!
!
UNIVERSITÀ POLITECNICA DELLE MARCHE
FACOLTÀ DI ECONOMIA “GIORGIO FUÀ”
_______________________________________________________________"
!
Corso di Dottorato di ricerca in “Economia Aziendale”
!
XIII!Ciclo!
“NUOVI'MODELLI'DI'RICERCHE'DI'MARKETING:'LE'
POTENZIALITA’'DELLA'SOCIAL'NETWORK'ANALYSIS'
APPLICATA'AI'SOCIAL'MEDIA”'
!
!
!
!
Tesi!di!Dottorato!del!!
Chiar.mo!Prof.!Valerio!Temperini! !
!
!
Dott.!Luca!Marinelli!!!
Tutor! !
!
!
!
!
Coordinatore!di!Dottorato!di!ricerca!
Chiar.mo!Prof.!Luca!del!Bene!!
!
Indice!!
INTRODUZIONE!
I!
*
CAPITOLO*1*–*L’IMPATTO*DI*INTERNET*NELLE*RICERCHE*DI*MARKETING!
*
1!
1.1 IL RUOLO DELLE RICERCHE DI MARKETING: L’IMPRESA MARKET ORIENTED
1.2 LE FASI DI UNA RICERCA DI MARKETING, IL PROCESSO DI RICERCA
1.3 TIPOLOGIE DI RICERCHE
1.4 LA RICERCA QUALITATITVA
1.5 LA RICERCA QUANTITATIVA
1.6 LA RICERCA CAUSALE
1.7 L’IMPATTO DI INTERNET NEL MARKETING: LE PRINCIPALI TECNICHE DI RICERCA ONLINE
1.8 IL QUESTIONARIO ONLINE
1.9 LA NETNOGRAFIA
1
17
31
32
44
53
56
71
75
CAPITOLO*2*–*L’EVOLUZIONE*DELL’ANALISI*DEI*DATI*ONLINE!
84!
2.1 IL WEB 2.0 COME FONTE DI DATI A SUPPORTO DEL MARKETING
2.2 I BIG DATA
2.3 LA SENTIMENT ANALYSIS
85
96
109
CAPITOLO*3*–*NUOVE*PROSPETTIVE*DELLA*SOCIAL*NETWORK*ANALYSIS!
3.1 ASPETTI EVOLUTIVI DELLA SOCIAL NETWORK ANALYSIS
3.2 ASPETTI METODOLOGICI DELLA SOCIAL NETWORK ANALYSIS
3.3 GLI ELEMENTI CHE COMPONGONO UN NETWORK
3.4 TIPOLOGIE DI NETWORK
3.5 ALCUNE PROPRIETÀ STRUTTURALI DEL NETWORK
3.6 PROPRIETÀ DEGLI ATTORI
3.7 LO STUDIO DEI SOCIAL NETWORK IN MARKETING
CAPITOLO*4*–*LA*SOCIAL*NETWORK*ANALYSIS*NELL’ERA*DEI*SOCIAL*MEDIA!
4.1 I SOCIAL MEDIA NEL MARKETING
4.2 UNA CLASSIFICAZIONE DEI SOCIAL MEDIA
4.3 I PRINCIPALI SOCIAL MEDIA
CAPITOLO*5*–*UN*MODELLO*APPLICATIVO*DELLE*SOCIAL*NETWORK*ANALYSIS!
5.1 NODEXL, LO STRUMENTO OPEN SOURCE DELLA SOCIAL MEDIA RESEARCH FOUNDATION
5.2 METODOLOGIA E COSTRUZIONE DEL MODELLO DI ANALISI
5.3 PRESENTAZIONE DEI RISULTATI – HASHTAG #NOMEBRAND
5.4 PRESENTAZIONE DEI RISULTATI - @PROFILOBRAND
116!
117
122
123
124
127
133
137
147!
148
154
162
168!
169
172
181
191
CONCLUSIONI!
200!
BIBLIOGRAFIA*!
203!
!
*
*
Introduzione
In questo lavoro si affronta il tema del rapporto tra le ricerche di marketing e le
opportunità fornite dalla Rete. Oggi il marketing si trova ad operare in un costesto
estremamente mutevole e segnato dall’incertezza, pertanto, uno degli approcci più
efficaci risulta sicuramente quello market-driven. Le imprese orientate al mercato
devono dotarsi di strumenti formalizzati utili a soddisfare il loro fabbisogno
informativo relativo a settore di appartenenza, competitors, clienti, prodotti e
contesto globale. In quest’ottica, le ricerche di marketing possono fornire quelle
tecniche e metodologie necessarie a reperire e processare tali informazioni.
Contemporaneamente, i nuovi sviluppi del web, in particolare gli strumenti propri
del web 2.0 come i social media e la diffusione delle piattaforme per l’analisi dei
Big Data, stanno producendo un impatto significativo su tutti gli aspetti legati al
management. In questo contesto, il marketing ha iniziato ad introdurre nelle sue
logiche, quelle tecnologie e piattaforme che hanno contribuito a dar vita a nuove
opportunità. Il marketing, interfacciandosi con le piattaforme e le applicazioni
proprie del web 2.0, si trova nella condizione di poter attingere ad una mole di
dati senza precedenti.
I dati vengono generati secondo un processo continuo e provengono da più fonti.
Tale flusso di dati, se correttamente letto e interpretato, apre alla ricerca di
marketing nuovi scenari, nuove sfide e infinite opportunità
!
I!
In particolare, in questo studio, ci si focalizza sul ruolo dei social media non solo
descrivendoli come strumenti di comunicazione digitale, ma anche come fonti di
una serie di informazioni quantitative e qualitative, che risultano strategiche per la
figura del ricercatore di marketing. Una delle metodologie più interessanti che
consente di utilizzare i social media come strumento di ricerca è quella della
social network analysis.
Le tecnologie alla base dei Big Data hanno difatti impattato fortemente sulle
performance di ricerca dando vita a nuove tecniche, potenziandone altre o
riportando in auge metodologie che negli anni avevano perso appeal. Infatti, il
progresso tecnologico ha fatto si che tecniche già consolidate come l’etnografia, il
text mining o la sentiment analysis possano ora essere applicate dai ricercatori su
campioni molto più ampi, a costi e tempistiche relativamente più bassi e, talvolta,
producendo output in real time. Tra queste tecniche è possibile includere anche la
social network analysis.
Mediante l’applicazione della network analysis, è possibile visualizzare insiemi
complessi di relazioni che vengono rappresentate graficamente mediante delle
mappe (ad esempio grafi o sociogram) e quantificarle con precise metriche.
Mediante tali rappresentazioni il ricercatore può fornire una misura della
dimensione, forma e densità di un network, nonché determinare la posizione di
ciascun elemento al suo interno. La social network analysis può oggi essere
applicata alle reti sociali che si generano all’interno delle varie piattaforme social
!
II!
come ad esempio Facebook, Twitter, blog e YouTube. Gli utenti di questi social
media stabiliscono continuamente connessioni producendo e condividendo
contenuti e interagendo tra loro.
È in questo scenario che nasce l’esigenza dell’individuazione di nuovi modelli di
analisi utili a far luce sulla realtà frammentata degli strumenti di ricerca online che
necessitano oggi di competenze interdisciplinari e di conoscenze di varie
tecnologie.
Obiettivo di questo lavoro è l’individuazione di un modello di analisi basato sulla
metodologia della social network analysis utile a condurre ricerche di marketing
all’interno dei social media.
Lo strumento utilizzato in questo studio è il software open source NodeXL
sviluppato dalla Social Media Research Foundation, esso è stato applicato
seguendo la metodologia dell’Internet research.
Il lavoro è strutturato in tre parti, nella prima parte (capitoli 1 e 2) vengono
affrontati dal punto di vista della letteratura l’impatto che sta avendo il web sulle
ricerche di marketing, analizzando sia il contesto in cui si sviluppano le ricerche
di marketing e il loro ruolo all’interno del sistema informativo di marketing, sia le
ricerche online più diffuse come ad esempio l’online survey e la netnografia. Nel
capitolo 2 ci si focalizza sul ruolo dei Big Data come fonte di dati a supporto delle
decisioni di marketing. Nella seconda parte (capitoli 3 e 4) si analizza la tecnica
della social network analysis come strumento di ricerca di marketing,
!
III!
sottolineando la nascita di nuove prospettive dovute all’applicazione di questa
tecnica ai social media. La terza ed ultima parte è dedicata all’individuazione di
un modello applicativo della social network analysis mediante l’utilizzo del
software NodeXL che consente la mappatura dei network creati dai profili social
aziendali, in questo caso sono state effettuate due mappature relative ad un noto
brand del settore del fashion italiano. Il lavoro termina con la presentazione dei
risultati e descrizione delle possibili implicazioni manageriali nonché delle future
linee di ricerca.
!
IV!
Capitolo 1 – L’impatto di Internet nelle ricerche di marketing
1.1 Il ruolo delle ricerche di marketing: l’impresa market oriented.
Il marketing è oggi un’attività di business mutevole, dinamica e segnata
dall’incertezza. Il ruolo del marketing è cambiato radicalmente anche a causa di
numerose crisi, finanziarie e dei materiali, carenze energetiche, inflazioni,
recessioni economiche, elevati tassi di disoccupazione, la scomparsa di interi
settori così come di aziende, guerra e terrorismo e gli effetti dovuti ai rapidi
cambiamenti tecnologici che hanno segnato determinati settori. Tali cambiamenti
tra cui in particolare l’avvento di Internet (Smith e Albaum, 2010), hanno portato
la figura del marketing manager ad operare e compiere scelte strategiche con un
approccio sempre più market driven. Un approccio che comporta l’adozione di
strumenti formalizzati per l’acquisizione di precise e tempestive informazioni
relative a clienti, prodotti, mercato e contesto globale. Tali strumenti di supporto
sono le ricerche di marketing. I marketers non possono pertanto far affidamento
esclusivamente sulla gestione delle leve operative, bensì necessitano di strumenti,
dati e informazioni integrative provenienti dal mercato e dall’ambiente in cui
l’impresa opera. Il termine ricerca fa riferimento ad un’indagine sistematica ed
oggettiva di un soggetto o un problema ai fini di scoprirne informazioni o principi
rilevanti. Com’è noto esistono molteplici forme di ricerca, la ricerca di base,
spesso chiamata ricerca pura, mira ad estendere i confini della conoscenza in una
!
1!
determinata area. Tale metodologia non produce necessariamente un’applicazione
immediata alle problematiche esistenti. Al contrario, la ricerca applicata, mira ad
applicare la conoscenza esistente alla soluzione di un dato problema o una serie di
problematiche. Le ricerche di marketing supportano tutta le gestione complessiva
della funzione marketing.
Nella definizione di ricerca di marketing fornita dall’American Marketing
Association appare evidente la connessione che esiste tra i manager di marketing e
le informazioni relative al mercato. “La ricerca di marketing è la funzione che,
mediante l’informazione, connette consumatore, cliente e pubblico con il
marketer; informazione utilizzata per identificare e definire le opportunità e le
problematiche di marketing; generare, raffinare e valutare le azioni di marketing;
monitorare le performance di marketing e migliorare la conoscenza di marketing
come processo. La ricerca di marketing specifica le informazioni necessarie per
affrontare tali problematiche, progetta la metodologia per la raccolta delle
informazioni, gestisce ed implementa il processo di raccolta dei dati, analizza i
risultati e li comunica insieme alle loro implicazioni1”.
Il contesto aziendale di riferimento in cui si sviluppano e risiedono le ricerche di
marketing è definito Sistema Informativo di Marketing. Esso è concepito come
una “stazione di ricezione, di selezione e di trasformazione di flussi informativi
!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!
1!Definizione
2
approvata dalla American Marketing Association, Board of Directors, Ottobre 2004.
http://www.qualtrics.com/research-suite/marketing-research/!
!
2!
interni e esterni all’organizzazione (Burresi, Aielli, Guercini, 2006). Sempre più
informazioni strategiche su tendenze, comportamenti e ambiente competitivo
provengono dall’esterno all’impresa, il Sistema Informativo di Marketing (SIM),
in quest’ottica viene descritto come un “filtro” (Marzili, 1979) tra i due ambienti.
Operativamente il Sistema Informativo di Marketing (figura 1.1) è costituito da
“risorse
umane,
attrezzature
e
procedure
destinate
alla
raccolta,
all’organizzazione, all’analisi, alla valutazione ed alla distribuzione di
informazioni utili, tempestive ed accurate da sottoporre ai responsabili delle
decisioni di marketing (Kotler e Armstrong, 2006).
Figura 1.1 – Il sistema informativo di marketing
Fonte. Elaborazione da Kotler e Armstrong, 2006
!
3!
Come si evince dalla figura le componenti “core” del SIM sono quattro subsistemi
(Burresi, Aiello, Guercini, 2006) volti alla valutazione del fabbisogno
informativo.
