Definir alcance y búsqueda de fuentes

Definir el alcance y los objetivos: Antes de comenzar la extracción de datos, es importante definir claramente el alcance de tu investigación y los objetivos que deseas lograr. Esto te ayudará a enfocar tu extracción de datos en los temas y comunidades relevantes.

Identificar fuentes de datos: Identifica las fuentes en línea donde se generan los datos relevantes para tu investigación. Estas fuentes pueden incluir redes sociales como Facebook, Twitter, Instagram, plataformas de blogs, foros de discusión, sitios de reseñas, entre otros.

Extracción y limpieza de datos

Recopilar datos: Utiliza métodos y técnicas de recopilación de datos con búsquedas manuales y explorar activamente los espacios virtuales para recopilar datos relevantes. También puedes utilizar herramientas de web scraping o API para extraer datos de forma automatizada.

Organizar y estructurar los datos: Una vez que hayas recopilado los datos, organízalos y estructúralos de manera adecuada para facilitar su análisis.

Análisis de datos

A modo de ejemplo se pueden hacer los siguientes análisis:
- Identificación del perfil de usuario: como el género (a treves del nombre de usuario que usan
para dejar comentarios en foros, etc.) o, por ejemplo, si está opinando/valorando como habitante o turista en una ciudad.
- Nivel de satisfacción de los usuarios finales respecto de un producto o servicio concreto.
- Análisis temático: Se identifican y analizan los temas y patrones recurrentes en los datos codificados.
- Análisis de la evolución del uso de un producto o servicio: según el número de opiniones / uso que hace del servicio/producto.
- Análisis de la evolución de la satisfacción de un producto o servicio: analizando las valoraciones en el tiempo.
- Análisis semántico por codificación manual: a través de la lectura del conjunto o muestra representativa de las respuestas, se eligen los temas y categorías según el significado a nivel de experto.
- Análisis automático del sentimiento-polaridad clasificando los comentarios en POSITIVOS, NEGATIVOS, MIXTOS y NEUTROS.
- Análisis automático de las emociones y nivel de agresividad / odio en los comentarios de los usuarios.
- Nube de Palabras (Word o Bubble Clouds) dónde permite ver las palabras sintéticamente de acuerdo con su frecuencia de aparición.
- Extracción de verbatims representativos: Una vez identificados los temas de los comentarios, se extraen textualmente para ilustrar los temas tratados.
Existen en la actualidad muchas herramientas comerciales o no que nos ayudan a textos a través del Procesamiento del Lenguaje Natural (PLN) (ver en referencias)

Visualización de datos

La visualización de datos (o dataviz) es una herramienta poderosa para explorar y comprender datos complejos, y para comunicar información de manera efectiva a través de gráficos. Algunos ejemplos de cómo mostrar la información obtenida de un análisis netnográfico y Procesamiento de Lenguaje Natural (PLN):

- Nubes de Palabras. Las nubes de palabras sirven para representar el número de menciones de las palabras. Su representación gráfica ha evolucionado para cubrir distintas necesidades de expresión gráfica
- Gráficos de barras y de pastel para representar porcentajes de comentarios POSITIVOS, NEGATIVOS, MIXTOS y NEUTROS.
- Mapas y gráficos interactivos usando herramientas gratuitas o comerciales como Tableau, Mapbox o Leaflet
- Gráfico de burbujas muestra los datos en forma de burbujas, donde el tamaño de cada burbuja representa una variable específica y su posición en el gráfico puede indicar otra variable.
- Mapas de calor (heatmaps): son una forma efectiva de visualizar la distribución y la intensidad de las interacciones y discusiones en línea.

Existen un gran número de webs, visualizaciones y herramientas de referencia que muestran la variedad de opciones que hay a la hora de hacer una visualización de datos. (ver en referencias)