback continuo y global sobre lo que opinan tus clientes.
  • Si disponemos de varias tiendas, podremos analizar la opinión de cada una de ellas y detectar posibles problemas.

Toda esta información, la podremos obtener directamente a través de Google My Business, aunque para acceder a todas las reviews, necesitaremos trabajar con su API.

Una API, es una interfaz de programación de aplicaciones. La podemos considerar como el libro de instrucciones (en este caso de My Business) que nos indica cómo nos tenemos que comunicar con el site para extraer los datos relativos a las reviews.

Es importante destacar, que durante este proceso, la API nos proporciona tanto la información cuantitativa (valoración de 1 a 5 estrellas) como la cualitativa (comentarios realizados por el usuario), por lo que tendremos dos niveles de información que podremos analizar.

Con esos datos, podremos comprobar cómo hay usuarios que realizan puntuaciones bajas (de 1 ó 2 estrellas) y comentarios en texto bastante positivos, o al contrario, aplican estrellas altas (de 4 ó 5) con comentarios negativos (puede parecer extraño, pero os aseguro que ocurre). Y gracias a la tecnología, tendremos la capacidad de analizar esta información, plantearnos preguntas y tomar decisiones. Una de ellas, y a modo de ejemplo, podría ser: ¿debemos desestimar aquellas reviews que no tienen comentarios y únicamente tienen puntuación numérica o no? Al ser estas últimas más fiables, puesto que incorporan una explicación, al menos nos lo deberíamos de plantear.

También, tenemos que tratar de dar respuesta a otros interrogantes que van más allá del mero dato. ¿Cómo podemos detectar si el comentario de una review es positiva o negativa independientemente de la valoración numérica? ¿Podemos categorizar y detectar sobre qué se está opinando en las reviews? La conclusión es que sí podemos hacerlo aplicando técnicas de Machine Learning sobre los datos.

Aplicación de machine learning en las reviews de Google

El Procesamiento del Lenguaje Natural (NLP) es una rama de la inteligencia artificial que tiene como objetivo que una máquina entienda lo expresado por una persona mediante el uso de una lengua, pudiéndose implementar tanto para texto como para audio.

Lo primero que realizaremos mediante NLP, será analizar el sentimiento asociado a los comentarios de nuestras reviews. El algoritmo, las clasificará en función de si es positiva, negativa o neutra.

Cuando no es posible cuantificar el tipo de sentimiento asociado, el NLP no categoriza la review. Esto es bastante frecuente cuando, por ejemplo, hay una reseña con una única palabra en la que la máquina no puede detectar el contexto de la frase, la review está escrita de manera incorrecta o poco legible o hay emoticonos que dificultan su entendimiento.

Una vez categorizadas las reviews según su sentimiento, tendremos una nueva capa de información sobre la que podremos realizar más análisis.

¿Qué temáticas son las más recurrentes en mi negocio?

Otro análisis que podremos realizar con las reviews, será el de extraer las temáticas sobre las que se engloban, de forma genérica, las reviews de tu negocio. En este caso, podemos utilizar diferentes algoritmos de aprendizaje no supervisado, que sean capaces de detectar esas temáticas sobre las que se agruparán todos los comentarios. El modelado de topics, será el tipo de algoritmo a utilizar.

Por ejemplo, si somos una cadena hotelera y aplicamos este tipo de algoritmo a nuestras reviews, posiblemente tendremos temáticas sobre aspectos relativos a las habitaciones, personal, instalaciones, etc. que agruparán nuestras reviews.

A través del algoritmo obtendremos el porcentaje de probabilidad de que la review pertenezca a alguna de las categorías o temáticas que ha detectado. Cuanto mayor sea ese porcentaje, más seguro estará el algoritmo de la pertenencia de la review a alguna de las categorías.

De esta manera, y siguiendo el ejemplo de una empresa hotelera, podremos clasificar todos los comentarios en base a unas temáticas concretas y filtrarlos para ver sólo aquellos que hablen de lo que nos interesa, como: nuestras habitaciones (problemas en la habitación, mejoras que necesitamos realizar, opiniones sobre su estado, ruidos, etc); sobre el personal del hotel (amabilidad o no del personal, agradecer el trato recibido, resaltar a un trabajador por cualquier razón); o sobre las diferentes instalaciones de las que disponemos (opiniones sobre el spa, el gimnasio, la zona de bar, el restaurante). 

Gracias a este tipo de análisis, será más sencillo tener un feedback controlado y organizado.

Como véis, no debemos quedarnos solo con lo que se puede conseguir de una determinada herramienta, es importante intentar ampliar el conocimiento sobre los datos. Las técnicas que hemos visto anteriormente se pueden aplicar a cualquier tipo de información cualitativa, ya sea Google Reviews, Tripadvisor, o cualquier otro tipo de comentario que nuestros clientes realicen sobre nuestro negocio. Esta información es muy valiosa y necesita que apliquemos capacidades de análisis diferentes para conseguir nuevos resultados.

En Good Rebels contamos con una amplia experiencia en este tipo de proyectos y logramos sacar el máximo provecho de la información que obtenemos de las opiniones de los usuarios. Además de generar el marco de análisis gracias a la descarga de todas las reviews, somos capaces de representarlas en un mapa geolocalizado (como podemos ver en el mapa de abajo que realizamos para un cliente de retail) y aplicar técnicas de Machine Learning, mostrando la información de forma unificada y representándola con las herramientas de visualización elegida por el cliente o propuesta por nosotros según nuestra experiencia.

Con este tipo de servicio (que puede ser realizado mensualmente o según la periodicidad deseada) se obtiene un control total de la opinión de nuestros clientes, además de saber en cada momento qué necesitan, qué se puede cambiar o mejorar del negocio o conocer qué acciones tenemos que llevar a cabo para mejorar la satisfacción general de los clientes.

Tags:
| | | |

Me gusta la Tierra y los datos... por esa razón estudié Ingeniería Topográfica especializado en Sistemas de Información Geográfica, y más tarde, máster en Data Science.¿Cuál es mi role en Good Rebels? Juego con los datos para crear maravillosas visualizaciones con ellos. Análisis de datos, automatización de procesos, geomarketing, monitorización y cualquier cosa con mapas…

Comparte +

Ver todos    Subir

Suscríbete a nuestros artículos

Suscríbete a #Rebelthinking y mantente al día de las últimas tendencias digitales, una selección de los mejores artículos de Rebel Thinking, así como nuestros últimos estudios y nuestra newsletter mensual.

He leído y acepto las condiciones de uso y la política de privacidad y cookies