Odkodowywanie nastrojów w komunikacji online : analiza mediów społecznościowych firm z branży modowej

Cel: celem artykułu było zidentyfikowanie różnic w emocjonalnym tonie komunikatów werbalnych publikowanych na kontach badanych firm na Facebooku. Skupiono się na wybranych przedsiębiorstwach z branży modowej, ze szczególnym uwzględnieniem tych, które utrzymują aktywną obecność na Facebooku. Projekt/metodologia: analiza sentymentu została przeprowadzona przy użyciu pakietu oprogramowania CLARIN. Przez trzymiesięczny okres 2023 roku, posty firm oraz komentarze użytkowników zostały zebrane i poddane dogłębnej analizie. Wyniki pozwoliły na kategoryzację sześciu grup odnoszących się do różnorodnych emocji uwidocznionych w komunikacji online. Analiza została przeprowadzona na poziomie treściowym z wykorzystaniem metod leksykalnych oraz uczenia maszynowego. Wnioski: otrzymane wyniki wykazały przewagę silnych pozytywnych emocji wśród treści pochodzących z kanałów social media analizowanych firm. Implikacje/ograniczenia badawcze: badania zostały ograniczone do trzymiesięcznego okresu zbierania danych i skoncentrowały się wyłącznie na przedsiębiorstwach z branży modowej, które aktywnie działają na Facebooku. Może to ograniczać możliwość uogólnienia wyników na inne branże lub platformy. Oryginalność/wartość: niniejsze badania przyczyniają się do zrozumienia znaczenia i wpływu komunikacji w mediach społecznościowych organizacji na jej użytkowników, dostarczając szczegółowych wniosków dotyczących dynamiki sentymentów w branży modowej.

Purpose: The aim of this article was to identify differences in the emotional tone of verbal messages published on the Facebook accounts of selected companies within the fashion industry, focusing on organizations with an active presence on this platform. Design/methodology/approach: The sentiment analysis was conducted using the CLARIN software suite. Over a three-month period in 2023, companies’ posts and users’ comments were collected and analyzed. Sentiments were categorized into six groups: ambiguous statements, strong and weak negative statements, strong and weak positive statements, and neutral statements. Analysis was performed at sentence, document, and aspect levels, employing both lexicon-based methods and machine learning. Findings: The results showed a preponderance of strong positive sentiment among the messages seen on the social media channels of the companies analyzed. Research limitations/implications: The study was limited to a three-month data collection period and focused exclusively on organizations within the fashion industry with an active Facebook presence, which may limit the generalizability of the findings to other industries or platforms. Originality/value: This study contributes to the understanding of how corporate communication on social media impacts its users, offering insights specifically into sentiment dynamics within the fashion industry.