Articulo de referencia

Puntuación de marca semántica

El Semantic Brand Score (SBS) es una medida de importancia de marca que se calcula a partir de datos textuales. [ 1 ] [ 2 ] [ 3 ] La medida se basa en la teoría de grafos y está...

El Semantic Brand Score (SBS) es una medida de importancia de marca que se calcula a partir de datos textuales. [ 1 ] [ 2 ] [ 3 ] La medida se basa en la teoría de grafos y está parcialmente conectada con la conceptualización de Keller [ 4 ] sobre el valor de marca . [ 5 ] Se calcula convirtiendo textos en redes de palabras o semánticas y analizando tres aspectos clave: la frecuencia con la que se menciona un nombre de marca (prevalencia), el grado en que está vinculado a términos distintivos y poco comunes en el discurso (diversidad) y su función potencial como puente que conecta términos o conceptos que de otro modo estarían desconectados o débilmente conectados (conectividad).

La métrica también se ha utilizado de forma más amplia como indicador de importancia semántica, con diversos objetivos, mediante el análisis de diferentes fuentes de texto, como artículos periodísticos, foros en línea, artículos científicos o publicaciones en redes sociales . [ 6 ] [ 7 ] [ 8 ]

Definición y cálculo

Preprocesamiento

Para calcular la puntuación semántica de marca, es necesario convertir los textos analizados en redes de palabras , es decir, grafos donde cada nodo representa una palabra. Las conexiones entre palabras se forman en función de su coocurrencia dentro de un umbral de distancia especificado (un número de palabras). El preprocesamiento del lenguaje natural se suele realizar para refinar los textos, lo que implica tareas como la eliminación de palabras vacías y la aplicación de la lematización . [ 9 ] Aquí hay una red de ejemplo derivada del preprocesamiento de la oración "El amanecer es la aparición de luz - usualmente dorada, rosa o púrpura - antes de la salida del sol".

El SBS es un indicador compuesto con tres dimensiones: prevalencia, diversidad y conectividad. [ 10 ] [ 11 ] [ 12 ] El SBS mide la importancia de la marca, un constructo que no puede entenderse examinando una sola dimensión. [ 5 ]

Predominio

La prevalencia mide la frecuencia de uso de nombres de marcas, indicando con qué frecuencia se hace referencia explícita a una marca en un corpus . El factor de prevalencia está asociado con el conocimiento de la marca , lo que sugiere que una marca mencionada con frecuencia en un texto es más familiar para sus autores. [ 10 ] [ 11 ] [ 8 ] Asimismo, las menciones frecuentes de un nombre de marca mejoran su reconocimiento y recuerdo entre los lectores.

Diversidad

La diversidad evalúa la variedad de palabras vinculadas a una marca, centrándose en las asociaciones textuales. Estas asociaciones textuales se refieren a las palabras utilizadas junto a una marca o término específico. La medición implica el uso del indicador de centralidad de grado , que refleja el número de conexiones que tiene un nodo de marca en la red semántica. [ 1 ] Alternativamente, se ha propuesto un enfoque que utiliza la centralidad de distintividad [ 13 ] , asignando mayor importancia a las asociaciones de marca únicas y reduciendo la redundancia. La razón es que las asociaciones textuales distintivas enriquecen las discusiones sobre una marca, mejorando así su memorabilidad.

La diversidad se puede calcular para el nodo de marca en una red de palabras, es decir, un grafo no dirigido ponderado G , compuesto por n nodos y m arcos. Si dos nodos (términos o conceptos), i y j , no están conectados, entonceswij=0{\displaystyle w_{ij}=0}, de lo contrario el peso del arco que los conecta eswij1{\displaystyle w_{ij}\geq 1}. A continuación,gramoj{\displaystyle g_{j}}es el grado del nodo j yI(F){\displaystyle I_{(f)}}es la función indicadora que es igual a 1 siF=TRUmi{\displaystyle f=TRUE}, es decir, si hay un arco que conecta los nodos i y j .

DI(i)=j=1,jinorteregistro10norte1gramojI(wij>0){\displaystyle DI(i)=\sum _{j=1,j\neq i}^{n}\log _{10}{\frac {n-1}{g_{j}}}I_{(w_{ij}>0)}}.

Conectividad

La conectividad evalúa el poder de conexión de una marca dentro de un discurso más amplio, indicando su capacidad para servir como puente entre diversas palabras/conceptos (nodos) en la red. [ 1 ] [ 2 ] [ 3 ] [ 12 ] Captura el poder de intermediación de una marca, su capacidad para conectar diferentes palabras, grupos de palabras o temas. El cálculo se basa en la métrica de centralidad de intermediación ponderada . [ 3 ] [ 14 ]

El indicador Semantic Brand Score se obtiene sumando los valores estandarizados de prevalencia, diversidad y conectividad. [ 1 ] [ 10 ] [ 11 ] La estandarización del SBS se realiza normalmente restando la media a las puntuaciones brutas de cada dimensión y dividiendo el resultado por la desviación estándar. [ 3 ] Este proceso tiene en cuenta las puntuaciones de todas las palabras relevantes del corpus.