-
Rilevazioni interne: si tratta dell’insieme di informazioni che vengono
prodotte e quindi risiedono all’interno dell’impresa. Tali dati definiti
secondari interni – tema affrontato nei paragrafi seguenti – vengono
generati dalle diverse funzioni aziendali durante l’attività di impresa. Ad
esempio la funzione della produzione, fornisce informazioni relative alle
quantità prodotte e alla situazione delle scorte di magazzino; così come la
funzione commerciale si serve di informazioni riguardanti l’andamento
delle vendite; la funzione contabilità mette a disposizione bilanci e quindi
dati relativi ai risultati economici conseguiti dall’impresa; la funzione
marketing
genera
quelle
informazioni
utili
a
comprendere
il
comportamento di acquisto dei consumatori, l’ambiente competitivo e le
tendenze di mercato. Infine, il servizio clienti, arricchisce il sistema di
rilevazioni, mediante il costante monitoraggio del livello di customer
satisfaction. È importante sottolineare che il corretto funzionamento di un
sistema di rilevazioni interne prevede che tali informazioni di natura interfunzionale, siano inserite in database dedicati e siano gestite mediante
processi di “organizzazione razionale”. È fondamentale quindi che, ai fini
!
4!
di ottenere valide chiavi di lettura di queste informazioni, vi sia una
visione integrata dei dati generati unita ad una sistematizzazione degli
stessi attraverso opportuni strumenti di raccolta.
-
Marketing intelligence: consiste nell’attività di raccolta e analisi
sistematica di informazioni non confidenziali inerenti a sviluppi e
accadimenti rilevanti nell’ambiente di mercato. In questo caso, i dati
generati dai processi di marketing intelligence sono definiti secondari
esterni all’impresa. L’attività di marketing intelligence svolge pertanto una
“funzione di sorveglianza continua” (Franch, 1992) che permette
all’impresa di essere in qualsiasi momento al corrente degli scenari
competitivi come ad esempio gli andamenti della domanda; l’eventuale
presenza di opportunità o minacce derivanti dal mercato; strategie dei
competitor ed infine, l’individuazione di possibili azioni correttive da
porre alla pianificazione strategica. Gli attori che si occupano della
gestione dei flussi informativi sono i responsabili di marketing i quali
possono inoltre avvalersi della collaborazione con attori esterni come
responsabili commerciali, distributori o fornitori.
-
Ricerche di marketing: si inseriscono all’interno del sistema informativo di
marketing come quei strumenti che producono, analizzano ed elaborano i
dati primari (anch’essi affrontati nei paragrafi successivi). L’output delle
ricerche ha l’obiettivo di supportare le decisioni del management negli
!
5!
ambiti del marketing. Nel corso del capitolo verranno trattati
approfonditamente tutti gli aspetti relativi al tema della ricerca di
marketing. Ci si focalizzerà, in particolare, sulla descrizione dei possibili
campi applicativi; sull’articolato processo di ricerca e sulle principali
tipologie di ricerche di marketing.
-
Analisi delle informazioni: si fa riferimento al Marketing Decision Support
System (figura 2.1) ovvero al sistema delle analisi a supporto delle
decisioni di marketing. Tale sistema produce dati primari mediante una
serie di “strumenti statistici e di modelli decisionali in grado di assistere i
marketing managers nell’analisi di informazioni di informazioni di cui già
dispongono e nell’assunzione di migliori decisioni di marketing” (Kotler,
1998). In pratica, il sistema a supporto alle decisioni è costituito da
(Burresi, Aiello e Guercini, 2006):
o dall’insieme di strumenti statistici utilizzabili per produrre
informazioni significative da dati disponibili;
o dall’insieme dei modelli matematici che consentono di analizzare
gli effetti prodotti dalla relazione tra variabili/condizioni
decisionali sulla base dei quali poter definire e/o controllare
specifiche scelte di marketing.
!
6!
Figura 2.1 – Le componenti del Decision Support Syste
Fonte: Smith e Albaum, 2010
Le ricerche di marketing si focalizzano pertanto sui seguenti ambiti (Perreault,
Cannon e McCarthy, 2009):
•
Comprensione del cliente inteso come acquirente, consumatore e
influenzatore;
•
impresa in termini di progettazione del prodotto, promozione, prezzo,
posizionamento, servizio e funzione commerciale;
•
comprensione dei competitors e delle modalità in cui le loro offerte
interagiscono nel contesto del mercato.
!
7!
All’interno di questo modello “Impresa-Clienti-Competitors” possono essere
condotte numerose tipologie di ricerche di marketing, molte delle quali sono
concentrate sull’utilizzo di indagini per (Smith e Albaum, 2010):
•
Monitoraggio di clienti e mercati.
•
Misurazione dell’awareness, attitudine e immagine di brand.
•
Studio delle modalità di utilizzo dei prodotti.
•
Rilevazione tempestiva delle problematiche legate al business.
•
Supporto allo sviluppo della strategia.
Per delineare un quadro più preciso, nella seguente tabella, si riporta un elenco di
20 differenti tipologie di campi applicativi delle ricerche di marketing redatto
dalla famosa software house fornitrice di sondaggi professionali Qualtrics.com2.
La società ha identificato 20 tipologie di indagini adottate dalla ricerca di
marketing, ognuna di esse si concentra su un aspetto diverso dell’impresa, della
sua interazione con il cliente e nella competizione all’interno del contesto di
mercato.
!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!
2
!
http://www.qualtrics.com/research-suite/marketing-research/!
8!
Tabella 1.1 – Tipologie di survey
Survey
Descrizione
Vengono utilizzate per quantificare la
dimensione del mercato e la quota relativa
posseduta dall’impresa. Questi studi forniscono
informazioni chiave sulla crescita del mercato e
il posizionamento competitivo.
Si tracciano i profili dei clienti e dei non clienti.
Si traduce spesso in una segmentazione
descrittiva del mercato e in un analisi della
quota di mercato.
L’obiettivo è risalire ai percorsi che hanno
condotto il cliente all’acquisto.
Sono dirette a comprendere il cliente attuale e i
fattori che contribuiscono a compiere
l’acquisto. È un indagine chiave per
comprendere elementi come la conversione, il
coinvolgimento e la fedeltà del cliente.
Si indaga sulle percezioni dei clienti in merito
ai prodotti e sui loro atteggiamenti nei confronti
del brand.
Utilizzate soprattutto nell’ambito dei beni di
consumo caratterizzati da lunghi processi
decisionali di acquisto. Si studiano in
profondità gli atteggiamenti dei consumatori
nei confronti del prodotto e del brand.
Test su nuovi concept di prodotto. Si effettuano
analisi sui gusti e sulle percezioni relative al
concept e valutazioni delle probabilità di
acquisto.
Utilizzate principalmente per stimare la
domanda potenziale di prodotti non ancora
sviluppati fisicamente.
Dirette a comprendere le modalità di utilizzo
dei prodotti incluso i momenti e i luoghi in cui
il prodotto viene utilizzato.
Si
studia
l’insieme
delle
valutazioni
dell’insieme dei benefici (tangibili e intangibili)
attesi dal prodotto. Si verifica inoltre se le
aspettative create dalla pubblicità e dal
packaging sono soddisfatte dall’ingresso del
prodotto sul mercato.
All’interno di un dato mercato si individuano le
percezioni di un brand in relazione ai
concorrenti.
Si quantifica il valore psicologico che un brand
detiene sul mercato. Vengono utilizzate
Indagini per la descrizione del mercato
Indagini di profilazione e segmentazione del
mercato
Indagini sulla fase di acquisto e traking
Indagini sulle intenzioni dei clienti
Indagini sugli atteggiamenti e aspettative dei
clienti
Indagini su trust, loyalty e retention dei clienti
Indagini di analisi di nuovi concept di prodotto
Indagini su domanda potenziale e livello di
accettazione di nuovi prodotti (conjoint
analysis)
Indagini su abitudini e utilizzi
Indagini incentrate sulla realizzazione del
prodotto (attributi, caratteristiche, vantaggi
promessi)
Indagini su posizionamento di prodotto
(competitive market position)
Indagini di brand equity analysis
!
9!
Indagini sul valore dell’advertising
Indagini sull’efficacia del messaggio
pubblicitario (Media e messaggio)
Indagini sull’efficacia della forza vendita
Indagini su sales lead generation
Indagini su Customer Service
Indagini sul rappresentante del customer
service
Indagini su previsione delle vendite e
monitoraggio del mercato
Indagini di prezzo e analisi dell’elasticità della
domanda
metriche quali il livello di brand awareness,
qualità, associazioni di marca e brand loyalty.
Si quantifica il valore della pubblicità mediante
la mappatura degli attributi gerarchici, dei
benefici e dei valori che vengono percepiti dalla
pubblicità e associati al brand.
Test di efficiacia del messaggio pubblicitario
per identificare le impressioni, i sentimenti e la
tipologia di risposta del ricevente in base agli
obiettivi desiderati.
Una combinazione di misure focalizzate sulle
attività della forza vendita.
Si valutano tempistiche e qualità dei contatti
generati dalla forza vendita.
Sono simili alle indagini di customer
satisfaction ma si concentrano in particolare sul
servizio che effettivamente è stato erogato.
Si studia l’attività del rappresentante del
customer service per ottimizzare le sue
performance (ripartizione del tempo, soluzioni
alle esigenze del cliente, best practice).
Studio delle informazioni disponibili sul
mercato.
Stima dell’elasticità della domanda per
individuare i prezzi ottimali in base a diversi
scenari di prodotto o di segmento.
Fonte: Qualtrics.com
Il percorso evolutivo delle ricerche di marketing parte dagli Stati Uniti dove negli
anni 70/80 si assiste ad un cambio di paradigma nel rapporto azienda/mercato e
alla nascita di un orientamento al mercato e al consolidamento del concetto
odierno del marketing (Lambin, 2000). Per meglio definire gli stadi dello sviluppo
dell’applicazione della ricerca al mercato e più precisamente al marketing, Lazer
individua cinque fasi storiche della ricerca di marketing:
!
10!
1. Prima del 1905: applicazioni della ricerca ai problemi di marketing. Si
ritiene che le prima applicazione risalga al 1879 con un indagine
rudimentale sul mercato del grano negli USA.
2. 1905 – 1919: approccio organizzato alle informazioni di mercato. Prima
del 1910 le uniche tecniche applicate erano l’osservazione diretta e i
sondaggi elementari. L’introduzione ufficiale viene fatta risalire nel 1911
quando venne fondato il bureau of business research alla harvard graduate
school of business. Charles coolidge parlin, direttore della divisione di
ricerche commerciale alla curtis publishing company, affrontò il problema
della sistematicità dei dati nelle ricerche ed iniziò ad utilizzare
metodologie innovative ai suoi studi.
3. 1919 – 1930 : strutturazione della ricerca di marketing come disciplina. In
questi anni le tecniche diventano sempre più rigorose e meglio definite.
Gli studi e le ricerche con questionari sono sistemi molto diffusi per la
raccolta dei dati. Con lo sviluppo della ricerca, fu migliorata la costruzione
del questionario e la struttura della domanda, ma aumentò la
consapevolezza delle distorsioni che potevano derivare sia dalle interviste
che dal questionario. Grande stimolo all’utilizzo delle ricerche fu dato nel
corso degli anni 30 dalle indagini sulle classi sociali, sollecitate dalla
nuova sensibilità verso le misere condizioni di vita delle classi lavoratrici.
4. 1930 – 1945: consolidamento e affinamento della ricerca di marketing.
!
11!
5. 1945 – 1973: ristrutturazione e nascita dell’era moderna della ricerca di
marketing.
Come anticipato precedentemente, le ricerche di marketing si sviluppano in un
contesto che vede il marketing non solo come una funzione che contribuisce alla
creazione delle fonti del vantaggio competitivo – le fonti del vantaggio
competitivo di un impresa risiedono nel suo patrimonio di risorse e competenze
(Wernerfelt, 1984; Barney, 1986; Prahalad, Hamel, 1990, Vicari, 1992) – ma
anche come fonte di conoscenza fondamentale per conferire all’impresa un
orientamento al mercato. In generale, un’ impresa è market oriented quando
definisce come obiettivo primario delle sue attività la soddisfazione dei propri
clienti. Alla base di questo approccio risiede l’effetto che l’elevata soddisfazione
del cliente avrebbe sulle performance di redditività dell’impesa le quali
aumentando ne garantirebbero la sopravvivenza nel lungo periodo. Più
precisamente, un impresa orientata al mercato è denotata da una serie di
caratteristiche peculiari (Molteni, Troilo, 2003) riguardanti:
.
La sua cultura: l’impresa market oriented è conscia delle potenzialità
derivati dalla conoscenza del mercato, essa infatti confida nella capacità
che possiede il mercato stesso di regolare gli scambi al suo interno. Ecco
perché solitamente adotta un comportamento corretto e non opportunistico
nei confronti delle aziende concorrenti. In quest’ottica, la cultura
!
