Pedang Bermata Dua Bernama Media Sosial

Pemahaman sentimen media sosial berarti penambahan potongan pengetahuan yang melengkapi kisah utuh dalam membangun merek.

Hingga kini, masih banyak perusahaan di Indonesia yang berbisnis dengan orientasi produk. Mereka mengutamakan membangun produk terlebih dahulu, kemudian mencari konsumen untuk produk tersebut. Saat bisnis sudah berjalan, cara berkomunikasi dan menjalin interaksi dengan pelanggan pun masih dengan cara konvensional.

Orientasi lebih ke diri sendiri dan cenderung beranggapan bahwa konsumen harus mengikuti maunya perusahaan, termasuk apa yang dibutuhkan dan diinginkan konsumen, harus dilihat dari perspektif perusahaan. Jelas semua tindakan tersebut sangat menyalahi kaidah dan esensi dunia marketing.

Apalagi sekarang generasi Y alias generasi milenial menguasai segmen terbesar konsumen di tanah air dan internasional. Mereka memiliki sikap, perilaku, dan tindak tanduk yang berbeda dengan generasi pendahulu, antara lain lebih kritis dan vokal. Sikap kritis dan vokal tersebut didukung oleh kehadiran media sosial yang memungkinkan mereka menyampaikan keluh kesah maupun pujian dengan mudah di ranah publik.

Keluh kesah, pujian, atau sekedar komentar kosong dalam media sosial dapat disebut sebagai sentimen media sosial.

Sayangnya, masih banyak perusahaan yang terlihat tidak siap dan bahkan gelagapan saat berhadapan dengan sentimen media sosial yang berasal dari konsumen. Padahal, kta perlu mengetahui sentimen-sentimen tersebut untuk keperluan analisis bisnis dan marketing.

Analisis sentimen media sosial

Sikap tidak siap yang dialami para pengelola merek bisa terlihat saat berbagai opini negatif muncul di media sosial. Kadangkala, opini negatif tersebut dibiarkan begitu saja, tidak dianggap, dan bahkan ditanggapi dengan reaktif, misal dengan menghapus komentar negatif, memberikan balasan negatif, atau melakukan blokir terhadap si pemberi komentar.

Akumulasi sikap reaktif tersebut sedikit demi sedikit akhirnya terakumulasi bagai bola salju. Pengelolaan media sosial yang semula mungkin dianggap remeh, akhirnya menjadi bencana. Sebuah alat yang awalnya dianggap bisa memberikan citra positif untuk merek, ternyata malah membawa bencana. Tak ayal, media sosial memang bagai pedang bermata dua. Pada satu sisi memberikan imbal hasil positif, di sisi lain memberikan efek buruk. Hal inilah yang menjadi alasan betapa pentingnya analisis sentimen media sosial.

Mungkin ada sebagian atau justru mayoritas pelaku bisnis dan marketer yang bingung dengan pengertian analisis sentimen media sosial. Berbasis penjelasan Oxford, definisi analisis sentimen adalah proses komputasional dalam mengidentifikasi dan mengategori opini-opini dalam bentuk potongan teks, khususnya untuk mengukur maksud si pembuat potongan teks terhadap topik tertentu, produk, dll, apakah positif, negatif, atau netral.

Dalam konteks bisnis, analisis sentimen media sosial adalah langkah esensial dan dapat memberikan masukan yang sangat berguna untuk:

  • Menentukan strategi marketing
  • Mengimprovisasi kampanye marketing
  • Mengimprovisasi pesan iklan
  • Mengimprovisasi pelayanan pelanggan
  • Mengetes parameter kinerja
  • Mendapatkan potensi transaksi jual beli

Secara ringkas, analisis sentimen media sosial yang dilakukan dengan benar dapat memperbaiki kinerja marketing, khususnya saat berhadapan dengan konsumen generasi milenial.

