Revisión del uso de sistemas de análisis de sentimientos en redes sociales para estrategias de marketing digital

Autores/as

DOI:

https://doi.org/10.70881/hnj/v3/n1/47

Palabras clave:

análisis de sentimientos, redes sociales, marketing digital, procesamiento de lenguaje natural, reputación de marca

Resumen

El artículo presenta una revisión exhaustiva sobre el uso del análisis de sentimientos en redes sociales como herramienta para estrategias de marketing digital. Dada la creciente dependencia de las plataformas sociales para expresar opiniones, se destaca la necesidad de técnicas avanzadas para capturar y analizar estos datos en tiempo real, lo cual permite a las empresas adaptar sus estrategias y mejorar la toma de decisiones. Utilizando métodos de procesamiento de lenguaje natural (PLN), el análisis de sentimientos facilita la interpretación de emociones complejas en publicaciones, generando insights clave para la optimización de campañas y gestión de la reputación de marca. Sin embargo, el estudio subraya limitaciones como la ambigüedad del lenguaje en redes sociales, la necesidad de personal especializado y los altos costos operativos asociados. Las conclusiones apuntan a que, aunque el análisis de sentimientos aporta un valor significativo al marketing digital, se requieren mejoras continuas en precisión y escalabilidad para superar desafíos técnicos y contextuales que impiden una comprensión completa del entorno social digital

Descargas

Los datos de descarga aún no están disponibles.

Referencias

Analytics Vidhya. (2023). Top 10 Applications of Sentiment Analysis in Business. https://www.analyticsvidhya.com

Cambria, E., Olsher, D., & Rajagopal, D. (2017). SenticNet 5: Discovering conceptual primitives for sentiment analysis by means of context embeddings. Proceedings of the AAAI Conference on Artificial Intelligence, 31(1), 1795-1802. https://doi.org/10.1609/aaai.v32i1.11559 DOI: https://doi.org/10.1609/aaai.v32i1.11559

Cambria, E., Schuller, B., Xia, Y., & Havasi, C. (2013). New avenues in opinion mining and sentiment analysis. IEEE Intelligent Systems, 28(2), 15-21. https://doi.org/10.1109/MIS.2013.30 DOI: https://doi.org/10.1109/MIS.2013.30

Castelo-Salazar, A. G. (2022). Análisis de la efectividad del marketing digital en los almacenes de electrodomésticos del cantón La Concordia. Journal of Economic and Social Science Research, 2(1), 44–57. https://doi.org/10.55813/gaea/jessr/v2/n1/46 DOI: https://doi.org/10.55813/gaea/jessr/v2/n1/46

Herrera-Enríquez, G., Campoverde-Bastidas, I. F., & Zambrano-Ramirez, D. N. (2022). Publicidad como estrategia de ventas para nuevos productos en Santo Domingo de los Colorados. Journal of Economic and Social Science Research, 2(2), 1–15. https://doi.org/10.55813/gaea/jessr/v2/n2/48 DOI: https://doi.org/10.55813/gaea/jessr/v2/n2/48

IBM. (2023). How BERT and GPT models change the game for NLP. IBM. https://www.ibm.com

IEEE. (2020). Comprehensive Study on Sentiment Analysis: Types, Approaches, Recent Applications, Tools and APIs. IEEE Xplore. https://doi.org/10.1109/ACCTHPA49271.2020.9213209

IEEE. (2021). Deep Learning Approach in Sentiment Analysis: A Review. IEEE Xplore. https://doi.org/10.1109/ICCES51560.2020.9334625

IEEE. (2023). A Survey on Sentiment Analysis. IEEE Xplore.

