Come l'IA può supportare le imprese e ottimizzare gli investimenti: il blog generato dall'intelligenza artificiale, con l'aiuto di quella artigianale.

Intelligenza artificiale

Claude per l’analisi delle recensioni Google: istruzioni per l’uso

Le recensioni online sono una fonte preziosa di informazioni per comprendere l’opinione dei clienti. Analizzarle strategicamente è fondamentale per identificare aree di miglioramento del business. In questo tutorial spiegherò come utilizzare l’intelligenza artificiale Claude per fare analisi del sentiment sulle recensioni Google della tua attività in modo semplice ed efficace. Seguendo questa guida pratica, potrai ottenere approfondimenti utili per prendere decisioni data-driven che incrementino la soddisfazione dei tuoi clienti.

Perché analizzare il sentiment con Claude

Le recensioni online sono fondamentali per comprendere l’esperienza e il grado di soddisfazione dei clienti. Tuttavia, analizzarle manualmente richiede molto tempo.

Ecco perché affidarsi a Claude per automatizzare l’analisi del sentiment è la scelta migliore per gli imprenditori. Claude è un’IA sviluppata da Anthropic in grado di processare velocemente grandi quantità di recensioni e restituire insights preziosi.

Con Claude si può capire rapidamente se il sentimento generale dei clienti è positivo, negativo o neutro. Inoltre, Claude consente di identificare automaticamente i temi più discussi nelle recensioni.

Sfruttando Claude, è possibile ottenere in tempi brevi informazioni strategiche per migliorare la customer satisfaction e incrementare le performance del business.

Recuperare le recensioni Google

Il primo passo è ottenere i dati grezzi da Google. Una soluzione è usare tool online come Outscraper.com che estrae automaticamente recensioni e metadati.

In alternativa, è possibile fare web scraping delle pagine Google con l’aiuto dei plugin di Chrome come nel caso di questo tutorial in cui andremo ad utilizzare l’estensione chiamata Instant Data Scraper.

Vediamo come fare passo passo:

  1. Apriamo la scheda delle recensioni Google di nostro interesse e le ordiniamo per più recenti.
  2. Una volta fatto questo avviamo il plugin Instant Data Scraper. Generalmente il plugin riconosce in automatico le varie recensioni (come nell’immagine), se questo non dovesse accadere clicchiamo su Try another Table finché non avremo il risultato desiderato.
  3. Una volta che è tutto ok possiamo fare lo scraping delle recensioni cliccando su Start Crawling e salvando il file in formato .csv in quanto leggibile da Claude.

Pulizia dei dati

Dopo aver scaricato le recensioni grezze, è necessario preparare i dati per l’elaborazione con Claude.

Nel nostro caso significa molto semplicemente aprire il file .csv con un foglio di calcolo come OpenCalc e cancellare tutte le colonne presenti ad esclusione della colonna “dehysf” e della colonna “Jtu6Td” che contengono rispettivamente la data ed il giudizio vero e proprio sull’attività.

Analizzare il sentiment

Una volta preparato il file finale con le recensioni andiamo ad aprire una nuova chat su Claude ed andiamo come prima cosa ad allegare il file alla conversazione.

Fatto questo possiamo finalmente dedicarci ad analizzare il sentiment delle recensioni che riguardano la nostra attività dando in pasto a Claude i prompt giusti.

Quelli che seguono sono alcuni prompt adatti allo scopo. Potete copiarli e incollarli nella vostra chat e modificarli in base alle vostre esigenze.

  • Analizza le recensioni dei clienti in questo documento e ricava le principali emozioni associate all’esperienza con la nostra azienda.
    Identifica le parole chiave e i topic ricorrenti.
    Individua le polarità positive e negative.
    Classifica le recensioni in base all’emozione prevalente (es. gioia, rilassamento, delusione ecc).
    Misura la forza e la frequenza di queste emozioni.
  • Classifica il sentimento di ogni recensione in questo dataset come positivo, negativo o neutro.
  • Genera un report che mostri la distribuzione complessiva di recensioni positive, negative e neutre.
  • Quali sono le frasi e gli aspetti più frequentemente associati a recensioni negative?
  • Crea un grafico a torta che mostri la prevalenza di sentimento positivo e negativo nel tempo.
  • Estrai i temi e gli argomenti chiave discussi con maggiore frequenza nelle recensioni positive e negative.
  • Quali insights e suggerimenti proporresti sulla base di questa analisi del sentiment per migliorare la soddisfazione dei clienti?
  • Genera un report executive summary con gli highlights dell’analisi del sentiment e le tue raccomandazioni strategiche.

Che risultati aspettarsi

Quelle che seguono sono alcune delle risposte ottenute utilizzando questi prompt. Le recensioni provengono da un ristorante.

Executive Summary – Analisi Sentiment Recensioni Ristorante

L’analisi del sentiment delle 127 recensioni raccolte negli ultimi 6 anni per il ristorante evidenzia un sentiment positivo.

