•  
  •  
 

Tytuł

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

ORCID

Karolina Mania: 0000-0001-9063-7563

Monika Jedynak: 0000-0002-0167-5013

Aneta Kuźniarska: 0000-0002-2786-2781

Karolina Woszczyna: 0000-0001-6575-3669

Keywords

social media, communication, sentiment analysis, Facebook

Słowa kluczowe

social media, komunikacja, analiza sentymentu, Facebook

Abstract

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.

Abstrakt

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.

Acknowledgments

Funding

The article came into being within the project no. 2020/37/B/HS4/00360 entitled ‘Digital identity – organizational stakeholders engagement multilevel analysis’ financed by National Science Centre in the years 2021-2025.

Declaration of Conflicting Interests

The authors declare that there is no conflict of interest related to the research paper. The study was conducted without any financial or personal relationships that could be perceived as potentially influencing the research or its outcomes.

Declaration about the scope of AI utilisation

The authors used the AI tool ChatGPT to help check grammar (only) in the preparation of this articl e.

First Page

4

Last Page

21

Page Count

18

Received Date

19.03.2024

Accepted Date

22.11.2024

Online Available Date

10.12.2024

DOI

10.7172/2956-7602.105.1

JEL Code

D83

Publisher

University of Warsaw

Download

Share

COinS