Sayangnya, melakukan analisis sentimen media sosial bukan hal mudah. Bahkan bisa dikatakan sangat sulit. Melakukan analisis tersebut dapat menghabiskan waktu yang banyak untuk sekedar mengumpulkan data. Hal tersebut belum dihitung waktu memilih dan memilah mana data sampah dan mana data valid. Karena jika kita sampai mengambil keputusan berbasis analisis sentimen yang salah, misalnya berbasis hoaks, hasilnya adalah bencana.

Saat ini memang sudah banyak alat-alat yang bisa digunakan untuk menganalisis sentimen media sosial, namun hampir bisa dipastikan bahwa semua vendor tidak ada yang berani menjamin keakuratan analisis hingga 90%. Secara rerata, mereka berani menjamin keakuratan analisis sentimen media sosial pada kisaran 50% – 60%.

Contoh alat analisis sentimen media sosial (Mediawave)

Mungkin ada yang bertanya, “Lantas jika jaminan keakuratan analisis hanya 50% – 60%, apa gunanya analisis sentimen media sosial?”

Maka, ini saatnya kita masuk ke hal yang lebih mendalam dari analisis sentimen media sosial.

Tipe-tipe analisis sentimen media sosial

Saat kita menggunakan jasa vendor analisis sentimen media sosial, ada baiknya kita mengetahui bagaimana cara kerja dalam menganalisis sentimen. Secara umum, ada tiga cara melakukan sentimen analisis media sosial.

Pertama, cara manual. Menilai sentimen yang terjadi di media sosial dengan interpretasi manusia secara langsung adalah langkah yang paling tepat dan akurat untuk menilai sentimen, apakah positif, negatif atau netral. Namun, interpretasi manusia tetap tidak menjamin akurat 100%. Selain itu, kemampuan manusia ada batasnya dan pertumbuhan pengguna media sosial yang meningkat pesat membuat analisis dengan interpretasi manusia secara langsung semakin sulit dilakukan.

Apalagi saat kita berbicara penggunaan media sosial dalam konteks Indonesia, yang mana lebih memahami penggunaan media sosial daripada situs penelusur, surel, dan pelantar teknologi internet lainnya.

Kedua, pengolahan kata kunci. Pengolahan kata kunci dengan basis pemrosesan algoritma mengelompokkan kata kunci secara individual dalam golongan positif atau negatif, lalu memberikan skor persentase terhadap unggahan tertentu di media sosial. Contoh kata kunci yang masuk dalam golongan positif adalah “senang”, “bahagia”, “bagus”, “cinta”, “keren”, dan “istimewa”. Sedangkan contoh kata kunci yang masuk dalam golongan negatif adalah “jelek”, “buruk”, “parah”, “sampah”, dan “bangsat”.

Contoh pembicaraan positif (sumber MediaWave)

Manfaat analisis sentimen media sosial dengan pengolahan kata kunci adalah prosesnya yang cepat, mudah diprediksi, dan mudah untuk diimplementasikan.

Namun ada sisi-sisi negatif dari metode ini, misal saat berhadapan dengan kata-kata kiasan, sinisme, atau sarkasme. Sebagai contoh, orang Indonesia bisa mengucapkan “gila bener” untuk menyatakan kekaguman. Namun dengan metode ini, kata kunci tersebut bisa dianggap negatif. Contoh lain, sebagai bentuk sinisme, orang Indonesia dapat berujar “bagus banget” padahal tujuannya adalah menyindir dan menyampaikan suatu kejelekan.

Ketiga, Natural Language Processing (NLP atau bisa disebut juga analisis teks, data mining, linguistik komputasional). NLP merujuk kepada sistem komputer yang melakukan proses bahasa manusia dalam konteks maksud yang disampaikan. NLP mengetahui bahwa gabungan beberapa kata membentuk kalimat, gabungan beberapa kalimat membentuk alinea, dan gabungan beberapa alinea menyampaikan ide. NLP bekerja dengan menganalisis bahasa untuk mengetahui maksud yang ingin disampaikan.

