



¿Cómo lo hacemos?
Nuestro proceso para sacar conclusiones de nuestros datos

1. Recopilamos tus datos
Para comenzar a trabajar necesitamos datos sobre la conversación que se genera en internet acerca de tu marca o empresa. ¿No tienes datos todavía? No te preocupes, nosotros los recopilaremos por ti ¿Ya tienes una plataforma de escucha o un conjunto de datos guardado? Perfecto ya podemos comenzar a trabajar con tus datos.

2. Definimos los criterios
Antes de comenzar a trabajar con tus datos necesitamos fijar los criterios para poder entrenar a nuestro algoritmo. ¿Qué consideras que es positivo para tu marca? ¿Y negativo? ¿Necesitas saber que menciones de internet se refieren a un área concreta de tu empresa? Todo este tipo de información cualitativa es la que tenemos que definir.

3. Entrenamos nuestro algoritmo
Tras haber fijado los criterios de clasificación se clasifica a mano por personal cualificado muestras de los datos para enseñarle a nuestro algoritmo semántico a entender los criterios fijados. Gracias a este proceso somos capaces de clasificar grandes volúmenes de datos con muy poco esfuerzo humano y siguiendo los criterios que queremos conocer.

4. Sacamos conclusiones
Una vez tenemos los datos clasificados por nuestro algoritmo procedemos a realizar el análisis sobre el conjunto de datos para sacar conclusiones que ayuden en la toma de decisiones. Si ya tienes una plataforma de escucha y prefieres hacer tu este proceso no hay problema, si tu plataforma tiene API podremos añadir los datos clasificados sobre los que ya tienes.
3 razones para usar nuestro algoritmo
Por qué nuestro algoritmo basado en muestras clasificadas manualmente da mejores resultados que algoritmos semánticos totalmente automatizados

Porque ningún algoritmo automático sabe lo que tu quieres
Por mucho esfuerzo que se haga para automatizar el análisis semántico por parte de algoritmos la percepción siempre es algo subjetivo, y por lo tanto humano. Lo que es positivo para una persona no tiene que serlo necesariamente para otra y viceversa. Por eso creemos firmemente que hace falta un humano para enseñar al ordenador los criterios que realmente necesitan saber las personas.

Porque es mucho más preciso
No sólo porque conseguimos unos ratios de confianza por encima del 95%. Es que gracias a la posibilidad de poder fijar los criterios de clasificación previamente, para poder así entrenar nuestro algoritmo, se consiguen extraer la información que realmente aporta valor para la toma de decisiones.

Porque es más eficiente y mucho más fácil de escalar
Con el análisis automático automático se tiene que gastar mucho esfuerzo con grandes equipos multidiciplinares para poder trabajar sobre un sólo idioma. Mediante la clasificación manual mediante muestras da igual el idioma o lo complejo que sea el conjunto de datos, simplemente hace falta fijar los criterios para clasificar y que la persona que entrena el algoritmo sepa el idioma o el contexto del cojunto de los datos
¿Cómo se mide la reputación online?
“No se puede controlar lo que no se puede medir” (Tom De Marco) Cuando queremos medir la reputación online de una marca o una persona nos encontramos ante la dificultad de valorar un intangible a través de menciones recogidas en internet, tarea que no es trivial. Así...
read moreHello world!
Welcome to WordPress. This is your first post. Edit or delete it, then start writing!
read more