12!
d’impresa si fonda su due valori principali, da un lato essa riconosce ai
propri clienti interni e esterni la capacità di comunicare i propri bisogni e
le proprie esigenze, dall’altro lato l’impresa si assume le responsabilità di
soddisfare tali esigenze e di essere all’altezza delle aspettative nell’ottica
di creare una proposta di valore superiore a quella dei competitors. Per far
sì che tale cultura sia accettata e condivisa all’interno dell’organizzazione
vi è la necessità di una disseminazione dell’orientamento al mercato –
market intelligence – che non può quindi essere conseguito senza un
coinvolgimento trasversale dei dipendenti dei vari dipartimenti e una
traduzione di tali intenzioni in attività opearative 3 (Kohil e Jaworski,
1990).
.
Le risorse e le competenze di cui dispone: un orientamento al mercato
presuppone il possesso da parte dell’impresa di una serie di risorse e
competenze che le consentono di muoversi abilmente all’interno del
contesto mercato. Una risorsa strategica è senza dubbio la conoscenza del
mercato intesa come la capacità dell’impresa di reperire le informazioni
inerenti ad uno specifico mercato. Tali informazioni necessitano però di
modelli che permettono l’analisi e l’interpretazione delle informazioni
sulla base delle quali sarà possibile assumere decisioni. Un altro elemento
!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!
3!“organizationwide
generation of market intelligence pertaining to current and future customer
needs, dissemination of the intelligence across departments, and organizationwide responsiveness
to it”!!
!
13!
che contribuisce al consolidamento di queste risorse, è quello della fiducia
che, in quest’ottica, è intesa come la fiducia dei propri clienti e dei propri
partner di mercato (Troilo, 2003). Il supporto di tali soggetti è difatti
fondamentale nel processo di condivisione di conoscenza del mercato,
nonché utile alla creazione di un patrimonio di informazioni mediante il
quale è possibile leggere e prevedere i molteplici accadimenti di mercato.
Queste dinamiche si attivano solo se dal lato dell’impresa sono presenti
una serie di competenze distintive le quali caratterizzano i comportamenti
dell’impresa all’intero del mercato. Una prima competenza è definibile
come marketing knowledge management ovvero quel processo che
supporta le organizzazioni nel reperire, selezionare, organizzare,
disseminare e trasferire informazioni strategiche ed esperienze utili ad
attività inerenti al mercato (Gupta et al. 2000). In secondo luogo è
importante che un’impresa sia dotata della capacità di creazione e gestione
di relazioni con i clienti. Su questo tema si torna a discutere del concetto di
fiducia: una corretta gestione delle relazioni con i clienti alla cui base vi
sia la fiducia, rappresenta per l’impresa la possibilità di varcare i suoi
confini ed estendere le proprie conoscenze di mercato. Questa competenza
è nota come customer relationship management. Infine, un’ultima
competenza distintiva è il market innovation management ovvero la
!
14!
capacità di rispondere ai rapidi cambiamenti di mercato e di gestire i
rapporti con esso in un contesto in continua evoluzione.
.
I sistemi operativi che ne permettono il funzionamento: i sistemi operativi
sono radicati all’interno dell’impresa ed incidono sul lavoro ad ogni
livello. I sistemi operativi contribuiscono pertanto da un lato, alla
diffusione di una cultura di orientamento al mercato e, dall’altro lato, al
reperimento e gestione del patrimonio di risorse e competenze distintive
utili a tale approccio. In quest’ottica i sistemi operativi più rilevanti sono i
sistemi di selezione, formazione, incentivazione e remunerazione del
personale, i sistemi di gestione delle informazioni e della comunicazione e
sistemi di misurazione e controllo.
.
I comportamenti tipici del suo personale: è evidente che i dipendenti di un
impresa orientata al mercato abbiano un ruolo chiave e siano determinanti
al successo o meno di tale approccio. I comportamenti tipici che
concretizzano un orientamento al mercato sono essenzialmente tre:
l’ascolto, la cura e l’educazione del cliente. Come affermato
precedentemente l’attenzione al cliente, con riferimento particolare alle
sue esigenze, è l’elemento centrale di un orientamento al mercato. Più in
generale, “l’ascoltare la voce del cliente” è una pratica su cui si fondano
buona parte delle ricerche di marketing (Troilo 2003). Un’impresa market
oriented dovrebbe pertanto formare i suoi dipendenti ad essere in grado di
!
15!
recepire tutte le informazioni e gli input che possono provenire dai clienti.
Un altro aspetto fondamentale è la cura intesa come customer care ovvero
quella capacità di gestione del cliente nel massimo rispetto delle sue
esigenze anche in presenza di situazioni difficili come ad esempio
incompetenza del cliente, errori commessi o scarsa capacità di
comunicazione. Un ultimo elemento riguarda il concetto di educazione del
cliente. In questo caso, l’approccio dell’impresa non è lo stesso adottato
nei primi due – ascolto e cura – i quali fanno riferimento ad un rapporto
con un cliente che è già venuto a contatto con prodotti o servizi aziendali.
L’educazione fa riferimento, invece, a tutte quelle situazioni “innovative”
le quali presuppongono una serie di sforzi da parte dell’impresa
nell’educare appunto i clienti all’utilizzo di nuovi prodotti, servizi,
processi, comportamenti di mercato.
Nella figura 3.1 viene rappresentato uno schema descrittivo il quale riassume le
caratteristiche tipiche dell’impresa orientata al mercato discusse fin ora.
!
16!
Figura 3.1 – Principali funzioni dell’impresa market-oriented
Fonte: Molteni e Troilo, 2003
1.2 Le fasi di una ricerca di marketing, il processo di ricerca.
Ai fini di comprendere al meglio il complesso e articolato processo di ricerca, è
opportuno compiere alcune riflessioni preliminari su quali siano effettivamente i
riferimenti culturali della figura del ricercatore di marketing. Il marketing è infatti
una materia che vede al suo interno l’azione combinata di una serie di discipline
di natura scientifica, umanistica e sociale. I fenomeni su cui si interroga il
!
17!
ricercatore di marketing, sono pertanto estremamente complessi, poiché fanno
riferimento a dinamiche impossibili da rappresentare basandosi solamente su un
singolo approccio scientifico. Ecco perché, “fin dagli inizi, i teorici e i pratictioner
del marketing hanno dovuto gettare lo sguardo nel giardino del vicino ricercando,
ovunque fossero presenti, quelle idee e technicality suscettibili di un’applicazione
proficua alla gestione manageriale degli scambi d’impresa” (Mattiacci, 2003). La
figura del ricercatore di marketing nasce e si evolve, pertanto, in un contesto
multidisciplinare, in cui principali macro ambiti scientifici sono di seguito
riportati:
.
L’economia: gli uffici di studio economici, interno a molte organizzazione,
hanno rappresentato in numerosi casi il punto di partenza delle attività di
ricerca. Tra le attività affidate a tali istituti infatti vi erano mansioni
tecniche come ad esempio la stima, la misura e la definizione del mercato
in riferimento sia ai settori che all’ambiente competitivo. Le metodologie
adottate, appartengono quindi al bagaglio tecnico e culturale del
ricercatore di marketing.
.
La sociologia: i centri studi sociali, come ad esempio gli italiani Censis e
Euripes, focalizzando le loro indagini su aspetti legati alla società, si sono
rivelati una preziosa fonte di informazioni per quegli aspetti funzionali al
marketing come ad esempio tendenze, comportamenti d’acquisto e di
!
18!
consumo. Molti istituti indipendenti hanno saputo cogliere negli anni
questa opportunità iniziando ad erogare anche questa forma di servizio agli
operatori di marketing.
.
La psicologia: gli studi di psicologia sono un ampio bacino da cui il
ricercatore e il marketing in generale, hanno spesso attinto traendone
vantaggi. La psicologia è una disciplina che supporta in particolare attività
come l’analisi dei gusti e delle percezioni dei consumatori o l’impatto e gli
effetti dei messaggi pubblicitari.
.
La statistica: con una visione più ampia, la statistica e in particolare i
software statistici, supportano il management nella formulazione di
modelli decisionali e nelle analisi delle problematiche. Il ricercatore di
marketing si rivolge ad essa per processare dati quantitativi la cui mole,
come si vedrà nei capitoli successivi, è in costante aumento.
.
La ricerca operativa : grazie a nuovi sviluppi, la modellistica di
matematica applicata torna a supportare il marketing migliorandone la
capacità di elaborazione delle informazioni. Come nel caso della statistica,
la ricerca operativa viene adottata dal management come disciplina da
coinvolgere per implementare i sistemi decisionali.
.
La semiotica: com’è noto, le scelte effettuate dai consumatori non sono più
dettate solamente da logiche razionali. Vi è in quest’ottica un cambio di
paradigma che vede la valenza simbolica acquisire sempre più rilevanza
!
19!
nelle logiche decisionali di chi compie acquisti. Il marketing ha saputo
cogliere le opportunità derivanti da questi fenomeni, utilizzando la
semiotica come chiave di lettura ed includendola nel portfolio di
competenze.
Come affermato precedentemente, la varietà delle tecniche di ricerca di
marketing, unita alla multidisciplinarietà dei suoi campi di azione, fanno sì che
le finalità di utilizzo da parte delle organizzazioni siano svariate, così come
possono essere differenti anche le modalità di fruizione. Alcune aziende
possono servirsene periodicamente per monitorare l’andamento delle vendite o
la quota di mercato, altre imprese invece utilizzarle solo nel momento in cui si
presenti un’occasione o una problematica particolare che comporta una
processo decisionale come ad esempio il lancio di un nuovo prodotto. In ogni
caso, l’attività di ricerca di marketing dovrà seguire un processo ben definito il
quale si basa su due concetti cardine: la program strategy e la project strategy
(Iacobucci, Churchill, 2010). La project strategy viene utilizzata dal
ricercatore per descrivere le tipologie e gli scopi degli studi che verranno
condotti. Ciascun tipo di studio con ad esempio interviste personali, sondaggi
telefonici, questionari via mail, viene descritto metodologicamente e
analiticamente nella project strategy. Riassumendo, una program strategy
risponde ai quesiti relativi a quali tipologie di studi un’impresa dovrebbe
!
20!
condurre e per quali scopi, mentre una project strategy individua le modalità
con in cui tali studi dovrebbero essere condotti. È possibile affermare che
ciascun problema di ricerca possiede, in qualche modo, una sua particolare
natura, le soluzioni a disposizione possono essere svariate e vanno comunque
declinate o “customizzate” in relazione alla realtà aziendale o al perimetro di
studio. Tuttavia, nonostante tale eterogeneità, esiste un processo di ricerca ben
preciso che il ricercatore di marketing è tenuto a seguire. Il processo di ricerca
viene definito come “la sequenza organizzata di attività, concomitanti e
successive, attraverso la quale si perviene alla definizione e alla realizzazione
operativa della formula di ricerca deputata a colmare la carenza informativa
dell’impresa.”4
Il processo di ricerca di marketing si compone di quattro fasi (figura 4.1),
(Kotler, Armstrong, 2006): definizione del problema e degli obiettivi di
ricerca, sviluppo del piano di ricerca, attuazione del piano e interpretazione e
presentazione dei risultati.
!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!
4!Molteni
!
L., Troilo G., Ricerche di Marketing, MGraw-Hill, 2003, 54
21!
Figura 4.1 – Il processo di ricerca di marketing
Fonte: Kotler e Armstrong, 2006
.
Definizione del problema e degli obiettivi di ricerca: dal punto di vista del
ricercatore di marketing, definire il problema significa tradurre le
problematiche del management in problemi di ricerca (tabella 2.1). In
quest’ottica è fondamentale che vi sia una stretta collaborazione tra il
responsabile marketing e il ricercatore. La definizione del problema è la
fase più delicata in quanto il grado di accuratezza della definizione può
incidere sull’intera attività di ricerca. Il ricercatore è chiamato a
comprendere le origini e la natura del problema identificato dal
management e a definirlo in termini analitici. Un’accurata definizione del
problema descrive la tipologia di informazioni necessarie alla risoluzione
del problema formulato a livello del management. In pratica un’attenda
riflessione a monte, può incidere sulla qualità della performance del
ricercatore nelle fasi successive.
!
22!
Tabella 2.1 – Esempi di problemi di management e relativo problema di
ricerca
Problema a livello di management
Allocare a ciascun media il corretto budget
destinato all’advertising
Aumentare le vendite di un prodotto
Rinnovare il programma di marketing
Problema di ricerca
Stimare l’awareness generato da ciascun
media
Misurare l’attuale immagine di prodotto
Progettare una simulazione di marketing
così da stimare gli effetti del nuovo
programma
Fonte: Elaborazione propria
Una volta individuato il problema e “tradotto” in ricerca, manager e
ricercatore devono fissare quelli che saranno gli obiettivi della ricerca. Gli
obiettivi infatti, rappresentano le linee guida per il ricercatore durante tutto
l’iter di ricerca. Gli obiettivi vengono in oltre chiamati in causa dal
management mediante i quali è in grado di valutare complessivamente il
progetto. Scott et al. affermano che ciascun studio dovrebbe avere un
numero piuttosto limitato e gestibile di obiettivi che siano il più focalizzati
possibili sulla risoluzione del problema di ricerca. Operativamente,
obiettivi e finalità di ricerca consistono in una proposta di ricerca da parte
dell’impresa cliente. Tale proposta dovrà essere più in linea possibile con
le esigenze del management. Ciò implica che fra le parti (impresa e
ricercatore di mercato) sussista una completa convergenza di opinioni
relativamente a tre aspetti: i problemi (o le opportunità) che si desidera
esplorare; le alternative decisionali da valutare; la natura dei destinatari
della ricerca (Valdani, 1995). Kotler identifica gli obiettivi sulla base della
!
