fbpx

Il mese di aprile ci conduce nella Market Basket Analysis e nella Text & Sentiment Analysis grazie all’intervento del Prof. Bruno Sfogliarini e del Prof. Stefano Iacus.

Prima però, i partecipanti devono affrontare un test, quello relativo ai contenuti trattati nel terzo modulo del Master, dedicato alla Predictive Analysisla prova fa parte della serie che costituirà la graduatoria relativa al Premio di Studio di 5000€ offerto da VEM sistemi.

Dopo il test, però è il momento di prestare attenzione all’ultima lezione del Prof. Sfogliarini.

Per comprendere appieno in cosa consista la Market Basket Analysis, dobbiamo partire dai primi passi, ovvero analizzare come facciamo la spesa.

Facile, si potrà pensare, ma l’aula dal Master DMBA è sempre piena di sorprese, anche nelle modalità in cui ciascuno di noi effettua le operazioni più comuni…

Innanzitutto iniziamo con lo scrivere una lista: c’è chi è più vintage e usa dei foglietti, chi utilizza l’applicazione dello smartphone, chi riceve ‘suggerimenti’ della compagna tramite messaggio…

Qualsiasi supporto si utilizzi, comunque, siamo più o meno d’accordo che la lista della spesa sia formata da un elenco di classi merceologiche o nomi di prodotto e, in genere, quantità.

Qual è, però, la differenza tra elencare quello di cui ho bisogno e fare la spesa?
L’interazione con lo scaffale e con il punto vendita.

Ci rendiamo subito conto che le esigenze del consumatore e del negozio si contrappongono: il primo ha fretta, il secondo vuole che il cliente rimanga nei propri spazi il maggior tempo possibile.

Vi siete mai chiesti perché frutta e verdura si trovino proprio all’inizio del percorso d’acquisto?
Noi l’abbiamo scoperto: per farci ‘perdere tempo’ a scegliere e pesare.

A questo punto, affrontando l’interazione con lo scaffale, approcciamo un tema importantissimo: il Cross Selling, ovvero l’analisi delle Associazioni nel Market Basket, fondamentale per scegliere come e dove esporre i prodotti.

Cominciamo, quindi, a smanettare su JMP, prima su un dataset ancora pieno di aringhe, poi su quello di Instacart che ci presenta quasi tre milioni e mezzo di ordini.

Il Prof. Sfogliarini ci guida in un’analisi quantitativa e qualitativa nella quale scopriamo che le banane sono fondamentali per ottenere uno smoothie corposo.

Gli americani, però, sono sempre più attenti al contenuto zuccherino dei frullati: l’avocado tallona le banane e si prepara al sorpasso! 🙂

Incontriamo poi il Prof. Stefano Iacus, docente dell’Università degli Studi di Milano ed esperto di Text Analysis e Sentiment Analysis, soprattutto per quando riguarda i Social Media.

Insieme a lui iniziamo ad entrare nel vivo del tema con una ricerca realizzata nel 2014 che ci porta davvero ad osservare quello che ritenevamo inosservabile.

La ricerca, commissionata da The Guardian, ha per obiettivo l’analisi delle conversazioni per stabilire il livello di supporto all’ISIS e la relazione che questo sentiment positivo ha con la partenza dei foreign fighters dai paesi europei.

Scopriamo che:

  • la percezione positiva nei confronti dello stato islamico è più alta man mano ci si allontana dalle zone di scontri violenti
  • la discussione riguarda principalmente temi interni all’Islam
  • i picchi positivi del Sentiment verso ISIS corrispondono a periodi in cui meno foreign fighters partono verso le zone di guerra
La libertà d’espressione diminuisce il livello di frustrazione, a prescindere dai contenuti che essa veicola.

 

Come è possibile fare Text Analysis e Analisi del Sentiment nei Social Media?

Innanzitutto dobbiamo avvalerci dei giusti strumenti e tener presente che si ha a che fare con un’altissima variabilità.

Da molto popolare, un argomento si ritrova ad essere quasi assente dalle conversazioni in un brevissimo lasso di tempo, il che dimostra lo Short Memory Effect.
Conseguentemente, nella nostra analisi, non saranno importanti i valori assoluti, quanto il prestare attenzione ai picchi e una corretta valutazione del trend.

Inizia così il nostro confronto con la complessità e la ricchezza di informazioni veicolate dal linguaggio naturale.

Attraverso esempi pratici e con R accanto, il Prof. Iacus ci illustra diverse tecniche e algoritmi: dal NLP al Wordfish, dai LDA Topic models al metodo Word2Vect e ci rendiamo conto che i metodi quantitativi danno risultati interessanti…

Ad esempio, scoviamo affinità linguistiche tra rapper che, di fatto, riflettono la storia delle crew cui appartengono e appuriamo scientificamente che il Sommo Poeta batte tutti in quanto a complessità e varietà linguistica: #teamDante 🙂

Ma quali principi traiamo da questa carrellata di possibili tecniche e approcci?
  • Qualsiasi modello linguistico quantitativo è sbagliato, ma può essere utile
  • I metodi quantitativi sono di supporto, ma non possono sostituire l’intelligenza umana
  • Non esiste la migliore tecnica di Text Analysis in assoluto
  • È sempre necessario validare la propria analisi

E sono questi capisaldi che teniamo ben presenti durante la nostra analisi.
Sabato, infatti smanettiamo con Voices Analytics, che ha il logo più bello visto finora, tra l’altro.

 

 

Fra tutte queste parole, questi testi e queste analisi apriamo le orecchie come dei basset hound cogliamo un’importante citazione di G. King:
The best technology is human-empowered and computer assisted.

Pare che, almeno per ora, nessuna intelligenza artificiale possa sostituire quella umana 🙂

 

Richiedi la Ricerca

Indagine sul livello di adozione e utilizzo dell'Intelligenza Artificiale in Italia

Privacy Policy

You have Successfully Subscribed!