Véase también

Referencias

  1. 1 2 3 4 Schlaile, Michael P.; Bogner, Kristina; Muelder, Laura (2021). "¡Es más que complicado! Uso de la memética organizacional para capturar la complejidad de la cultura organizacional" . Journal of Business Research . 129 : 801–812 . doi : 10.1016/j.jbusres.2019.09.035 .
  2. 1 2 Santomauro, Giuseppe; Alderuccio, Daniela; Ambrosino, Fiorenzo; Migliori, Silvio (2021). "Ranking de criptomonedas por importancia de marca: un análisis de redes sociales en ENEAGRID" . En Bitetta, Valerio; Bordino, Ilaria; Ferretti, Andrea; Gullo, Francisco; Ponti, Giovanni; Severini, Lorenzo (eds.). Minería de datos para aplicaciones financieras . Apuntes de conferencias sobre informática. vol. 12591. Cham: Springer International Publishing. págs. 92–100 . doi : 10.1007/978-3-030-66981-2_8 . ISBN   978-3-030-66981-2.
  3. 1 2 3 4 Bashar, Md Abul; Nayak, Richi; Balasubramaniam, Thirunavukarasu (2022-07-25). "Análisis de temas y sentimientos basado en aprendizaje profundo: búsqueda de información sobre COVID-19 en redes sociales" . Social Network Analysis and Mining . 12 (1): 90. doi : 10.1007/s13278-022-00917-5 . ISSN 1869-5469 . PMC 9312316. PMID 35911483 .   
  4. Keller, Kevin Lane (1993). "Conceptualización, medición y gestión del valor de marca basado en el cliente" . Journal of Marketing . 57 (1): 1– 22. doi : 10.1177/002224299305700101 . ISSN 0022-2429 . 
  5. 1 2 Fronzetti Colladon, Andrea (2018). "The Semantic Brand Score" . Journal of Business Research . 88 : 150–160 . arXiv : 2105.05781 . doi : 10.1016/j.jbusres.2018.03.026 .
  6. Indraccolo, Ugo; Losavio, Ernesto; Carone, Mauro (2023). "Aplicación de la teoría de grafos para mejorar la calidad de la evidencia científica a partir de información textual: lesiones neuronales después de cirugía pélvica ginecológica para prolapso genital e incontinencia urinaria" . Neurourología y Urodinámica . 42 (3): 669– 679. doi : 10.1002/nau.25133 . ISSN 0733-2467 . PMID 36648454 .  
  7. Kasia, Parys. "Twitter polaco sobre los inmigrantes durante la crisis fronteriza entre Bielorrusia y la Unión Europea de 2021" . www.linkedin.com . Consultado el 3 de abril de 2024 .
  8. 1 2 Das, Sibanjan Debeeprasad; Bala, Pradip Kumar; Das, Sukanta (2024). "Explotación del contenido generado por el usuario en videos de lanzamiento de productos para calcular una puntuación de lanzamiento" . IEEE Access . 12 : 49624–49639 . Bibcode : 2024IEEEA..1249624D . doi : 10.1109/ACCESS.2024.3381541 . ISSN 2169-3536 . 
  9. Perkins, Jacob; Fattohi, Faiz (2014). Python 3 text processing with NLTK 3 cookbook . Quick answers to common problems (2.ª ed.). Birmingham: Packt Publishing Ltd. ISBN  978-1-78216-785-3.
  10. 1 2 3 Bianchino, Antonella; Fusco, Daniela; Pisciottano, Daniele (27-05-2021). "Cómo medir la competitividad turística: una propuesta de modelo de modo mixto" (PDF) . Athens Journal of Tourism . 8 (2): 131– 146. doi : 10.30958/ajt.8-2-4 .
  11. 1 2 3 Beccari, Nicholas; Nicola, Valerio (2019). Vídeos de contenido generado por la marca y por el usuario en YouTube: características, comportamiento y percepción del usuario (PDF) . Milán, Italia: Politecnico di Milano.
  12. 1 2 Mercurio, Simona (2024). "¿Qué pasa con la corrupción? Un método de análisis de texto para una revisión bibliográfica exploratoria" . En Giordano, Giuseppe; Misuraca, Michelangelo (eds.). Nuevas fronteras en el análisis de datos textuales . Estudios en clasificación, análisis de datos y organización del conocimiento. Springer. pp. 349–359 . doi : 10.1007/978-3-031-55917-4_28 . ISBN  978-3-031-55916-7.
  13. Fronzetti Colladon, Andrea; Naldi, Maurizio (22 de mayo de 2020). "Centralidad de la distinción en redes sociales" . PLOS ONE . 15 (5) e0233276. arXiv : 1912.03391 . Bibcode : 2020PLoSO..1533276F . doi : 10.1371/ journal.pone.0233276 . ISSN 1932-6203 . PMC 7244137. PMID 32442196 .   
  14. Bashar, Md Abul; Nayak, Richi; Knapman, Gareth; Turnbull, Paul; Fforde, Cressida (diciembre de 2023). "Una red neuronal informada para descubrir documentación histórica que ayude a la repatriación de restos humanos ancestrales indígenas" . Social Science Computer Review . 41 (6): 2293– 2317. arXiv : 2303.14475 . doi : 10.1177/08944393231158788 . ISSN 0894-4393 .