La abundancia de datos públicamente disponibles en internet dentro del dominio del e-marketing está en constante expansión. Una parte significativa de estos datos gira en torno a las percepciones y opiniones de los consumidores respecto a los bienes o servicios de las organizaciones, lo que los hace valiosos para los recolectores de inteligencia de mercado en marketing, gestión de relaciones con los clientes y retención de clientes. El análisis de sentimientos sirve como una herramienta para examinar el sentimiento de los clientes, las iniciativas de marketing y las valoraciones de productos. Esta información valiosa puede orientar decisiones relacionadas con el desarrollo de futuros productos y servicios, campañas de marketing y mejoras en el servicio al cliente. En las redes sociales, predecir las calificaciones se emplea comúnmente para anticipar las calificaciones de productos basadas en las opiniones de los usuarios. Nuestro estudio proporciona una extensa comparación de referencia de diferentes modelos de aprendizaje profundo, incluyendo redes neuronales convolucionales (CNN), redes neuronales recurrentes (RNN) y memorias a largo plazo bidireccionales (Bi-LSTM). Estos modelos son evaluados utilizando diversas técnicas de incrustación de palabras, como representaciones de codificadores bidireccionales de transformadores (BERT) y sus derivados, FastText y Word2Vec. La evaluación abarca dos configuraciones: 5 clases versus 3 clases. Este artículo se centra en el análisis de sentimientos utilizando modelos basados en redes neuronales para la predicción del sentimiento del consumidor mediante la evaluación y contraste de sus indicadores de rendimiento en un conjunto de datos de reseñas de diferentes productos de clientes de un minorista de ropa en línea para mujeres.