Plataforma web para el análisis de sentimiento en comentarios de YouTube como herramienta de evaluación de mercado en PYMEs utilizando Machine Learning

Abstract

En la actualidad, la creciente digitalización ha generado un notable incremento en el uso de redes sociales como una fuente de intercambio de información y opinión. En este contexto, el análisis de sentimientos se ha convertido en una herramienta clave para la toma de decisiones empresariales al permitir evaluar la percepción de los clientes sobre un producto o servicio a partir de sus comentarios en redes sociales. Sin embargo, muchas pequeñas y medianas empresas (PYMEs) en el Perú no cuentan con acceso a este tipo de tecnologías, debido a factores como el desconocimiento del potencial del análisis de datos, falta de recursos económicos, ausencia de personal especializado o limitaciones en su infraestructura tecnológica. Ante esta problemática, la presente investigación propone el diseño y desarrollo de una plataforma web para el análisis de sentimientos de comentarios en español de videos de YouTube como herramienta de apoyo en la evaluación de la percepción del mercado para las PYMEs. La plataforma web propuesta implementa modelos de Machine Learning y Procesamiento de Lenguaje Natural (NLP), tales como VADER, TextBlob y BETO para clasificar los comentarios en español según su sentimiento: positivos, negativos o neutros. El sistema se construyó bajo la arquitectura Modelo-Vista-Controlador (MVC) e integra la metodología CRISP-DM para la minería de datos junto con la metodología Scrum para el desarrollo ágil de la plataforma web. Los resultados experimentales, obtenidos a partir del análisis de 3 000 comentarios de diferentes videos, evidenciaron que, tras comparar los tres modelos evaluados, BETO obtuvo una exactitud del 81,30% consolidándose como el modelo principal para el análisis de sentimientos en la investigación.