ANÁLISIS DEL COMPORTAMIENTO DE LAS RRSS EN LA CRISIS CHILENA

Ver a Través de la Tormenta de Información

¿De qué forma este tipo de análisis ayuda y cómo puedes implementarlo en tu empresa?

Update 26–11–2019: Quisiéramos darles las gracias por los cientos de comentarios de apoyo que hemos recibido a nuestro análisis de redes sociales y aprovechar esta instancia para hacer algunas aclaraciones sobre el objetivo y alcance de este: - El análisis no pretenden ser representativo de toda la ciudadanía chilena, este solo busca mostrar el comportamiento de las cuentas de Twitter que interactuaron con los hashtags mas relevantes, entre el 20 de Octubre y 5 de Noviembre. - Hay un video que se ha propagado en las RRSS con algunas opiniones que no nos representan como empresa y que sacan de contexto nuestro informe. Nuestra intención es entregar visibilidad de algunos comportamientos que hay en RRSS. - Nos hicieron un comentario sobre un gráfico en nuestro blog (2.000 cuentas más influyentes por Ubicación), que podría llevar a malas conclusiones, preferimos eliminar este plot para no causar confusiones. Nuevamente, muchas gracias!

Equipo ConnectaLabs

Al ver lo que estaba ocurriendo en Chile, en ConnectaLabs AI nos planteamos la misión de usar todas las herramientas que nos entrega la Inteligencia Artificial para poder encontrar insights interesantes que sean un aporte a la discusión.

En este Blog les contaremos sobre nuestros descubrimientos y también sobre cómo estos pueden ser un aporte a la hora de comprender lo que se habla en las RRSS sobre las empresas.

Como en tantos casos, a la hora de hablar de IA debemos partir con la Data

“Así que manos a la obra”

Dos partes claves del proceso son, en primer lugar, definir qué vamos a buscar y en segundo lugar, entender el contexto en el que esto se inserta. En el caso de la crisis chilena definimos 3 temáticas para agrupar la información que descargamos (Marchas, Políticas, Orden Público), adicionalmente definimos la polaridad de cada hashtag (No significa lo mismo hacer un comentario a favor #fuerasharp que de #aguantesharp). Lo mismo aplica al trabajo que se realiza con empresas, por ejemplo. No se puede simplemente aplicar un grupo de algoritmos y esperar que estos nos entreguen información relevante si no se entiende primero el contexto.

Para el análisis, descargamos todos los tweets relacionados con los hashtags que fueron trending topic entre el 20 de Octubre y el 5 de Noviembre del 2019 (estamos hablando de 4.8M tweets generados por 640K cuentas). En este artículo no voy a entrar en los detalles de cómo se procesan más de 30GB de información no estructurada, para generar datasets con los que se pueda trabajar.

Ya tengo la información lista, ¿ahora qué hago?

Llegamos a la parte entretenida, ¿cómo le damos valor a esta información? Es muy importante hacer las preguntas de negocio clave, de esta forma los análisis van a entregarle información relevante a los tomadores de decisión en las empresas.

En el caso de la crisis social chilena, nosotros queríamos contestar las siguientes preguntas.