23!
classificazione scientifica di ricerca che verrà affrontata nel paragrafo
successivo.
•
l’obiettivo della ricerca esplorativa
5
consiste nella raccolta
preliminare di informazioni ai fini della definizione del problema e
della formulazione di ipotesi.
•
L’obiettivo della ricerca descrittiva6 consiste nella descrizione di
aspetti come ad esempio il potenziale di mercato di un prodotto o
gli aspetti legati ai comportamenti dei consumatori o aspetti
demografici.
•
L’obiettivo della ricerca causale 7 risiede nel provare le ipotesi
legate ai rapporti di causa-effetto.
.
Lo sviluppo del piano di ricerca: definito anche formula di ricerca, è una
descrizione analitica delle metodologie di ricerca adottate e delle attività
operative. Il piano di ricerca è quella “specifica combinazione originale di
metodologia, tecniche di rilevazione, elaborazione e interpretazione dei
risultati, impostata dal ricercatore per risolvere uno specifico problema di
!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!
5 !La
ricerca esplorativa è volta a chiarire la natura di un problema, ad acquisire maggiore
comprensione di una situazione, a fornire indicazioni per indagini futur.! Grazie alla ricerca
esplorativa, il ricercatore accresce la propria familiarità con il problema e con il mercato ed è
generalmente in grado di formulare ipoesi e congetture in merito a questo.
6 !La ricerca descrittiva ha come scopo la definizione della struttura competitiva di un
mercato/segmento, oppure la descrizione del comportamento di organizzazione o gruppi di
consumatori.
7!La ricerca causale ha lo scopo di definire connessioni causa-effetto tra più variabili, la loro
natura e caratteristiche come la direzione e l’intensità.
!
24!
marketing.” Elemento cruciale di questa fase è l’individuazione del
corretto fabbisogno informativo e il relativo piano per il reperimento delle
informazioni. Una volta individuati e formalizzati gli obiettivi infatti, il
ricercatore è chiamato a comunicare all’impresa le modalità in cui tali
obiettivi verranno tradotti in fabbisogni informativi. La definizione del
piano di ricerca implica perciò da un lato, un problema di efficienza
tecnica della ricerca e dall’altro, un problema di economia, ossia di costi e
di tempi in relazione ai risultati attesi. Appare evidente che le due
questione sono strettamente interconnesse e le loro soluzioni vanno
ricercate simultaneamente (Picarelli, 1994). Il piano di ricerca contiene in
oltre le informazioni relative all’attività di raccolta dei dati, i quali possono
essere secondari, ovvero informazioni già esistenti e raccolte in passato, o
primari, ovvero quelle informazioni raccolte specificatamente per il
progetto in questione. Ovviamente il ricercatore di marketing può mettere
in campo le due fonti contemporaneamente.
•
Dati secondari: solitamente sono le prime fonti da cui il ricercatore
attinge. I dati secondari possono provenire da database interni
all’organizzazione oppure da fonti esterne come ad esempio le
fonti governative o istituzionali (CENSIS, U.S. Census, Federal
Trade Commission) e gli istituti di ricerca (AC Nielsen, ComScore,
etc.). Tali dati infatti possono essere acquistati o reperiti in report
!
25!
periodici redatti da queste organizzazioni. È doveroso sottolineare
che, se da un lato, il dato secondario, rispetto al dato primario, può
essere acquisito con una certa facilità, dall’altro lato, spesso non è
sufficiente al ricercatore: le informazioni non sempre sono rilevanti
o comunque di supporto alle problematiche delle singole imprese.
In quest’ottica “il ricercatore deve effettuare un’attenta valutazione
delle informazioni secondarie per assicurarsi che siano rilevanti,
ossia che rispondano ai bisogni del progetto di ricerca, accurate,
cioè raccolte e documentate in modo affidabile, attuali, vale a dire
sufficientemente aggiornate ai fini dell’attività decisionale attuale,
e imparziali, ovvero raccolte e documentate in modo oggettivo.” I
dati secondari inoltre presentano alcuni limiti (Barile, Metallo,
1994) i quali risiedono nell’obsolescenza, nella necessità di
adattamento dei dati esposti in forme diverse e l’accuratezza del
dato intesa come credibilità e qualità dell’informazione.
•
Dati primari: sebbene i dati secondari siano in grado di inquadrare
una problematica, essi molto spesso non sono sufficienti al
ricercatore per la precisa definizione del piano di ricerca. È
necessario pertanto chiamare in causa la raccolta dei dati primari
ovvero
quelle
informazioni
reperite
specificatamente
per
un’esigenza. La raccolta dei dati primari può avvenire mediante tre
!
26!
metodi di indagine: l’osservazione, la ricerca campionaria e la
ricerca sperimentale8.
Oltre alla suddivisione sopra descritta, i dati possono essere classificati
anche secondo la provenienza della fonte (Troilo, 2004); i dati infatti
possono provenire da fonti esterne ovvero, prodotti al di fuori
dell’organizzazione ma che sono comunque accessibili dalla stessa. I
dati provenienti da fonti interne sono invece quelle informazioni che
risiedono all’interno dell’organizzazione. Nella tabella 3.1 viene
rappresentata la matrice dei dati che riassume mediante alcuni esempi
le due classificazioni.
!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!
8!La
ricerca tramite osservazione consiste nella raccolta di dati primari tramite l’osservazione di
soggetti, azioni e situazioni significative ai fini della ricerca. La ricerca campionaria è il metodo
più diffuso per la raccolta dei dati primari e rappresenta l’approccio migliore per la raccolta di
informazioni descrittive. La ricerca sperimentale si pone invece di come metodo per la raccolta di
informazioni causali. (Kotler, Armstrong, 2006).
!
27!
Tabella 3.1 – Matrice dei dati.
Dati primari
•
Dati interni
•
•
•
Dati secondari
Soddisfazione
dei
• Risultati di vendita
clienti intermediari
• Scostamenti di budget
Azioni tattiche delle
• Investimenti promo –
concorrenza
Opinioni
e
atteggiamenti
dei
consumatori
Dati esterni
• Brand awareness
• Intenzioni di acquisto
dei consumatori
Fonte: Molteni e Troilo, 2004
.
pubblicitari
Previsioni di vendita
•
•
•
Pubblicazioni
Istat/Eurostat
Relazioni
PP.AA.
Studi settoriali
delle
L’attuazione del piano di ricerca: in questa fase si procede alla traduzione
del piano di ricerca i attività operative che consistono nella raccolta,
elaborazione e analisi delle informazioni. Tale fase è tra le più delicate in
quanto il ricercatore dovrà coordinare e monitorare tutte le attività di
raccolta dati (fieldwork) 9 . L’attuazione del piano di ricerca inizia a
prendere piede una volta individuate struttura delle ricerca e tecniche per
la raccolta dei dati. In quest’ottica, gli obiettivi principali sono
l’individuazione e l’isolamento di dati e informazioni rilevanti, il controllo
sul processo di raccolta è sull’accuratezza (veridicità) delle informazioni.
!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!
9!La
raccolta dei dati costituisce la parte centrale della fase in analisi, in quanto l’efficienza del
piano di ricerca basa sull’affidabilità e sulla validità dei dati raccolti dai ricercatori. Si deve
tuttavia precisare che in alcuni casi non vi è affatto necessità di raccogliere i dati e che la ricerca si
possa considerare conclusa con l’indagine preliminare. Ciò può avvenire perche: 1) le notizie ed i
dati ottenuti con l’analisi della situazione e con la ricerca preliminare sono sufficienti alla
direzione dell’impresa per prendere le decisioni necessarie; 2) il costo ulteriore della ricerca è
superiore alla perdita o al mancato profitto in conseguenza delle decisioni prese senza disporre dei
dati mancanti; 3) le decisioni devono essere prese ad una scadenza talmente prossima che non vi è
tempo materiale per la raccolta dei dati. (Buttazzi, Penati, 1987).
!
28!
L’elaborazione e analisi dei dai passa invece per una serie di attività le cui
principali sono enunciate di seguito in sequenza (Troilo, 2004):
•
la costruzione delle distribuzioni di frequenza e delle tavole di
contingenza;
•
il calcolo degli indici di tendenza centrale e delle associate
misure di dispersione;
•
la determinazione di prime risultanze statistiche;
•
l’approfondimento della lettura e interpretazione dei dati
mediante specifici approcci multidimensionali.
.
L’interpretazione e la presentazione dei risultati: come nelle precedenti,
anche in queste fasi conclusive è fondamentale che le informazioni
rielaborate, vengano presentate tenendo conto dei differenti approcci al
problema di ricerca. Spesso infatti l’esito della ricerca si presta a più
interpretazioni, è opportuno quindi che, anche in sede di valutazione dei
risultati, vi sia un continuo scambio di opinioni tra la figura del ricercatore
e il management. L’interpretazione e quindi l’analisi dei dati verrà
condotta in base alle tecniche utilizzate nelle fasi precenti (procedure di
campionamento, strumenti di misurazione, tecniche di raccolta dei dati).
Ne consegue che, sia le tecniche di analisi, sia i formati con cui la ricerca
verrà presentata, siano ben definiti prima ancora della fase della raccolta
dei dati (Scott, Smith e Gerald, 2010).
!
29!
La fase conclusiva del processo di ricerca, ovvero la presentazione dei
risultati, avviene mediante la redazione di un report. Tale documento
include al suo interno una chiara e accurata descrizione di tutto il processo,
i risultati ottenuti, conclusione e, laddove possibile, le raccomandazioni
per le linee di azione. In sostanza il report può articolarsi nelle seguenti
parti (Burresi, Aiello, Guercini, 2006):
1. obiettivi della ricerca;
2. executive summary con una sintesi dei risultati della ricerca;
3. implicazioni di marketing ovvero le riflessioni del ricercatore in merito
alle possibili decisioni di marketing sulla base dei risultati ottenuti;
4. descrizione dettagliata dei risultati;
5. appendici tecniche contenenti la metodologia.
Scott et al. ritengono che l’efficacia di un report di ricerca dipenda
essenzialmente da due attributi fondamentali: la completezza (il report
deve contenere tutte quelle informazioni rilevanti per il lettore e
comprensibili al suo linguaggio) e la sinteticità (nel report dovranno essere
presenti quelle informazioni selezionate dal ricercatore). Appare subito
evidente che queste due caratteristiche risultano spesso in conflitto.
Ai fini di risolvere tale problematica sono stati individuati due approcci: il
primo approccio consiste nella preparazione di due report dei quali uno dai
contenuti più tecnici, su cui ci si focalizza sulle metodologie adottate, le
!
30!
ipotesi sottostanti e che presenti i risultati in maniera analitica; e un altro
che invece affronti solo brevemente gli aspetti di natura tecnica e sottolinei
piuttosto i risultati con semplicità. Il secondo approccio fa riferimento alla
modalità con cui il report viene presentato. In quest’ottica si presume che
le percezioni dei soggetti a cui è diretto il report varino a seconda della
modalità con cui esso venga presentato. Ad esempio, una relazione scritta
potrebbe non essere sufficiente nel far cogliere a pieno gli elementi
presenti nel report. Anche in questo approccio è quindi fondamentale che
vi sia un mix di modalità di presentazione che vadano dal reporting scritto
alla presentazione face-to-face.
1.3 Tipologie di ricerche
Nei precedenti paragrafi si è discusso del ruolo delle ricerche di marketing
all’interno del sistema informativo di marketing, con un focus particolare sul
contributo che esse forniscono nel soddisfare il fabbisogno informativo di
un’impresa market oriented. Successivamente si è proseguito con una descrizione
analitica delle principali fasi del processo di ricerca, ovvero quella serie di attività,
metodologie e procedure che conducono alla realizzazione di una ricerca di
marketing. Come ormai è noto i dati e le informazioni utili a condurre una ricerca
di marketing sono molteplici; di conseguenza, anche le ricerche stesse possono
essere di differenti tipologie, le quali si differenziano per approccio metodologico,
!
31!
strumenti e procedure tecniche. Tali approcci sono profondamente diversi tra loro:
è doveroso premettere che, ragionando in termini assoluti, non esiste una tecnica
di ricerca migliore, l’obiettivo è sempre quello di individuare il set di strumenti e
metodologie che siano più in linea con il problema di marketing originale.
In questo lavoro si descriveranno quelle che in letteratura sono considerate le tre
principali tipologie di ricerche di marketing ovvero le ricerche qualitative, le
ricerche quantitative e le ricerche causali.
