Riassunto esame Comunicazione pubblicitaria e linguaggi mediali, prof. Boccia Artieri, libro consigliato Social media marketing, Tuten e Solomon

Nei casi di aziende con esigenze più complesse o semplicemente quando il nome della

marca è stato menzionato talmente tante volte che è impossibile fare un ascolto

manuale, si passa alla fase due, quella di monitoraggio dei social media.

Monitoraggio e rilevazione

L’approccio di monitoraggio dei social media è uno dei più popolari e funziona mediante

l’aiuto di software che ricercano sistematicamente determinate parole chiave all’interno

di blog, social network e forum. È possibile utilizzare un servizio di monitoraggio

automatizzato che esplori il web e raccolga le conversazioni in base a criteri stabiliti per

poi inserirle in un database. In seguito possono essere ricavati il volume, l’origine e il

sentiment delle conversazioni: in questo modo si ottengono sia dati qualitativi che

quantitativi. Il monitoraggio porta allo sviluppo di un database dettagliato che gli analisti

possono utilizzare per creare ulteriore conoscenza sintetizzando i commenti di centinaia o

addirittura migliaia di persone. È necessario specificare in modo più rigoroso i soggetti

con cui i ricercatori intendono interloquire, dove queste persone possano essere trovate e

le domande che verranno rivolte loro. Questo richiede la specificazione di un progetto di

ricerca formale prima della raccolta dati, che specifichi un piano per raccogliere e

utilizzare i dati che permetta di ottenere le informazioni desiderate con sufficiente

precisione e/o di sottoporre le ipotesi a verifiche adeguate. Nel decidere la struttura del

progetto di ricerca e nell’impostazione dei prodotti di raccolta dei dati si presta speciale

attenzione alla minimizzatine delle fonti di errore che potrebbero creare distorsioni nei

risultati. Alcuni approcci specifici sono la ricerca nei testi, l’analisi del sentiment e l’analisi

del contenuto.

Analisi del sentiment

I dati raccolto nella fase di monitoraggio e in quelle successive possono essere utilizzate

per stimare il sentiment, cioè ciò che le persone pensano o sentono riguardo a una

marca o un prodotto; questo è più legato alle emozioni che alla razionalità ma esprime

comunque un’opinione su qualcosa. Questo può essere utile per capire i punti di forza e

di debolezza del prodotto, il modo in cui l’azienda viene percepita in termini di qualità del

prodotto, del servizio, prestazioni e valori. L’analisi del sentiment si basa sulla ricerca di

atteggiamenti, e viene quindi chiamata anche opinion mining, consiste nell’analizzare il

contenuto per determinare l’atteggiamento dell’autore. L’analisi del sentiment si basa

sull’esistenza di un dizionario di parole ed espressioni, che significa che

tendenzialmente quando le persone vogliono esprimere un particolare stato d’animo su

qualcosa tenderanno ad utilizzare le parole ed i termini che vengono associati a

quell’emozione. Quindi l’analisi consisterà nell’analizzare quante volte quelle parole

appaiono nel testo, classificando quindi quest’ultimo sulla base delle parole e delle

espressioni del dizionario. È un processo molto complesso sia per il valoro dell’uomo, sia

text mining.

per i software di

1. Fase 1: creare, raccogliere e ripulire. I dei vengono raccolti dalle fonti utilizzando i

web crawler (applicazione che si buono tra i siti indicati e raccolgono,

memorizzandoli, i contenuti che trovano). Seguendo il dizionario di parole ed

espressioni i crawler selezionano solo i contenuti che sembrano pertinenti per il

dizionario (web scarpini o fetching). I dati vengono poi ripuliti eliminando la

formattazione superflua.

2. Fase 2: estrarre gli elementi di interesse. Da questo sample ottenuto si estraggono

solo i dati che vengono considerati rilevanti per restringere l’insieme di dati il più

possibile.

3. Fase 3: estrarre il sentiment. L’analista può quindi cominciare con l’estrazione del

sentiment utilizzando gli indicatori di sentiment, cioè parole o altro utilizzati per

indicare sentimenti positivi o negativi. Lo scopo del messaggio è più facile da

interpretare quando la quantità di dati per ogni frammento di contenuti è minore.

4. Fase 4: aggregare i dati grezzi relativi al sentiment per arrivare ad elaborare una

sintesi.

Ci sono diversi problemi nell’approccio di analisi del sentiment. Il problema principale è

quello che è necessario avere una grande accuratezza, motivo per cui certe volte si

scelgono sistemi automatizzati, che però possono essere meno precisi nella codifica dei

significati. Inoltre, i sistemi automatizzati faticano a comprendere come fattori culturali,

sfumature linguistiche e differenze di contesto possano influenzare il significato di

positivo, neutro o negativo. Anche la definizione del dizionario del sentiment è un compito

complicato perché le parole possono avere molti significati. La precisione dei dati di

classificazione è un’ulteriore problema perché è difficile comprendere chi siano gli attori

dei commenti, e anche gli indicatori riguardo la lingua lasciano a desiderare.