Sepintas, NLP terdengar superior dibandingkan dengan metode pemrosesan kata kunci, namun tetap memiliki batasan. Sinisme, sarkasme, dan kata-kata bersayap yang menjadi khas dari tutur budaya bangsa Indonesia sangat sulit dideteksi oleh metode NLP.

Setelah memahami berbagai kelebihan dan kekurangan masing-masing metode, kita sekarang memasuki penjelasan mengenai penyebab sulitnya melakukan analisis sentimen media sosial dalam konteks lebih spesifik.

Analisis sentimen versus analisis semantik

Berdasarkan penjelasan sebelumnya, kita sudah mendapatkan gambaran umum analisis sentimen dan gambaran-gambaran ringkas mengenai “semantik”.

Dalam memahami komunikasi manusia, ada studi yang disebut studi semantik. Agar selaras dengan artikel ini, kita akan masuk dalam analisis semantik. Analisis semantik adalah studi untuk arti bahasa dan bagaimana bahasa dipahami. Sebagai contoh, saat seseorang menyebut “burung”, apakah “burung” yang dimaksud benar-benar hewan burung atau kiasan yang merujuk ke hal selain burung?

Melalui analisis semantik, kita dapat mengekstrak informasi bermanfaat dan relevan dari kumpulan teks dan menganalisis kata-kata asing, termasuk kata kiasan.

Intinya, meski data yang dianalisis sangat besar dan proses yang dilakukan sangat sulit, sebaiknya kita tetap menggunakan jasa manusia untuk melakukan interpretasi dan pengambilan analisis final. Manusia yang melakukan analisis final tersebut harus memiliki kompetensi dan kapabilitas memahami variasi bahasa, termasuk kiasan-kiasan yang biasa digunakan.

Hasil analisis sentimen media sosial yang mendayagunakan analisis semantik dapat memberikan empat manfaat yang lebih tajam untuk merek yang kita kelola, yaitu:

Pertama, mengevaluasi kesehatan merek. Salah satu cara untuk memahami perasaan pelanggan terhadap merek kita adalah analisis media sosial secara rutin. Melalui analisis rutin sentimen media sosial, kita bisa mengetahui perasaan konsumen kita terhadap perusahaan, produk, dan layanan yang kita berikan.

Kedua, menghadapi krisis. Sentimen media sosial dapat menjadi petunjuk dan pertanda perubahan-perubahan kesehatan merek kita. Kenaikan mendadak unggahan-unggahan negatif mengenai merek kita bisa jadi pertanda adanya krisis di depan mata. Pengelola merek dapat menganalisis sentimen ini untuk mengetahui akar masalah dan menyusun rencana untuk meredam dan memperbaiki sentimen negatif.

Ketiga, meriset kompetisi. Analisis sentimen media sosial adalah cara yang sangat baik untuk mengetahui bagaimana merek kita dipersepsikan dengan merek kompetitor. Sesudah kita memahami bagaimana sentimen terhadap merek-merek yang menjadi kompetitor, kita dapat menyusun strategi mengenai cara-cara untuk meningkatkan sentimen positif terhadap merek kita.

Keempat, terus bergerak maju. Melalui analisis sentimen media sosial, kita dapat selalu mengikuti tren obrolan di media sosial mengenai merek kita dan tetap relevan hingga masa mendatang.

(Andika Priyandana; dari berbagai sumber)

Catatan: Versi tersunting artikel ini telah dimuat di Majalah Marketing edisi Oktober 2017

Tinggalkan Balasan

Isikan data di bawah atau klik salah satu ikon untuk log in:

Logo WordPress.com

You are commenting using your WordPress.com account. Logout /  Ubah )

Foto Facebook

You are commenting using your Facebook account. Logout /  Ubah )

Connecting to %s