14 Giugno 2021 1087 parole, 5 lettura minima

LinkedIn: i sentimenti espressi e il loro effetto sulla viralità

Di Pierre-Nicolas Schwab Dottorato di ricerca in marketing, direttore di IntoTheMinds
Tutti sono d’accordo che il contenuto dei post sul LinkedIn è decisivo perché essi diventino virali. Oggi non risponderò alla domanda “di che cosa bisogna parlare sul LinkedIn” ma piuttosto “come bisogna parlare“. Ho utilizzato un corpus di 4 milioni […]

Tutti sono d’accordo che il contenuto dei post sul LinkedIn è decisivo perché essi diventino virali. Oggi non risponderò alla domanda “di che cosa bisogna parlare sul LinkedIn” ma piuttosto “come bisogna parlare“. Ho utilizzato un corpus di 4 milioni di post sul LinkedIn per misurare i sentimenti espressi e per analizzare la correlazione con la loro viralità.

Quest’analisi è successiva a quella che ho già pubblicato qui su un campione di 4,6 milioni di post e nella quale ho messo in evidenza il ruolo della rete, della quantità delle parole e della quantità delle emoji sulla viralità di un post sul LinkedIn.

Se vorreste saperne di più sul LinkedIn e ricevere le mie analisi esclusive riguardo questo argomento per email, basta che vi iscriviate alla mia newsletter (qui sotto). Riceverete una email contenente un link per verificare la vostra iscrizione.

Sommario

I risultati in breve

  • Solo 0,21% dei post raccolgono più di 1000 reazioni
  • Tra il 82 e il 89% dei post pubblicati sul LinkedIn possono essere qualificati come soggettivi
  • Tra il 71% e il 77% dei post sul LinkedIn contengono emozioni positive
  • Non è necessariamente con le emozioni positive che si ottiene successo sul LinkedIn
  • Il post più virale dell’insieme di dati (817355 reazioni nel momento di scrivere questo articolo) esprimeva emozioni negative
  • Notevoli differenze in termini di emozioni e di oggettività/soggettività sono rilevate in funzione della lingua
  • Le emozioni espresse in un post sul LinkedIn non influiscono statisticamente sulla probabilità di diventare virale
  • Una soggettività media di 0.5 permette di far passare la probabilità di viralità dal 3,59% al 5,2%

Metodologia

  • È stato utilizzato un insieme di dati di 4,6 milioni di post sul LinkedIn. I dati sono stati preparati con Anatella (società Timi) per:
    • identificare la lingua del post (algoritmo CLD2)
    • misurare il sentimento dei post in francese, inglese e olandese
  • I dati sono poi stati visualizzati ed esaminati utilizzando Tableau e dopo un modello predittivo è stato creato con Modeler (società Timi).
  • Il numero dei post analizzati è seguente:
    • inglese : 2,556 milioni
    • francese : 1,108 millioni
    • olandese : 68876

Risultati dettagliati

  • Tra il 72% e il 77% dei post sul LinkedIn esprimono emozioni positive
  • Tra il 23% e il 28% dei post sul LinkedIn esprimono emozioni negative
  • I post sul LinkedIn in francese sono in media più positivi di quelli in inglese e olandese
  • La relazione tra le emozioni espresse e la viralità di un post LinkedIn (4,6%) è minima
  • La viralità del post è maggiormente condizionata dalla soggettività (31,7%)
  • La viralità massima la raggiungono i post con:
    • una soggettività da 0,5 a 5,55
    • una polarità da 0,24 a 0,35

L’analisi dei sentimenti, come funziona?

L’avvento di NLP (Natural Language Processing) ha permesso di mettere a disposizione una palette di nuovi strumenti. Nel mio software d’ETL preferito (Anatella), da poco c’è un modulo dedicato all’analisi dei sentimenti.
L’analisi dei sentimenti si basa su 2 variabili:

  • la soggettività
  • la polarità

La soggettività è misurata su una scala che in generale va da -1 a 1 o da 0 a 1. Nel caso dell’algoritmo usato in Anatella, la scala va da -1 a 1. Un post soggettivo è evaluato da 0 a 1 e un post oggettivo da 0 a -1.