1.4 La ricerca qualitativa
La ricerca qualitativa consiste nella raccolta di informazioni funzionali alla
conoscenza di un fenomeno del tutto nuovo per l’impresa (Fabris, 1967; Henry,
1978; Ricolfi, 1998; Carson, Gilmore, Perry, Gronhaug, 2001). Definita anche
ricerca esplorativa, il suo obiettivo è infatti studiare a fondo un determinato
fenomeno sia esso riferito all’impresa (lancio di un nuovo prodotto), o riferito ad
un contesto più ampio (dinamiche del mercato). Le ricerche qualitative
consentono di approfondire una problematica indagando sul tema con un
approccio diagnostico, nel quale il ricercatore si pone il quesito del perché si
manifestano certi accadimenti, quali siano quindi le motivazioni e i meccanismi
che risiedono dietro tali dinamiche. Le ricerche qualitative sono contraddistinte da
!
32!
un’elevata interdisciplinarietà10 che consente appunto al ricercatore di dotarsi di
più strumenti e di disporre di fonti di conoscenza da cui attingere per esplorare un
fenomeno. Non essendoci una rappresentazione univoca dei risultati di un
indagine qualitativa (testi, immagini, composizioni grafiche), l’output di ricerca
potrebbe necessitare di soluzioni integrative con informazioni di natura
quantitativa. In generale infatti la ricerca qualitativa viene adottata per tracciare un
quadro preliminare ad un analisi più estesa condotta mediante campionamento.
Operativamente le ricerche qualitative consentono di (Burresi, Aiello, Guercini,
2006):
.
esplorare un fenomeno del tutto nuovo per l’impresa e di esaminarlo nella
sua totalità;
.
individuare moventi comportamentali e/o le variabili latenti costitutive di
un determinato fenomeno di mercato che possono essere successivamente
quantificate con una ricerca quantitativa;
.
produrre informazioni in grado di identificare soluzioni definitive al
problema di marketing oggetto di analisi senza dover effettuare una ricerca
quantitativa.
Come si può dedurre, l’oggetto preso in esame dalle ricerche qualitative è un
campione estremamente ridotto, solo così il ricercatore è in grado di cogliere,
!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!
10!Tra
le discipline che messe in campo nelle ricerche qualitative vi sono: la psicologia, la
psicoanalisi, la sociologia, l’antropologia, la semiotica, l’etologia e la programmazione
neurolinguistica. (Burresi, Aiello, Guercini, 2006)
!
33!
estrapolare e descrivere sinteticamente la complessità del fenomeno. La figura 5.1
riassume graficamente i tratti distintivi della ricerca qualitativa.
Figura 5.1 – Caratteristiche delle ricerche qualitative
Fonte: Adattamento da Molteni e Troilo, 2003
Le principali ricerche qualitative sono l’intervista in profondità (in depthinterview), il focus group e il metodo dell’osservazione di cui si è accennato in
precedenza.
.
L’intervista in profondità: è fondata su un rapporto diretto che si crea tra
l’intervistatore e l’intervistato, tale da consentire un’ampia libertà di
espressione in merito ad un determinato argomento (Banaka, 1981). Se
condotta in maniera sufficientemente dettagliata, produce importanti
informazioni di natura qualitativa inerenti al problema di ricerca o per
!
34!
studiare comportamenti, usi e costumi e dinamiche individuali (Scott,
Smith e Albaum, 2010). In quest’ottica, il concetto di “profondità” è
riferito alla capacità del ricercatore di individuare, mediante tale tecnica,
quelle informazioni che non emergono in superficie e che richiedono
quindi un approccio più completo al problema. Il ricercatore dovrà quindi
porre domande volte ad approfondire la conoscenza su quelle che sono le
“motivazioni sottostanti” il manifestarsi di un fenomeno11. In sintesi, le
interviste in profondità sono utili da adottare in tre distinte situazioni
(Kates, 2000):
•
le interviste in profondità consentono al ricercatore esplorativo
di ottenere informazioni di base mediante le quali è possibile
supportare successive ricerche di matrice quantitativa;
•
possono essere adottate all’interno di un progetto come unica
metodologia soprattutto quando è difficile costituire un gruppo
per la realizzazione di un focus group (il quale sarà affrontato
nel successivo paragrafo). Appare evidente che i risultati non
sono statisticamente significativi, essi tuttavia potrebbero essere
!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!
11!Per
condurre un’intervista in profondità, la cui durata può superare anche i 90 minuti, il
ricercatore può disporre di una serie di strumenti di indagine (Mariampolski, 1988) come ad
esempio “la richiesta di elaborazione”, “la richiesta di definizione”, “la richiesta di associazione di
parole”, “richiesta di chiarimento”, “richiesta di comparazione”, “la prova del silenzio (contatto
visivo, linguaggio del corpo)”, “richiesta di classificazione”.
!
35!
proiettati qualora il campione fosse abbastanza esteso (almeno
il 60 percento della popolazione).
•
Tramite le interviste in profondità è possibile poi ottenere
informazioni su un argomento senza essere parte di una
dinamica di gruppo come avviene spesso nella tecnica del focus
group.
L’intervista in profondità può essere condotta mediante tre modalità
distinte: il colloquio clinico, l’intervista proiettiva e l’intervista
semistrutturata (Burresi, Aiello, Guercini, 2006).
•
Il colloquio clinico è la modalità con cui il ricercatore e il
committente estrapolano informazioni ed individuano aspetti
relativi al fenomeno che, al momento della definizione del piano di
ricerca, non risultano ancora chiari e definibili.
Il colloquio clinico è utile per tanto a “scavare nella struttura
cognitiva dell’individuo intervistato”, con l’obiettivo di cogliere gli
aspetti profondi e latenti di un determinato fenomeno.
•
L’intervista proiettiva invece punta a far emergere e comprendere
le motivazioni che guidano i comportamenti individuali presi in
esame. In questa modalità il ricercatore si avvale di un “protocollo
!
36!
guida” costituito da un set di domande poste in sequenza e da una
serie di test proiettivi12.
•
Le interviste semistrutturate diversamente dalle prime due
modalità, si basano su una conoscenza di base del fenomeno preso
in analisi. Il ricercatore in questo caso procede infatti con uno
“schema di domande prestabilite” in grado di analizzare “aspetti
specifici” del fenomeno. A discrezione dell’intervistatore, tale
modalità può essere integrata, laddove possibile, con domande non
previste dal protocollo o con i sopracitati test.
.
Il focus group: definita come la più diffusa tecnica di intervista indiretta è
una metodologia qualitantiva in cui la raccolta di informazioni avviene
tramite il coinvolgimento di un gruppo di persone di un gruppo di persone,
generalmente dagli 8 ai 12 individui, che sono stimolati a discutere per un
intervallo temporale compreso tra una e due ore, sugli argomenti che
costituiscono l’oggetto della ricerca (Greenbaum, 1998; Stewart e
Shamdasani, 1990; Morgan, 1988; Goldman e McDonald, 1987). La
composizione del gruppo può variare secondo le esigenze del committente
o in relazione alla natura e alla complessità del problema oggetto di
!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!
12!I
test proiettivi sono strumenti psicologici di prestazione tipica, costituiti da stimoli visivi
intenzionalmente ambigui. Il compito del soggetto in generale è quello di fornire una descrizione o
di raccontare una storia inspirata all’immagine rappresentata. Lo scopo del test è quello di far
emergere contenuti psichici inconsci, come emozioni nascoste o conflitti interni. (Wikipedia).
!
37!
ricerca. Tra i principali obiettivi vi sono il comprendere a fondo bisogni,
esigenze e desideri dei consumatori; la generazione di nuove idee come ad
esempio risoluzione di problemi, bisogni insoddisfatti e proposte per nuovi
prodotti; lo sviluppo di un concept di prodotto e la creazione di un panel di
“opinion leader” (Scott, Smith e Albaum, 2010). In pratica, la tecnica del
focus group si basa su (Molteni e Troilo, 2003):
•
si fonda “sull’interazione di gruppo” il quale se sufficientemente
coinvolto e attivo, consente di produrre informazioni più ricche
rispetto ad il confronto descritto precedentemente intervistatore –
intervistato tipico dell’intervista in profondità. Questo fenomeno è
più frequente laddove la comprensione di un aspetto può dipendere
dalla dinamica di gruppo e delle interazioni che ne scaturiscono13.
•
Consente di chiamare in causa un numero superiore di individui
partecipanti alla ricerca, con consistenti vantaggi rispetto
all’intervista personale in termini di costi e tempistiche.
•
È una tecnica caratterizzata da un “elevato grado di flessibilità” per
cui le numerose interazioni di gruppo mettono il moderatore nella
situazione di poter affrontare più tematiche e di avere una visione
ampia degli aspetti trattati. È possibile infatti che, talvolta, temi già
!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!
13!Gli
autori in questo caso fanno riferimento ad oggetti di ricerca come ad esempio lo studio delle
influenze sociali sugli acquisti dei beni che costituiscono uno status symbol.
!
38!
trattati riemergano dalla discussione portando alla luce nuovi
dettagli e informazioni rilevanti.
In questa fase si è fatto riferimento alle differenze che sussistono tra il
focus group e l’intervista in profondità, per un quadro più completo
tuttavia è doveroso sottolineare che le due tecniche hanno anche numerosi
aspetti in comune. Nella figura 6.1 viene rappresentato graficamente un
confronto tra le due tecniche nel quale vengono evidenziati le
caratteristiche distintive e i punti di incontro.
Figura 6.1 – focus group e intervista in profondità: tecniche a confronto.
Fonte: elaborazione da Iacobucci e Churchill, 2010
!
39!
Considerato che i partecipanti coinvolti in un focus group dovrebbero
avere caratteristiche omogenee (età, ceto sociale, livello di istruzione e
competenze su prodotto/servizio/brand), il ricercatore qualitativo è in
grado di ottenere un “più ampio spettro di informazioni” andando ad
organizzare un progetto che prevede il coinvolgimento di più gruppi. In
quest’ottica, le caratteristiche dei partecipanti possono variare tra i gruppi,
così come la figura del moderatore, può riprendere concetti, intuizioni ed
aspetti emersi in un gruppo e proporli come argomenti di discussione in
altri gruppi. In genere, un tipico progetto prevede l’organizzazione di 4
gruppi (Iacobucci e Churchill, 2010). L’obiettivo è quello di considerare
ogni gruppo come una componente addizionale alla produzione di
informazioni utili ai fini del progetto. Nel discutere degli aspetti
metodologici e operativi, appare evidente che in questa tecnica, la figura
del moderatore ha un ruolo chiave. Il moderatore è colui che coordina e
gestisce la discussione all’interno del gruppo. Egli, come del resto il
ricercatore dovrà essere già al corrente del problema di marketing in esame
e soprattutto di quelle che sono le esigenze dell’azienda committente. Nei
focus group “di successo” avviene che i partecipanti, una volta stimolati,
parlino tra di essi e raramente si rivolgono al moderatore. Poiché le
tecniche qualitative sono di matrice interdisciplinare, anche il moderatore
!
40!
dovrà essere in grado di attingere da più discipline14. Nel gestire il gruppo
il moderatore segue una traccia in base alla quale gli argomenti vengono
presentati passando dal generale al particolare e ricorrendo all’utilizzo di
tecniche psicologiche che consentono di porre domande in modo indiretto
(Krueger, 1998). Una tipica sessione di focus group è caratterizzata da una
fase preliminare di “warm-up” della durata di circa 5 – 10 minuti in cui il
moderatore introduce il tema ai partecipanti, fornisce se necessario il
materiale su cui discutere e inizia a creare un rapporto di fiducia. Una volta
introdotti i temi che verranno affrontati, il moderatore apre il dibattito
ponendo quesiti di carattere generale cercando di far partecipare ciascun
membro. A questo punto, si inizia a creare un “senso di gruppo” per cui è
possibile entrare nel vivo della discussione. Il moderatore, unito laddove
presenti a dei collaboratori studierà le dinamiche che ne scaturiscono
cercando di cogliere a pieno tutte quelle informazioni rilevanti per la
conduzione della ricerca.
.
Il metodo dell’osservazione: secondo Burresi, Aiello e Guercini,
l’osservazione è una metodologia che deriva dall’etnografia15 e permette
!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!
14!Iacobucci
e Churchill hanno individuato i tratti distintivi di un efficace moderatore di focus
group. In particolare essi fanno riferimento a caratteristiche quali l’abilità di mettere le persone a
proprio agio; una capacità di ascolto superiore; la rapida comprensione di concetti e
comportamenti e un elevato livello di energia intesa come la capacità di spronare un gruppo a tener
vivo il confronto.
15 !L’etnografia è una procedura adottata nella disciplina dell’antropologia. Nel campo del
marketing, tale tecnica prevede l’osservazione prolungata dei comportamenti dei consumatori,
!
41!
di analizzare le interazioni all’interno di processi di acquisto e di utlizzo;
tali interazioni possono essere di tipo funzionale se relazionate al
prodotto/servizio, esperienziali se riferite ai luoghi in cui i prodotti/servizi
sono acquistati e utilizzati e di tipo sociale se inerenti al rapporto con altri
clienti (Abrams, 2000; Spradley, 1980). Il metodo dell’osservazione
prende piede laddove, ai fini di una ricerca, è necessario il reperimento di
dati primari mediante l’osservazione di contesti o situazioni particolari.