Highlights:

  • L’82% delle recensioni esprime un sentiment positivo, apprezzando la qualità del cibo, la cura nella preparazione dei piatti e l’atmosfera del locale.
  • Il 12% delle recensioni ha un sentiment neutrale.
  • Solo il 6% esprime sentiment negativo, criticando principalmente il servizio lento.
  • Le parole chiave positive più frequenti sono: ottimo, buono, qualità, gusto, raffinato, curato.
  • Le parole chiave negative più frequenti sono: lento, attesa, deluso.
  • Il picco di recensioni positive si è avuto 2 anni fa.

Raccomandazioni strategiche:

  • Mantenere alto il livello di qualità della cucina, punto di forza riconosciuto dalle recensioni.
  • Monitorare eventuali criticità sul servizio per intervenire prontamente.
  • Sfruttare il sentiment largamente positivo per attività di marketing, promuovendo sui canali web i punti di forza.
  • Coinvolgere gli utenti soddisfatti per generare passaparola positivo e recensioni.
  • Raccogliere sistematicamente le recensioni per monitorare l’andamento del sentiment ed eventuali criticità emergenti.

Analizzando le 8 recensioni negative, i principali aspetti critici emersi sono:

  • Lentezza del servizio (menzionato in 3 recensioni)

Esempi frasi: “Lenti anche a far pagare il conto! Abbiamo atteso più di 50 minuti per una degustazione di formaggi e petto d’anatra”

“Tutto molto buono, attese eccessive.”

  • Delusione rispetto alle aspettative (2 recensioni)

“Locale pessimo servizio scadente, menu dello chef che cucina poi???? Mi chiedo???”

“Locale molto alla moda ma non meritevole, Antipasti che lasciavano a desiderare, risotto non mantecato bene e tagliata di angus nella norma”

  • Porzioni piccole (1 recensione)

“Piatti buoni, le porzioni lasciano a desiderare. Il proprietario molto generoso. P.s. Occhio al conto”

In sintesi, la lentezza del servizio e la delusione rispetto alle attese sono le critiche più ricorrenti nelle recensioni negative.


Ecco l’analisi delle emozioni e dei topic emersi dalle recensioni:

Emozioni positive:

  • Soddisfazione (52 recensioni): parole chiave come “ottimo”, “perfetto”, esprimono una forte soddisfazione generale.
  • Gioia (32 recensioni): parole come “adoro”, “sublime”, “eccellente” denotano una reazione di gioia ed entusiasmo.
  • Rilassamento (12 recensioni): vocaboli come “rilassante”, “tranquillo”, “intimo” rivelano sensazioni di relax.

Topic positivi:

  • Qualità del cibo (67 menzioni)
  • Professionalità dello staff (41 menzioni)
  • Atmosfera piacevole (29 menzioni)

Emozioni negative:

  • Delusione (5 recensioni): frasi come “deluso”, “scadente” mostrano delusione rispetto alle attese.
  • Frustrazione (3 recensioni): parole come “pessimo”, “inadeguato” denotano frustrazione.

Topic negativi:

  • Lentezza del servizio (4 menzioni)
  • Prezzi elevati (2 menzioni)

In sintesi, le emozioni positive di soddisfazione, gioia e rilassamento sono nettamente prevalenti e associate soprattutto alla qualità del cibo, alla professionalità dello staff e all’atmosfera piacevole.

Le emozioni negative di delusione e frustrazione, più rare, sono relative a lentezza del servizio e prezzi elevati.

Questa analisi fornisce spunti utili per identificare i punti di forza da enfatizzare e le aree di miglioramento su cui intervenire per aumentare la soddisfazione della clientela.

Considerazioni finali

L’analisi automatizzata del sentiment tramite intelligenza artificiale può essere un aiuto fantastico per estrarre velocemente insights preziosi dalle recensioni online. Tuttavia, è bene ricordare che i risultati vanno sempre analizzati con attenzione e validati.

Le tecnologie di AI come lo scraping automatizzato e l’elaborazione del linguaggio naturale sono in continua evoluzione e presentano ancora un certo grado di imprecisione. Pertanto, un occhio umano esperto è necessario per interpretare criticamente i risultati e inserirli nel giusto contesto aziendale.

In particolare, è bene prestare attenzione ai riferimenti numerici e statistici (percentuali, quantità ecc.) presenti nei risultati generati dall’IA. Questi dati quantitativi hanno spesso un’accuratezza limitata, poiché gli attuali modelli di intelligenza artificiale non sono progettati per l’elaborazione matematica precisa.

Questi strumenti forniscono indicazioni utili per identificare temi e sentimenti ricorrenti, ma non sostituiscono completamente il giudizio umano. Le aziende devono sviluppare una strategia che integri sapientemente l’automazione con l’analisi qualitativa da parte di analyst competenti.

In questo modo, i vantaggi dell’AI possono essere sfruttati appieno per ottenere insights strategici di valore, che portino a decisioni e azioni concrete per migliorare la customer experience in modo efficace.