Armonizando sentimientos: Analizando las reseñas de usuarios de Spotify a través del análisis de sentimientos

Esta investigación investiga el sentimiento de las reseñas de usuarios en Spotify, con un enfoque particular en el mercado indonesio, aprovechando técnicas avanzadas de análisis de sentimientos. Empleamos tres modelos de clasificación prominentes: Naïve Bayes, Máquina de Soporte Vectorial (SVM) y Bosque Aleatorio, para analizar un conjunto de datos de 14,296 reseñas de usuarios extraídas de Google Play Store y App Store. Estos hallazgos revelan que el modelo SVM logró el mejor rendimiento, con un F1-score de 0.875 y una precisión de 0.874, superando a Naïve Bayes y Bosque Aleatorio, que obtuvieron precisiones de 0.857 y 0.856 respectivamente. Estos resultados destacan no solo la importancia de esta investigación, que ofrece valiosas contribuciones al discurso académico más amplio sobre marketing digital, análisis de sentimientos y comportamiento del consumidor. Además, también muestra la robustez y el rendimiento superior de SVM y Bosque Aleatorio en varios contextos de análisis de sentimientos. Este estudio no solo proporciona valiosos conocimientos para las futuras estrategias de desarrollo de Spotify, sino que también contribuye al discurso académico más amplio sobre análisis de sentimientos y el rendimiento de modelos de aprendizaje automático en marketing digital. Al resaltar la eficacia de modelos específicos, esta investigación subraya la importancia de la selección del modelo en el análisis de sentimientos, allanando el camino para aplicaciones de análisis de sentimientos más precisas y efectivas en la industria de la música en streaming.