La polarità corrisponde a un’evaluazione delle emozioni contenute nel testo. Essa è misurata su una scala da -1 a 1. Le emozioni negative si trovano tra -1 e 0; le emozioni positive tra 0 e 1.

Se vorreste saperne di più, vi consiglio questa discussione su Quora.


Notevoli differenze nel tono dei post sul LinkedIn in funzione della lingua

Nella prima visualizzazione ho diviso i post in 4 categorie in funzione della soggettività (negativa/positiva) e della polarità (negativa/positiva).

Siccome una soggettività negativa corrisponde all’oggettività, ho utilizzato questo termine. Il termine “polarità” rinvia alle emozioni, quindi ho scelto di usare questo termine per una migliore comprensione.

Ci si ritrova quindi con 4 “quadranti” che permettono di dividere i post sul LinkedIn in funzione della loro oggettività/soggettività e delle emozioni positive/negative. Come potete vedere, esistono notevoli differenze tra le differenti lingue (non esitate a cliccare sull’immagine per ingrandirla).

subjectivity and polarity (emotions) in Linkedin posts comparison by language

I post sul LinkedIn sono quasi sempre soggettivi…salvo in francese

Il grafico di sotto dimostra i sentimenti espressi nel 99,79% dei post che hanno raccolto meno di 1000 reazioni. Si vede che la grande maggioranza di essi si trova nella parte superiore del diagramma, ovvero nella parte “soggettiva”. Solo i post in francese fanno un po’ di eccezione a questa regola.

sentiment analysis of non viral posts on Linkedin


I post virali sul LinkedIn sono maggiormente soggettivi ed esprimono emozioni positive

Il grafico di sotto permette di visualizzare i post sul LinkedIn che hanno generato più di 1000 reazioni (mi piace + commenti). La maggioranza si trova, uguale ai post non virali, nel quarto superiore destro (vedere la cornice punteggiata). Si tratta quindi dei post soggettivi dove le emozioni espresse sono positive. Comunque, in inglese si nota un numero non trascurabile dei post nel quadrante superiore sinistro, ovvero quelli dove le emozioni espresse sono negative. Il post più virale di tutto l’insieme di dati si trova dall’altra parte.


Il post più virale dell’insieme di dati è l’opera di questa persona. È classificato come un post leggermente negativo in termini di emozioni e medio soggettivo. Vi lascio decidere se l’algoritmo ha fatto il suo lavoro. Come potete vedere, dopo che l’insieme di dati mi è stato fornito, questo post ha continuato a ricevere i mi piace e i commenti. Il numero accumulato delle reazioni è ormai 817355.

most viral post on Linkedin


La soggettività influisce di più sulla viralità del post sul LinkedIn

L’ultima parte di quest’analisi consisteva nello scoprire qual era l’effetto delle variabili “soggettività” e “polarità” sulla probabilità che un post sul LinkedIn diventasse virale.

Il modello di predizione è stato realizzato utilizzando “Modeler” della società Timi. Ho seguito la stessa metodologia della mia ricerca precedente. Ho costruito un modello di probabilità di raccogliere 100 reazioni in un post sul LinkedIn. Le “reazioni” sono definite come la somma dei mi piace e dei commenti.

Il modello Timi dimostra che la soggettività contribuisce del 31,7% al conseguimento dell’obiettivo; la contribuzione della variabile “polarità” (ovvero le emozioni espresse) è solo del 4,6%. In altri termini, le emozioni espresse nel post influiscono appena sulla probabilità che il post diventi virale.

La probabilità “naturale” di ottenere 100 reazioni è del 3,59%. Quando la soggettività del post è attorno a 0,5, questa probabilità sale al 5,2%.

subjectify impact on linkedin post virality

Ringraziamenti

Grazie a Tableau Software per il suo supporto nelle mie ricerche.

Grazie a Frank Vanden Berghen e a Timi per il loro aiuto nel mettere a disposizione Anatella e Modeler.

 



Posted in Data e IT.

Pubblica la tua opinione

Il tuo indirizzo email non sarà pubblicato. I campi obbligatori sono contrassegnati *