Contesti in cui la sola interazione con singole persone, non risulta
sufficiente a produrre un adeguato flusso informativo. La tecnica
dell’osservazione (observational research) è quindi necessaria per studiare:
•
i comportamenti di acquisto all’interno degli spazi di vendita;
•
modalità di utilizzo di particolari prodotti;
•
atteggiamenti della forza vendita e del front office.
L’osservazione è una metodologia che può essere valutata in merito al
livello di coinvolgimento e interazione del ricercatore con l’ambiente
oggetto di studio. Sulla base di questa dimensione, si è in grado di
individuare una serie di tecniche applicabili nell’ambito dell’osservazione
(Chisnall, 1986; Troli e Molteni, 2003; Burresi e Aiello, 2006):
!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!
delle loro risposte emozionali e della loro cognizione durante la quotidianità. I ricercatori di
marketing che si avvalgono dell’etnografia utilizzano un mix di rilevazioni tra cui osservazioni
dirette, interviste e registrazioni audio video. (Atkinson et al., 2007)
!
42!
•
il partecipante a tutti gli effetti: in questo caso il livello di
coinvolgimento dell’osservatore è massimo. Egli si inserisce nel
contesto di analisi partecipando attivamente e interagendo con i
soggetti coinvolti. In questa forma di osservazione, il ricercatore
non rivela il suo ruolo né la sua identità.
•
Il
partecipante
osservatore:
rispetto
al
caso
precedente,
l’osservatore si identifica in qualità di ricercatore informando i
soggetti che fanno parte dell’ambiente di studio. Gli autori
affermano che è una tecnica che può generare barriere tra
l’osservatore e il contesto in quanto lo status di ricercatore potrebbe
inibire alcuni comportamenti mettendo a rischio la qualità della
rilevazione.
•
L’osservatore partecipante: la posizione del ricercatore/osservatore
è la più distaccata possibile. Egli si limita a studiare i fenomeni
cercando di evitare completamente ogni forma di interazione. In
questo caso si parla di osservazione pura in quanto i soggetti
oggetto di analisi non vengono sottoposti a stimoli esterni. In
pratica, l’osservazione pura è ciò che avviene all’interno di un
esperimento condotto in laboratorio.
!
43!
1.5 La ricerca quantitativa
Se, come affermato nelle sezioni precedenti, la ricerca qualitativa prende piede
laddove è necessario il delineare i confini e il perimetro di un dato fenomeno, si
ricorre alla ricerca quantitativa nel momento in cui si ho come obiettivo il “fornire
un’accurata misurazione del fenomeno indagato”. La natura della ricerca di
matrice quantitativa è essenzialmente descrittiva, mira infatti a rispondere a
domande come “chi, cosa, dove, quando” (Burns, Bush, 2000). I campi applicativi
sono molteplici ma tali ricerche sono generalmente orientate a calcolare il livello
di customer satisfaction, brand awareness, quota di mercato. La ricerca
quantitativa può essere di fatti la fase successiva di un progetto che partito con
una ricerca di tipo qualitativo. Si tratta pertanto di ricerche che possono avere sia
una loro distinta identità all’interno del processo, sia un ruolo di integrazione di
dati raccolti mediante indagini qualitative (Green e Frank, 1971; Aacker e Day,
1986; Marbach, 1988, Pope, 1993; Kent, 1999). La ricerca quantitativa studia il
fenomeno oggetto di analisi mediante la produzione di dati quantitativi, i quali
vengono rilevati attraverso l’impiego di strumenti come i questionari strutturati o
semi-strutturati a cui un campione (rappresentativo del fenomeno indagato) viene
sottoposto. Nella figura 7.1 viene rappresentato l’intero processo di ricerca
quantitativa.
!
44!
Figura 7.1 – Il processo di una ricerca quantitativa
Fonte: elaborazione da Molteni e Troilo, 2003.
Come si può evincere dalla figura 7.1 il processo di ricerca quantitativa mira a
produrre dati primari per i quali è necessario avviare un’attività di fieldwork ma,
consente al ricercatore, di usufruire anche dei dati secondari generati all’interno
del sistema informativo di marketing. Una delle attività cruciali all’interno di
questo processo è la raccolta dei dati che, in una prima fase, si concretizza
nell’insieme delle procedure definite piano di campionamento (Kotler, 1993).
Successivamente si procederà a descrivere brevemente gli altri due aspetti
!
45!
metodologici della ricerca quantitativa ovvero la scelta del metodo di contatto e
l’elaborazione del questionario (Burn e Bush, 2000).
!
Il piano di campionamento: costituisce la prima fase del processo di
ricerca quantitativa; alla base del piano di campionamento vi sono tre
aspetti oggetto di riflessioni da parte del ricercatore:
•
la definizione dell’unità campione, ovvero l’individuazione dei
soggetti da sottoporre a intervista. Appare evidente che in base alla
natura dell’oggetto d’analisi il ricercatore si domanderà quali
soggetti, una volta coinvolti, producano le informazioni più
rilevanti. Occorre quindi comprendere chi sarà in grado a fornire
tali informazioni.
•
La determinazione della numerosità del campione, ovvero il
numero di individui da intervistare. Com’è noto un campione è
rappresentativo se è costruito tenendo conto dei caratteri della
popolazione che costituisce il fenomeno oggetto di studio. Per cui
“la media dei dati ottenuti da un campione ha una probabilità
definita di avvicinarsi alla media dell’universo e quindi di
rappresentarlo in modo efficace” (Burresi e Aiello, 2006).
•
La scelta della procedura di campionamento, ovvero la modalità in
cui gli intervistati vengono selezionati. Nel prendere questa
!
46!
decisione, il ricercatore può scegliere tra campioni probabilistici e
non probabilistici16 tabella 4.1.
Tabella 4.1 – Tipologie di campioni
Campioni probabilistici
Campione casuale semplice
Ogni membro della popolazione ha una probabilità
uguale e nota di essere selezionato.
La popolazione viene divisa in gruppi mutualmente
esclusivi e da ogni gruppo viene estratto un campione
casuale.
La popolazione viene divisa in gruppi mutualmente
esclusivi ed il ricercatore estrae un campione di gruppi da
intervistare.
Campione casuale stratificato
Campione a grappolo (cluster)
Campioni non probabilistici
Campione di convenienza
Il ricercatore seleziona i membri della popolazione da cui
è più semplice ottenere le informazioni necessarie.
Campione ragionato
Il ricercatore si affida al proprio giudizio per selezionare i
membri della popolazione che con buona probabilità
forniranno informazioni attendibili ed accurate.
Campione per quote
Il ricercatore individua ed intervista un numero di
persone predefinito in ciascuna delle categorie previste.
Fonte: Kotler e Scott (1998); Burresi e Aiello (2006).
!
I metodi di contatto: Una volta individuato la modalità di campionamento
il ricercatore si trova a dover scegliere le modalità con cui venir a contatto
con il campione selezionato e procedere così alla rilevazione. I metodi di
contatto principali sono l’intervista personale (in home e a punto vendita),
l’intervista telefonica, l’intervista postale e l’intervista web based (e-mail
e internet).
!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!
16!In
statistica si parla di campionamento probabilistico, quando ogni soggetto o oggetto di cui è
composta la popolazione, ha probabilità diversa da zero di essere incluso nel campione. Questo
tipo di campione garantisce la rappresentabilità, mentre, nei campioni non probabilistici non si
possono generalizzare i risultati di indagine (Brasini, Freo, Tassinari, 2002).
!
47!
•
L’intervista personale si basa su un rapporto face-to-face tra
intervistato e intervistatore il quale sottopone una serie di domande
registrandone le risposte. All’interno della traccia dell’intervista
convivono sia domande piuttosto rigide, sia domande aperte, poste
con l’obiettivo di dare maggiore libertà all’intervistato di spaziare
nel campo d’analisi. Vantaggi e svantaggi di questa tecnica sono
simili a quelli precedentemente enunciati nella descrizione
dell’intervista in profondità. Se da un lato infatti il ricercatore ha
modo di approfondire temi, tornare su argomenti, o individuare
nuovi aspetti che emergono durante la sessione, dall’altro lato
l’intervista personale è una tecnica dai costi relativamente superiori
e da tempistiche di rielaborazione delle informazioni lunghe. Nella
fase della registrazione, l’intervistatore può avvalersi del supporto
del sistema CAPI 17 (Computer Aided Personal Interview) da
utilizzare su un device.
!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!
17!Il
sistema CAPI e il sistema CATI (Computer Aided Telephone Interview) consentono di
effettuare interviste assistite da computer. L’intervistatore tramite il contatto diretto (sistema
CAPI) o tramite telefono (sistema CATI) legge la domanda che appare sul display ed inserisce la
risposta dell’intervistato direttamente nel software dedicato. Le interviste in questi casi avvengono
utilizzando un questionario computerizzato, che consente la codifica e l’inserimento dei dati
raccolti su supporto informatico. Mediante questo sistema il software consente di ridurre i possibili
errori umani, di effettuare un controllo dei dati raccolti ed un elaborazione degli stessi in tempo
reale. Il CAVI (Computer Aided Visual Interview) è uno strumento evoluto per le interviste
personali che consente agli intervistati di compilare il questionario inserendo le risposte attraverso
un dispositivo touch screen e di effettuare proiezioni di immagini ad alta definizione anche in
movimento.
!
48!
•
L’intervista telefonica prevede il contattare telefonicamente un
campione casuale di soggetti a cui sottoporre un determinato
questionario. Anche in questo caso il ricercatore può avvalersi del
supporto della tecnologia che si concretizza nel sistema CATI
(Computer Aided Telephone Interview, vedi nota). Tra i vantaggi
dell’adozione di questa tecnica vi sono sicuramente la possibilità di
raggiungere un ampio campione discolato geograficamente e la
capacità di reperire informazioni rilevanti su un aspetto del mercato
in tempi relativamente brevi e a costi relativamente contenuti.
Procedere mediante intervista telefonica significa inoltre un
monitoraggio continuo della composizione del campione che
avvien “on going” il processo di contatto. In quest’ottica il
ricercatore ha la facoltà di porre azioni correttive. Tra i principali
limiti riscontrati vi sono l’esigenza dell’adozione di domande
semplici, limiti temporali piuttosto rigidi per la somministrazione
del questionario (non dovrebbe superare i 12 – 15 minuti) e
l’impossibilità di una opportuna verifica della reale identità
dell’intervistato.
•
L’intervista postale presuppone l’invio di un determinato
questionario via posta ai soggetti del campione a cui viene fornita
una busta per il rinvio. Se da un lato questa tecnica sia
!
49!
caratterizzata da vantaggi in termini di costi e nella possibilità di
utilizzare supporti visivi che accompagnano il questionario,
dall’altro lato risultano numerosi anche i lati negativi. In primo
luogo, spesso è doveroso tenere in considerazione una serie di costi
aggiuntivi dovuti ai diversi solleciti e incentivi che l’istituto dovrà
sostenere per aumentare il tasso di risposta. L’intervista postale è
poi caratterizzata da una bassa percentuale di questionari compilati,
il che spesso può provocare una distorsione del campione iniziale.
Infine, può accadere che la scarsa rappresentatività del campione
sia dovuta da una polarizzazione degli individui che inviano la
risposta: in genere coloro che rispondono al questionario postale
siano persone caratterizzate “da un atteggiamento fortemente
negativo o positivo nei confronti dell’impresa/prodotto/brand
oggetto d’analisi.
•
L’intervista web – based rispetta le caratteristiche dell’intervista
postale ma, la somministrazione via e-mail ne snellisce tempistiche
e processi (Kinnear, Taylor, 1990). In questo caso gli intervistati
ricevono il questionario mediante posta elettronica o vengono
indirizzati in un apposito sito web in cui è possibile svolgere il
questionario online.
!
50!
!
L’elaborazione del questionario: come anticipato in precedenza, il
questionario è lo strumento cardine con cui vengono effettuate le ricerche
di matrice quantitativa. Un questionario risulta efficace nel momento in
cui contiene al suo interno domande in grado di raggiungere in maniera
sintetica e tramite un processo logico, le informazioni rilevanti allo studio
del fenomeno. In quest’ottica il ricercatore deve dotarsi di “capacità
individuali” di “sintesi logica”. Inoltre, egli dovrà porsi una serie di
quesiti in merito alle scelte fondamentali da compiere in sede di
elaborazione
(Burresi
e
Aiello,
2006):
tali
scelte
riguardano
sostanzialmente la natura del contenuto delle domande; la verbalizzazione
e il formato in cui le domande verranno poste; l’ordine logico delle
domande ed infine, il layout con cui il questionario verrà presentato
(Peterson, 2000; Market Research Society18, 2002).
•
Il contenuto delle domande dovrà essere chiaro e di facile
comprensione. Le domande devono poter mettere l’intervistato
nella condizione di fornire informazioni rilevanti. Il ricercatore
dovrà essere in grado di tradurre gli obiettivi della ricerca in
domande concise e semplici19. L’impostazione dei contenuti deve
!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!
