Sancet Acedo, Irune2024-08-292024-08-292024https://academica-e.unavarra.es/handle/2454/51494En los últimos años, ha surgido un creciente interés del boca-oído electrónico (eWOM) y su impacto en los consumidores, particularmente en el contexto de las redes sociales. Este fenómeno se ha convertido en un elemento crucial para el marketing y el engagement, dado que las plataformas sociales permiten una rápida y amplia difusión de opiniones y experiencias de los usuarios. Numerosos estudios han demostrado el gran impacto que las publicaciones tienen en el proceso de decisión de compra de los consumidores. En el presente estudio se realiza un análisis detallado de las publicaciones de Strava en Instagram, centrándose en el rol que desempeña el contenido textual, abarcando el análisis de sentimientos y el modelado de temas. Para ello, se han implementado técnicas avanzadas de aprendizaje automático y aprendizaje profundo, predominando el uso de los transformers. Los resultados obtenidos revelan que el sentimiento positivo de las publicaciones afecta en el número de comentarios que reciben las publicaciones, pero no afecta en el número de “me gustas”. Además, se obtienen diversos temas de las publicaciones que aumentan el número de likes y el número de comentarios, como los challenges, los mapas de los recorridos del entrenamiento que muestran figuras, los podcasts, la música, los records, los logros y diversos deportes como el senderismo. Los hallazgos obtenidos generan implicaciones prácticas significativas para las empresas, permitiéndoles recopilar información valiosa para mejorar la satisfacción del cliente y fortalecer su imagen de marca en el mercado. Del mismo modo, estos resultados pueden guiarles sobre los factores y aspectos en los que deben centrarse al realizar sus publicaciones, para que sean atractivas.application/pdfspaStravaRedes socialesInstagramTextoSentimientoModelado de temasBERTProcesamiento del lenguaje natural en redes sociales: caso de Instagram y la App de Fitness Stravainfo:eu-repo/semantics/bachelorThesis2024-08-27info:eu-repo/semantics/openAccess