توسعه شخصیت برند، شرکت ها را قادر می سازد تا خود را از رقبا متمایز کنند و به طور موثر با مشتریان ارتباط برقرار کنند. با این حال، ارزیابی ادراک شخصیت مشتریان از برند یک چالش است، زیرا روش های سنتی پرهزینه اند و از طرفی عینی نیستند. در این مطالعه، ما بر بُعد «شایستگی» شخصیت برند تمرکز می کنیم و از شبکه های اجتماعی برای تجزیه و تحلیل ادراک مشتریان فارسی زبان استفاده می کنیم. برای این منظور نظراتی که به زبان فارسی در رابطه با برندها یا تجربیات کاربران از برندها نوشته شده است، از شبکه های اجتماعی استخراج می شود. سپس، با تکنیک های پردازش زبان طبیعی مانند TF-IDF و word2vec برای آماده سازی داده ها در جهت توسعه مدل های یادگیری ماشینی استفاده می شوند. این مدل ها نظرات کاربران را به سه دسته همسو، غیر همسو و خنثی طبقه بندی می کنند، بسته به اینکه نظر کاربران مطابق با شخصیت برند، مخالف آن یا خنثی باشد. الگوریتم های K-NN, Naï, ve Bayes، Artificial Neural Network و LSTM بر روی مجموعه داده ها آموزش داده می شوند، نتایج نشان می دهد که مدل LSTM با دستیابی به مقدار 93 درصد برای معیارf1-score، عملکرد بهتری نسبت به سایر مدل ها به دست آورد. در نهایت، از مدل LSTM برای ارزیابی ادراک مشتریان از شخصیت برند اسنوا، به عنوان مطالعه موردی استفاده می شود.