18!Sito
ufficiale della Marketing Society www.marketresearch.org.uk
concetto di semplicità viene espresso dagli autori come la capacità di far percepire agli
intervistati il vero senso del quesito, evitando ad esempio l’utilizzo di parole inusuali o obsolete.
19!Il
!
51!
prescindere dalla “capacità di risposta” dell’individuo intervistato.
Tale capacità può dipendere sia da quanto l’individuo già è a
conoscenza del fenomeno oggetto d’analisi, sia dalla sua capacità
di razionalizzare i suoi processi.
•
La verbalizzazione delle domande è una fase estremamente delicata
in quando la modalità con cui viene formulata una domanda può
incidere sul tipo di risposta che l’intervistato fornisce. Utilizzare
formule come ad esempio “voi non pensate…vero?” oppure “Lei è
d’accordo?” fanno si che l’intervistato si possa sentire in qualche
modo indirizzato verso una risposta. Per evitare questi rischi il
ricercatore può avvalersi di un mix di domande aperte e domande
chiuse. Le prime “consentono all’intervistato di esprimersi
liberamente e di fornire risposte spontanee”. Le domande chiuse
invece “comportano risposte con alternative rigidamente limitate”.
•
L’ordine delle domande viene organizzato secondo una logica “ad
imbuto” ovvero partendo dai concetti più generali per giungere poi
agli aspetti più particolari. Tale processo consente all’intervistato
di approcciare all’argomento procedendo per gradi, riuscendo così
ad articolare le risposte compiendo un percorso logico naturale.
!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!
Può accadere infatti che la mancata comprensione di un termine possa provocare la mancata
comprensione dell’intera domanda.
!
52!
•
Il layout del questionario ha come scopo principali il semplificare il
più possibile gli sforzi dell’intervistato. In quest’ottica, i
questionari sono generalmente dotati di apposite sezioni di
supporto alla comprensione della domanda. Il layout deve inoltre
consentire all’intervistato di inserire agevolmente le risposte.
1.6 La ricerca causale
Questa tipologia di ricerca, che in questo lavoro verrà affrontata brevemente, ha
l’obiettivo di verificare l’esistenza di un nesso di casualità tra determinati
fenomeni che si manifestano. In pratica mira all’individuazione e spiegazione dei
rapporti di causa – effetto tra variabili. È doveroso sottolineare che il concetto
scientifico di causalità è ben diverso dall’accezione comune (Iacobucci e
Churchill, 2010). Difatti, mentre nell’interpretazione comune affermare che X
provoca Y fa giungere alla conclusione che X sia l’unica causa della variabile Y,
l’approccio scientifico afferma che la variabile X è solamente una delle cause
possibili a scaturire il fenomeno Y. Inoltre nell’ambito scientifico risulta
impossibile “provare” con assoluta certezza il nesso di causalità tra X e Y bensì ci
si limita a dedurre che tale relazione esiste sulla base di dati raccolti tramite
esperimenti di varie tipologie.
!
53!
Gli esperimenti realizzati nell’ambito della ricerca causale appartengono
essenzialmente a due macro categorie: gli esperimenti sul campo e gli esperimenti
in laboratorio.
!
Esperimenti sul campo: gli esperimenti vengono condotti direttamente sul
campo d’azione in cui si manifesta il fenomeno oggetto di ricerca. Per tale
motivo essi “presentano un elevato livello di realismo”. Tuttavia questa
tipologia presuppone l’individuazione e il relativo isolamento di tutte
quelle variabili esogene che non rientrano nel contesto di studio.
!
Esperimenti in laboratorio: in questo caso i fattori esogeni sono sotto
controllo e il ricercatore è in grado di misurare con precisione le variabili
interne al fenomeno. Nell’esperimento in laboratorio occorre poi
selezionare un campione che sarà appunto oggetto di esperimento, tale
campione
come
affermato
in
precedenza
dovrà
essere
il
più
rappresentativo possibile della popolazione oggetto di studio.
In conclusione di questa sezione dedicata alle ricerche di marketing tradizionali, si
ritiene opportuno riassumere gli aspetti più operativi, riportando una tabella in cui
vengono descritti i principali campi applicativi della ricerca (tabella 5.1):
!
54!
Tabella 5.1 – I principali campi applicativi delle ricerche di marketing
Aree del marketing
Ambiti di ricerca
Metodologia
Ricerche sul potenziale e
sull’evoluzione dei nuovi
mercati
Ricerche per le decisioni di
marketing strategico
Analisi evolutive di contesto
Ridefinizione della missione.
Verifica
dell’immagine
aziendale
!
Indagini
sullo
scenario
!
Ricerche desk
!
Ricerche usage &
attitude
!
Analisi
delle
tendenze
!
Ricerche
psicografiche
Ricerche sul posizionamento
Ricerche per le decisioni di marketing operativo
Valutazione preventiva della
potenzialità
Ricerche per lo sviluppo di
nuovi prodotti
Ricerche su prodotti o servizi
esistenti
Dimensione e trend di
mercato
Andamento della marca
Valutazioni del marketing
mix
!
!
!
!
Generazione di idee
Concept test
Product test
Ricerche
sul
posizionamento
!
Pack test
!
Market test
!
Copy test
Rilevazioni continuative
!
!
!
!
!
Fonte: Corigliano (2004); Burresi e Aiello (2006)
!
55!
Qualità: product test
Confezione: pack test
Immagine:
brand
mapping,
brand
equity
Comunicazione:
efficacia
della
campagna
pubblicitaria,
efficacia dei mezzi
Distribuzione:
metodo
dell’osservazione.
1.7 L’impatto di Internet nel marketing: le principali tecniche di ricerche
online
“Information technology (IT) contributed to the growth of world economy. In the
network economy, business applications and management must embrace the
Internet in order to survive in the e-Commerce age.”(Chou et. al., 2004)
Gli ultimi anni sono stati caratterizzati da forti cambiamenti e le imprese hanno
radicalmente modificato le proprie tradizionali logiche di marketing e
comunicazione. La rapida e costante evoluzione di internet, ha sancito la nascita
di nuovi strumenti che stanno trovando sempre più spazio all’interno delle
strategie di marketing. Internet, aumentando le dimensioni dei mercati e le
opportunità di business, è attualmente il principale driver per i processi di
innovazione aziendali. Il rapporto tra ICTs20 e impresa è stato oggetto di dibattito
sin dagli anni ’80. Camagni e Capello (2005) mostrano come in quel periodo si
siano create posizioni contrastanti circa gli effetti che avrebbe provocato
l’imminente adozione delle ICTs da parte delle imprese, e il relativo impatto sui
!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!
20!Le
Tecnologie dell’informazione e della comunicazione, acronimo TIC (in inglese Information
and Communication Technology, il cui acronimo è ICT), sono l’insieme dei metodi e delle
tecnologie che realizzano i sistemi di trasmissione, ricezione ed elaborazione di informazioni
(tecnologie digitali comprese). L’uso della tecnologia nella gestione e nel trattamento delle
informazioni assume crescente importanza strategica per le organizzazioni. Le istituzioni educative
in particolare prevedono, attraverso il proprio progetto educativo, appositi percorsi di formazione
ed utilizzo trasversale delle ICT per le diverse discipline. Oggi l’informatica (apparecchi digitali e
programmi software) e le telecomunicazioni (le reti telematiche) sono i due pilastri su cui si regge
la
“società
della
comunicazione”.
http://it.wikipedia.org/wiki/Information_and_Communication_Technology!
!
56!
territori. Ad una visione ottimistica, in cui alle ICTs veniva conferito il ruolo di
motore trainante dello sviluppo del sistema economico, si contrapponeva una
visione più pessimistica che temeva il rischio di una disoccupazione di massa
derivante dall’ingresso della tecnologia. Nel corso degli anni, la prima visione ha
assunto una posizione dominante ed è stata largamente accettata. Nel 1988
Gillespie e William affermano che gli effetti positivi delle ICTs sulla
competitività delle imprese non riguardano solo le innovazioni di processo ma
anche quelle di prodotto, esse ne stimolano la differenziazione, sviluppando nuove
nicchie di mercato e consentendo un’implementazione diretta di nuovi prodotti e
servizi tecnologici. Le ICTs intervengono inoltre sullo sviluppo di un territorio.
Esse si configurano come una rete infrastrutturale di comunicazione, che
contribuisce al superamento della perifericità territoriale creando la percezione di
un’assenza delle distanze (Castells e Hall 1994).
Il contesto di riferimento si chiama Web 2.0 ovvero l’insieme delle innovazioni
avvenute sulla rete a partire dalla seconda metà degli anni 200021 che, grazie
all’introduzione di nuovi strumenti e funzionalità, ne hanno modificato le
modalità di accesso e di utilizzo (Marinelli, 2013).
Poiché in questo lavoro si affronta il tema del rapporto tra le ricerche di marketing
e internet, è opportuno ripercorrere brevemente quelli che sono stati gli step
!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!
21!Il
termine Web 2.0 è stato coniato nel 2004 da Dale Dougherty vice presidente di O’Reilly
Media durante una sessione di brain storming tra O’Reilly e MediaLive International.!!
!
57!
evolutivi dell’impatto della rete sulle strategie e sulle attività di marketing. La
prima fase della diffusione del web che appartiene agli anni 80 e 90 può essere
definita web 1.0 periodo in cui, sia le imprese interessate al commercio
informatico, sia soprattutto gli utenti erano molto limitati.
Sin dagli anni ’90, quindi, sono evidenti le opportunità scaturite dalle transazioni
con tecnologie elettroniche che comprendono tutti gli aspetti dell’attività
commerciale come azioni di marketing, servizio al cliente, ordini, pagamenti,
approvvigionamento, distribuzione, assistenza post-vendita.
Naturalmente, oltre alle opportunità per le aziende legate alla visibilità mondiale,
alla possibilità di un approvvigionamento veloce, di un risparmio dei costi di
gestione e di proporre soluzioni personalizzate, esistono anche potenziali benefici
per i consumatori. Attraverso la rete, per esempio, il consumatore può facilmente
confrontare l’offerta di prodotti simili da parte di fornitori differenti, trova prezzi
in genere più convenienti, ed una maggiore velocità di consegna, soprattutto
quando ricerca prodotti e servizi particolari e difficili da reperire e può effettuare
gli acquisti nei momenti più comodi, per esempio, anche nei giorni festivi.
A fronte di tali opportunità, esistono per il consumatore anche dei rischi che sono
simili a quelli già noti delle televendite e legati alla difficoltà di un esame
approfondito del prodotto, al pericolo di truffe aggravato dal fatto che il domicilio
del fornitore può essere in paesi con legislazioni meno favorevoli ai consumatori
stessi (Mandelli, 1998). Nel suo lavoro Mandelli confronta il marketing
!
58!
tradizionale con quello proveniente dalla rete tabella 6.1.
Tabella 6.1 – Confronto tra marketing offline e online
Marketing offline
Marketing online
Segmentazione
Individui
segmento
Pubblicità
Standard
Mirata
a
partire
dalle
informazioni disponibili sul
target
Promozione
Standard
Personalizzata / Adressed
Pricing
La discriminazione di prezzo è
auto selettiva da parte del
target
Può essere personalizzata
Sales Management
I dati sui clienti
controllati dai venditori
sono
Anche il management dispone
dei dati sui clienti
Canali di distribuzione
Controllo sul cliente da parte
del venditore
Il produttore riprende il
controllo sul cliente / Tracked
Nuovi prodotti
La ricerca e lo sviluppo sono
stimolati dalla tecnologia
La ricerca e lo sviluppo
partono dalle necessità esibite
dai clienti
Monitoraggio
Variabili: quota di mercato,
volumi di venditam margini,
monitoraggio periodico
Fedeltà dei clienti, costi di
acquisizioni nuovi clienti,
quota del cliente, valore del
cliente.
omogenei
nel
Personalizzata
Fonte: Elaborazione da Mandelli (1998)
Nella tabella 6.1 si evidenzia come internet inauguri un approccio one-to-one,
rispetto a quella dei volumi di venduto: per aumentare la propria quota di mercato
è necessario vendere il più possibile al maggior numero di clienti, ma in un
mondo one-to-one l’obiettivo è quello di concentrare gli sforzi sulla quota cliente,
!
59!
vendendo sempre di più e allo stesso individuo, soddisfacendo così bene le sue
esigenze da rendere nullo il mercato concorrenziale (Peppers, 2000).
Il commercio elettronico ha richiesto al marketing lo svolgimento delle sue
tradizionali funzioni, ma certamente anche di nuove; è l’immaterialità del mercato
e lo stesso processo di dis-intermediazione che accompagnano l’e-commerce a
richiedere al web marketing nuove modalità di fare business e quindi ulteriori
funzioni, per sopperire alla scomparsa dell’intermediazione e per rispondere alle
nuove relazioni che si instaurano tra offerta e domanda online (Foglio, 2003).
È possibile, quindi, rappresentare il web marketing attraverso una serie di funzioni
da esso svolte; va ricordato che alcune pur appartenendo già alla sfera tradizionale
del marketing, hanno delle rivisitazioni che le hanno attualizzate secondo i canoni
introdotti dal web. Foglio individua le principali funzioni del marketing
modificate dai nuovi modelli di business e metodi organizzativi e commerciali che
il web richiede:
!