Koroteev, M. V. (2021). BERT: A Review of Applications in Natural Language Processing and Understanding. arXiv. https://doi.org/10.48550/arXiv.2103.11943

MDPI. (2024). Social Media Sentiment Analysis. Encyclopedia 2024, 4(4), 1590-1598. https://doi.org/10.3390/encyclopedia4040104

Medhat, W., Hassan, A., & Korashy, H. (2014). Sentiment analysis algorithms and applications: A survey. Ain Shams Engineering Journal, 5(4), 1093-1113. https://doi.org/10.1016/j.asej.2014.04.011 DOI: https://doi.org/10.1016/j.asej.2014.04.011

Mention. (2023). Sentiment Analysis: Understanding Perception for Better Marketing. Mention. https://mention.com

Nip, J. Y. M., & Berthelier, B. (2024). Social Media Sentiment Analysis. Encyclopedia 2024, 4(4), 1590-1598. https://doi.org/10.3390/encyclopedia4040104 DOI: https://doi.org/10.3390/encyclopedia4040104

Pang, B., & Lee, L. (2008). Opinion mining and sentiment analysis. Foundations and Trends in Information Retrieval, 2(1-2), 1-135. https://doi.org/10.1561/1500000011 DOI: https://doi.org/10.1561/1500000011

Preciado-Ortiz, F. L., De La Cruz Morocho, L. T., & Heredia Ramos, L. E. (2021). Análisis de las estrategias de marketing online caso de estudio pasaje comercial “Daza Mendoza” La Concordia. Journal of Economic and Social Science Research, 1(3), 14–26. https://doi.org/10.55813/gaea/jessr/v1/n3/34 DOI: https://doi.org/10.55813/gaea/jessr/v1/n3/34

Preciado-Ortiz, F. L., Salazar Alcivar, A. N., & Bosquez Suarez, G. D. (2022). Análisis del comportamiento de compra en los consumidores de grasas vegetales fraccionadas, La Concordia 2022 . Journal of Economic and Social Science Research, 2(4), 55–67. https://doi.org/10.55813/gaea/jessr/v2/n4/25 DOI: https://doi.org/10.55813/gaea/jessr/v2/n4/25

Research World. (2023). 10 Challenges of sentiment analysis and how to overcome them Part 1. Research World. https://researchworld.com

Ribeiro, F. N., Araújo, M., Gonçalves, P., André Gonçalves, M., & Benevenuto, F. (2016). Sentibench: A benchmark comparison of state-of-the-practice sentiment analysis methods. EPJ Data Science, 5, 23. https://doi.org/10.1140/epjds/s13688-016-0085-1 DOI: https://doi.org/10.1140/epjds/s13688-016-0085-1

Ringover. (2023). Sentiment Analysis Applied to Marketing: Best Use Cases for Business. https://www.ringover.com

Schouten, K., Frasincar, F., & de Jong, F. (2016). Ontology-enhanced aspect-based sentiment analysis. Proceedings of the 17th International Conference on Web Information Systems Engineering (pp. 251-265). https://doi.org/10.1007/978-3-319-60131-1_17

Storyful. (2023). Exploring Sentiment Analysis: A Complete Guide for Businesses. https://storyful.com

Stoy, L. (2023). 7 Practical Ways to Implement Sentiment Analysis in Digital Marketing and SEO. https://lazarinastoy.com

Terán-Guerrero, F. N. (2023). Redes sociales en las pymes y su incidencia en la rentabilidad. Journal of Economic and Social Science Research, 3(2), 1–14. https://doi.org/10.55813/gaea/jessr/v3/n2/62 DOI: https://doi.org/10.55813/gaea/jessr/v3/n2/62

Descargas

Publicado

2025-01-31

Cómo citar

Preciado-Ortiz, F. L. (2025). Revisión del uso de sistemas de análisis de sentimientos en redes sociales para estrategias de marketing digital. Horizon Nexus Journal, 3(1), 31-41. https://doi.org/10.70881/hnj/v3/n1/47

Artículos similares

1-10 de 44

También puede Iniciar una búsqueda de similitud avanzada para este artículo.

Artículos más leídos del mismo autor/a

1 2 3 4 5 > >>