Analisi del contenuto

L’analisi del sentiment è un forma di text mining, cioè di raccolta e analisi di dati testuali

da fonti significative. Al contrario, l’analisi del contenuto (un approccio analitico

utilizzato per identificare la presenza di concetti e temi all’interno di serie di dati

qualitativi) procede dall’alto con l’applicazione di teoria o risultanze empiriche al processo

di codifica. Il contenuto come fonte è molto ampio perché viene utilizzato per studiare i

significati trasmessi dal contenuto stesso: esso è un testo nella maggior parte dei casi ma

può includere anche contenuti multimediali; l’unità di analisi principale è la parola.

Utilizzando dei codici, etichette che classificano e associano significati a frammenti di

informazione, gli analisti possono utilizzare i commenti e determinare i temi che vi

compaiono.

Errori e distorsioni nelle ricerche

Ci sono moli tipi di errori e di distorsioni che possono complicare il processo di ricerca:

ogni studio è soggetto ad una certa quantità di errori che non è possibile specificare con

precisione, i ricercare devono puntare a minimizzare quell’errore.

Errori di copertura e di campionamento

Una delle prime decisioni che si deve prendere nel campo della ricerca è quella di definire

la popolazione, cioè selezionare le persone che possano essere rappresentativi della

popolazione, invece che utilizzare un censimento (cioè studiare l’intera popolazione) che

sarebbe troppo dispendioso. Si definisce quindi una base di campionamento, cioè un

elenco delle unita disponibili che approssima la popolazione e dal quale estrarre un

campione che la rappresenti. Viene quindi definita online una base di campionamento di

comunità social e siti web che vengono ritenuti rilevanti. La prima fonte di errore è

l’errore di copertura, che si verifica quando non vengono coperti tutti i componenti

della popolazione studiata e rappresenta un divario tra la base di campionamento che

utilizziamo e la popolazione che definiamo. Il termine campionamento si riferisce al

processo che un ricercatore utilizza per selezionare da una base i casi specifici da

includere in uno studio. Il piano di campionamento è fondamentale perché, se ben

congegnato, significa che la piccola porzione dei dati che sono stati considerati è

rappresentativa dell’intera popolazione. L’errore di campionamento è il risultato della

raccolta di dati da un sottoinsieme della base di campionamento anziché da tutti i suoi

membri, ciò incrementa le possibilità che i risultati siano sbagliati. Due possibili situazioni

preoccupanti sono: l’effetto eco (la duplicazione del volume delle conversazioni che si

verifica negli spazi social, per esempio con i retweet), e l’effetto partecipazione (il

numero effettivo delle conversazioni potrebbe non essere sempre quello che sembra).

Inoltre, lo spam è sempre più comune ma non rappresenta conversazioni reali che

devono essere include nella serie di dati. È anche possibile che alcune menzioni

avvengano dietro pagamento di una somma di denaro della marca ad u blogger, e di

conseguenza non vanno incluse nel processo di campionamento.

Distorsione di una mancata risposta

Questo è la conseguenza dell’effetto di partecipazione, ed è la possibilità che le unità non

incluse nel campione finale siano significativamente differenti rispetto a quelle incluse. È

importante tenere conto che non tutte le persone che frequentano le comunità social ne

partecipano attivamente, né tutte lo fanno al medesimo livello, quindi non tutte le

persone che utilizzano una marca sono rappresentate nell’analisi effettuata tramite

social. I pesi attribuiti ai campioni sono fattori di correzione applicati per tenere conto

delle diverse probabilità di selezione che caratterizzano gli elementi di un campione.

Ricerca primaria nei social media

I dati secondari sono immediatamente disponibili e gratis, ma gli operatori di marketing

possono anche scegliere di raccogliere dati primari, come l’utilizzo dei diari dei

consumatori, le interviste e i focus group, i sondaggi e gli esperimenti, tutti condotti

all’interno dei canali social. I benefici di questo tipo di approccio sono che i partecipanti si

sentono di più a loro agio in un ambiente che frequentano abitualmente, si crea una

sensazione di fiducia; mentre di sito negli studi di ricerca tradizionali è più difficile aprirsi.

Inoltre, è più semplice raggiungere le persone nei gruppi di nicchia, mentre il

reclutamento è difficoltoso.

CAPITOLO 10: Metriche per I social media

Misurare ciò che conta

Per poter sviluppare una campagna di social media marketing è necessario che gli

operatori di marketing identifichino gli obiettivi che vogliono raggiungere, e per verificare

se questi siano stati raggiunti o meno hanno bisogno di metriche per la valutazione. Sui

social media marketing non si attuano le stesse metriche del marketing tradizionali,

mentre sono molto simili a quelle della pubblicità online. I pubblicitari possono misurare il

reach (numero di persone esposte al messaggio) e la frequenza (quante volte una

persona è esposta), analizzare la stickiness (capacita del sito di attrarre visite ripetute e

trattenere le persone) e il relative pull (un confronto tra le reazioni suscitate da generi

comunicativi molto differenti tra loro). Possono anche monitorare i clickthrough (numero

di persone esposte che effettivamente fanno click su un inserzione o un link), il tasso di

conversione in vendite (quelli che dopo il click acquistano effettivamente) e i