Análisis de sentimiento en X
En esta página
Entiende lo que piensa realmente tu audiencia
El análisis de sentimiento transforma miles de publicaciones en una lectura clara de cómo se percibe tu marca, la de tus competidores o el sector en general. Con la Búsqueda de X y las capacidades de razonamiento de Grok, puedes ir más allá de la simple clasificación positivo/negativo para comprender matices emocionales, frustraciones latentes y señales de alerta.
Dimensiones del sentimiento en marketing
El análisis de sentimiento en marketing va más allá del binario positivo/negativo. Estas son las dimensiones relevantes:
Escala de sentimiento de 5 niveles
- Muy positivo: entusiasmo, recomendación activa, amor por la marca.
- Positivo: satisfacción, aprobación, interés.
- Neutro: mención factual, intercambio de información.
- Negativo: decepción, crítica, frustración.
- Muy negativo: ira, llamada al boicot, crisis.
Dimensiones adicionales
- Intención de compra: ¿Indica la publicación la intención de comprar o de darse de baja?
- Influencia: ¿Procede la publicación de una cuenta influyente o de un consumidor medio?
- Viralidad: ¿Tiene la publicación potencial de propagación?
- Urgencia: ¿Requiere la señal una reacción rápida?
Analiza el sentimiento con la Búsqueda de X y Grok
Análisis de sentimiento para tu marca
def analyser_sentiment_marque(marque, periode_jours=7):
from datetime import datetime, timedelta
today = datetime.now().strftime("%Y-%m-%d")
start = (datetime.now() - timedelta(days=periode_jours)).strftime("%Y-%m-%d")
response = client.responses.create(
model="grok-4.20-0309-reasoning",
input=f"""Analiza el sentimiento de las conversaciones en X
sobre {marque} entre {start} y {today}.
Para cada tema de conversación identificado, proporciona:
1. El tema (p. ej., "atención al cliente", "calidad del producto")
2. El sentimiento dominante (escala 1-5)
3. El volumen estimado de conversación
4. Los verbatims más representativos
5. Las cuentas más influyentes en la discusión
6. La evolución del sentimiento durante el periodo
Resumen final:
- Puntuación global de sentimiento (1-5)
- 3 puntos positivos principales
- 3 puntos negativos principales
- Cualquier alerta""",
tools=[{
"type": "x_search",
"from_date": start,
"to_date": today
}]
)
return response.output_text
Análisis de sentimiento comparativo
Compara la percepción de tu marca con la de tus competidores:
def sentiment_comparatif(marques, periode_jours=30):
from datetime import datetime, timedelta
today = datetime.now().strftime("%Y-%m-%d")
start = (datetime.now() - timedelta(days=periode_jours)).strftime("%Y-%m-%d")
response = client.responses.create(
model="grok-4.20-0309-reasoning",
input=f"""Compara el sentimiento en X para estas marcas:
{', '.join(marques)}
Periodo: de {start} a {today}
Para cada marca, evalúa:
- Puntuación global de sentimiento (1-5, con decimales)
- Temas positivos dominantes
- Temas negativos dominantes
- Puntos fuertes percibidos por el público
- Puntos débiles percibidos por el público
Tabla comparativa final ordenada por sentimiento.
Identifica oportunidades de posicionamiento para la
primera marca de la lista.""",
tools=[{"type": "x_search", "from_date": start, "to_date": today}]
)
return response.output_text
Obtén resultados estructurados en JSON
Para integrar el análisis de sentimiento en una canalización de datos, solicita una salida en JSON:
def sentiment_structure(marque, periode_jours=7):
from datetime import datetime, timedelta
today = datetime.now().strftime("%Y-%m-%d")
start = (datetime.now() - timedelta(days=periode_jours)).strftime("%Y-%m-%d")
response = client.responses.create(
model="grok-4.20-0309-reasoning",
input=f"""Analiza el sentimiento en X sobre {marque}.
Periodo: de {start} a {today}.
Responde ÚNICAMENTE en JSON válido con esta estructura:
{{
"brand": "{marque}",
"period": "{start} - {today}",
"global_score": 3.7,
"distribution": {{
"very_positive": 15,
"positive": 35,
"neutral": 30,
"negative": 15,
"very_negative": 5
}},
"themes": [
{{
"name": "atención al cliente",
"score": 2.1,
"volume": "high",
"trend": "stable"
}}
],
"alerts": ["descripción de la alerta si procede"],
"recommendations": ["acción recomendada"]
}}""",
tools=[{"type": "x_search", "from_date": start, "to_date": today}]
)
return response.output_text
Sigue la evolución del sentimiento en el tiempo
Un análisis puntual es útil, pero el seguimiento a lo largo del tiempo revela tendencias. Compara los resultados semana tras semana:
def evolution_sentiment(marque, nb_semaines=4):
from datetime import datetime, timedelta
import json
historique = []
for i in range(nb_semaines, 0, -1):
end = (datetime.now() - timedelta(weeks=i-1)).strftime("%Y-%m-%d")
start = (datetime.now() - timedelta(weeks=i)).strftime("%Y-%m-%d")
response = client.responses.create(
model="grok-4.20-0309-reasoning",
input=f"""Puntuación de sentimiento en X para {marque}
de {start} a {end}.
Responde con un JSON: {{"week": "{start}",
"score": X.X, "volume": N, "dominant_theme": "..."}}""",
tools=[{
"type": "x_search",
"from_date": start,
"to_date": end
}]
)
historique.append(response.output_text)
return historique
Detecta crisis de reputación
El análisis de sentimiento es tu primer sistema de alerta en caso de crisis:
def detecter_crise(marque, seuil_negatif=40):
resultat = sentiment_structure(marque, periode_jours=1)
# Analiza el JSON
import json
data = json.loads(resultat)
pct_negatif = (data["distribution"]["negative"] +
data["distribution"]["very_negative"])
if pct_negatif > seuil_negatif:
return {
"alert": True,
"level": "CRITICAL" if pct_negatif > 60 else "IMPORTANT",
"score": data["global_score"],
"negative_themes": [t for t in data["themes"] if t["score"] < 2.5],
"recommendation": "Se recomienda reunión de crisis"
}
return {"alert": False, "score": data["global_score"]}
Puntos clave
- El análisis de sentimiento va más allá de positivo/negativo: evalúa la intención, la influencia y la urgencia.
- Utiliza una escala de 5 niveles para captar los matices.
- Solicita salidas estructuradas en JSON para alimentar tus cuadros de mando.
- Sigue la evolución del sentimiento a lo largo del tiempo, no solo instantáneas puntuales.
- Compara sistemáticamente tu sentimiento con el de tus competidores.
- Configura umbrales de alerta para detectar crisis de reputación nada más surgir.