Funzione di ricerca: il web marketing attraverso la ricerca e la
segmentazione individua dati e informazioni relative al mercato online, a
relativi segmenti, al cliente, alla concorrenza sulla rete, al giusto
prodotto/servizio da offrire online, a dati e informazioni da utilizzare nel
processo di marketing, agli indici di acquisto.
!
Funzione di sviluppo prodotto/servizio: il mercato online richiede prodotti
e servizi con particolari caratterizzazioni; il web marketing fornisce un
!
60!
supporto informativo e d’assistenza che si esplica nella messa a punto del
prodotto/servizio con tutti quegli interventi che debbono essere apportati
per rispondere in maniera ottimale alla domanda.
!
Funzione di promozione e engagement: spetta al marketing digitale creare
e stimolare la domanda degli utenti mediante politiche mirate di
comunicazione, promozione e vendita.
!
Funzione di pianificazione: il marketing digitale può solamente
svilupparsi in un contesto di pianificazione che tenga presente il piao
globale aziendale di marketing, nonché quello specifico di web marketing.
In questo scenario, il concetto di internet come strumento di ricerca ha assunto
negli anni diverse accezioni. Da un lato, in una visione più classica, internet viene
visto come quel mezzo mediante cui sviluppare nuove forme di interazione con il
cliente-navigatore (Colonel, 2003) in un ottica di face to face integrato. Ciò che
viene descritto è una trasposizione dei processi, delle metodologie nonché delle
tecniche tradizionali nel panorama online (Furrer e Sudharshan, 2001; Wilson e
Laskey, 2003). L’enfasi è posta sul maggior livello di interattività che il web
permette di raggiungere che si traduce poi nella possibilità di una
personalizzazione del rapporto ricercatore – intervistato. Tale rapporto, secondo
Colonel, acquista ancora più valore quando si considera che “il processo di input e
feedback di informazioni avviene tramite un canale di comunicazione sempre
aperto, in tempo reale e a costi bassi, se confrontato con i canali di comunicazione
!
61!
tradizionali”. Appare perciò evidente che la visione “tradizionale” dell’impatto di
internet sulle ricerche di marketing è essenzialmente focalizzata sul rapporto con
il cliente il cui obiettivi principali sono raggiungere un livello superiore di loyalty
(Slywotzy, Shapiro, 1994) e comprendere il suo comportamento online (figura
8.1).
Figura 8.1 – La gestione delle relazioni via Internet
Fonte: Colonel, 2003
Dall’altro lato, la rete rappresenta quell’insieme di rivoluzioni tecnologiche e
sociali che insieme forniscono nuove informazioni ai marketers. Tali informazioni
sono spesso nascoste o difficili da reperire e possono riguardare i consumatori e i
loro comportamenti e decisioni di acquisto. In quest’ottica, internet viene visto
!
62!
come un’opportunità per le imprese da cogliere per sviluppare un immagine,
offrire informazioni inerenti a prodotti e servizi, relazionarsi con clienti strategici ,
comprendere le pratiche di acquisto dei consumatori e ascoltare i bisogni di questi
ultimi ai fini di apporre un miglioramento continuo alle caratteristiche del
prodotto/servizio (Kursan e Mihic, 2010). Nell’effettuare una comparazione tra il
web inteso come strumento di ricerca con le più tradizionali tecniche di ricerca di
marketing, Furrer e Sudharshan (2001) e Wilson e Laskey (2003) hanno
dimostrato che, sebbene sia possibile ottenere informazioni rilevanti mediante le
indagini via web, la ricerca internet-based è spesso adottata come un particolare
tipo di studio applicato solamente per effettuare valutazioni del web.
Come affermato in precedenza internet viene considerato un mezzo relativamente
economico e facile per lo svolgimento di una ricerca di marketing, ma sono stati
individuati anche altri vantaggi. La rete fornisce la possibilità di raggiungere e
rilevare un elevato numero di intervistati in una singola sessione. È possibile
inoltre condurre un sondaggio in “pochi click” e, grazie ai questionari online,
ricevere risposte in tempi rapidi. Altri studi individuano poi ulteriori vantaggi
come ad esempio (Albrect, Jones, 2009):
!
!
la possibilità di “targettizzare” una popolazione più ampia;
!
la flessibilità e il controllo sui vari formati;
!
la semplicità di immissione dei dati (data entry);
!
un elevato livello di partecipazione;
63!
!
l’utilizzo di una varietà di supporti;
!
la semplicità di somministrazione.
Tuttavia è opportuno tener conto anche di una serie di limitazioni che
caratterizzano la ricerca di marketing online. Il ricercatore può incontrare ad
esempio delle difficoltà durante il processo di campionamento (gli utenti possono
cambiare account o e-mail provider). Alcune problematiche possono riguardare
poi il tasso e la qualità della risposta: in assenza del ricercatore che in questo caso
funge da intermediario, l’oggettività della risposta potrebbe essere compromessa o
potrebbe essere parziale. Un altro aspetto da considerare è il differente approccio
al web degli utenti, ovvero alcuni gruppi di utenti come ad esempio i giovani sono
più facilmente raggiungibili mediante gli strumenti online, mentre altre categorie
di utenti-consumatori sono meno soliti frequentare tali canali (Wilson e Laskey,
2003).
Furrer e Sudharshan hanno impostato un modello di una tipico progetto di ricerca
online focalizzando l’attenzione sulla natura degli obiettivi che il rircercatore di
marketing intende prefissare. Gli autori sottolineano inoltre quanto accennato in
precedenza ovvero che le numerose tipologie di ricerche possono essere condotte
o all’interno del contesto internet o grazie al supporto di internet.
Sulla base di queste riflessioni gli autori hanno elaborato il modello prendendo in
considerazione tre dimensioni (figura 9.1): gli obiettivi dell’indagine; le unità
campione; il metodo di campionamento.
!
64!
Figura 9.1 – Modello di progetto di ricerca di marketing online
Fonte: elaborazione da Furrer e Sudharshan, 2001.
!
Gli obiettivi dell’indagine: le ricerche di marketing online vengono svolte
essenzialmente sulla base di tre macro obiettivi:
•
Lo studio di come la rete viene impiegata come strumento di
marketing e della sua efficacia nel perseguire gli obiettivi
d’impresa;
•
L’utilizzo del web come un mezzo alternativo di diffusione di
survey tradizionali;
!
65!
•
Lo studio dei comportamenti di acquisto degli utenti-consumatori
online.
A supporto di ciò vi sono numerosi studi che confermano il ruolo di internet in
qualità di supporto al marketing nel perseguimento di molteplici obiettivi (Pitts,
Berthon e Watson, 1996), tali obiettivi, in una visione più ampia, possono andare
dall’acquisto di informazioni, inaccessibili prima, relative alle influenze che
incidono sul processo d’acquisto; favorire e incentivare il coinvolgimento del
consumatore nei confronti dell’offerta aziendale; fornire informazioni di prodotto
più dettagliate etc…
In quest’ottica un ruolo che viene dato alle ricerche online è proprio quello di
verificare l’efficacia del web in generale nel perseguire i sopracitati obiettivi di
marketing.
La rete può essere vista anche come mezzo per veicolare un questionario
tradizionale. Il questionario online, tema che verrà affrontato più dettagliatamente
nei prossimi paragrafi, possono essere adottati per analizzare qualsiasi tipo di
aspetto del marketing tradizionale che rientri ovviamente nell’area di competenza
della ricerca di tipo quantitativo.
Infine, la terza tipologia di obiettivo che può essere perseguito mediante una
ricerca di marketing online consiste nello studio del comportamento degli utenti
web. In quest’ottica, Goldsmith e Bridges (2001) individuano alcuni elementi
oggetto di indagine:
!
66!
•
la raccolta passiva di informazioni mediante l’esposizione degli utenti
messaggi di pubblicità;
•
le esperienze di shopping, compreso le attività di browsing sui motori di
ricerca;
•
la selezione e acquisto di particolari prodotti, servizi o informazioni.
In pratica, tale tipologie di indagini mirano a studiare le modalità di utlizzo
del web da parte dei consumatori, le modalità di navigazione nonché il
processo e le dinamiche di acquisto online.
!
Le unità campione: nelle ricerche online possono essere utilizzati tre
diverse tipologie di unità di campionamento: le pagine web; siti web;
utenti internet. Da un campione costituito da pagine web ad esempio è
possibile estrapolare una serie di informazioni come ad esempio il desgin
(inteso come layout), il contenuto, lo spazio all’interno della pagina
dedicato alla pubblicità, il tempo in cui la pagina rimane invariata e
inoltre, il numero di visitatori dato un certo periodo, o il tempo che tali
visitstori spendono in una determinata pagina web. Un campione
costituito da siti web invece può risultare utile per comprendere le
modalità con cui le imprese conducono una particolare strategia di
!
67!
marketing nonché la struttura del sito, layout, meccanismi di
navigazione22 etc.
Infine, è opportuno realizzare un campione costituito da utenti internet
qualora si voglia veicolare una survey via web o intervistare un gruppo di
utenti.
!
I metodi di raccolta dati: la raccolta dati nelle ricerche di marketing
online può avvenire in tre distinte modalità: mediante osservazione
diretta; questionario o mediante esperimento. L’osservazione diretta, di
cui fa parte la tecnica della netnografia che verrà affrontata nei prossimi
paragrafi, può essere applicata a tutti gli elementi del web sopra citati
ovvero alle pagine web, ai siti e al comportamento degli utenti. Il
questionario può essere somministrato utilizzando come formati dei siti
web dedicati, questionari inviati per posta elettronica o file allegati.
L’esperimento può essere condotto ad esempio utilizzando come oggetto
di indagine un sito web costruito ad hoc nel quale vengono studiati i
!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!
22 !A
tal proposito si richiama la ricerca svolta nel 2014 dal laboratorio di ricerca interno
all’Università Politecnica delle Marche NetWork Lab. Il laboratorio vuole essere, nelle intenzioni
dei promotori, un luogo di osservazione, di analisi, di condivisione e di conoscenza sui temi legati
al mondo del web, in un’ottica di marketing per le imprese. Esso intende offrire uno spazio
culturale, nel quale siano valorizzate tanto le attività di ricerca e di analisi, quanto le attività di
supporto alle imprese, allo scopo di fornire un contributo significativo per la reale comprensione
delle opportunità offerte dalla rete per la trasformazione di tali opportunità in risultati di business.
L’obiettivo della ricerca realizzata nel 2014 è stato quello di analizzare le strategie di
internazionalizzazione seguite dalle imprese italiane riguardo alla gestione del proprio sito web. La
domanda alla quale si è cercato di fornire una risposta è la seguente: le imprese italiane localizzano
il sito web nell’ambito delle proprie strategie di internazionalizzazione e, in caso di risposta
affermativa, per quali aspetti e per quali Paesi? Per dettagli della ricerca
www.networklab.univpm.it
!
68!
comportamenti di navigazione e utilizzo (user experience) degli utenti
visitatori. In quest’ottica, il contenuto, il layout e il sistema di navigazione
possono essere modificati con lo scopo di registrare le reazioni e gli effetti
sul comportamento dei consumatori.
Sulla base della combinazione di queste tre dimensioni: gli obiettivi dell’indagine,
le unità di campionamento e il metodo per la raccolta dati, gli autori hanno
individuato 8 possibili progetti di ricerca online.
1) Sicuramente il più facile da sviluppare consiste nel creare un campione di
pagine web il cui contenuto è già stato osservato e selezionato dal
ricercatore. Questo progetto di ricerca può essere impiegato per studiare
l’utilizzo di internet come strumento di marketing in particolare cogliendo
all’interno del contenuto delle pagine quegli aspetti relativi all’immagine
del brand e alla pubblicità.
2) Un
secondo
progetto
può
essere
portato
avanti
mediante
un
campionamento di pagine web, svolto in questo caso in due fasi. La prima
fase consiste in un campionamento di siti web, durante la seconda fase
invece, si estrapola un campione di pagine web selezionate all’interno dei
siti precedentemente individuati. Tale tecnica consente al ricercatore di
“controllare la rappresentatività del campione in termini di tipologia di
sito”. Ciò in ottica di marketing risulta funzionale in quanto consente di
escludere dall’analisi quei siti non considerati commerciali.
!
69!
3) Un campione di siti web può essere poi studiato per comprendere in che
modalità le imprese utilizzano i propri siti per finalità di marketing.
Utilizzare siti web anziché singole pagine consente al ricercatore di
analizzare il fenomeno più in profondità.
4) Se nei precedenti progetti il ricercatore ha assunto il ruolo di “osservatore”
si ritiene che per uno studio più in profondità del fenomeno, sia opportuno
utilizzare un panel di utenti consumatori come osservatori. In questo caso
viene effettuato un duplice campionamento: da un lato si selezionano gli
utenti, dall’altro lato un set di siti o pagine web (Griffith e Krampf, 1998).
5) Un campione di siti web può essere disegnato anche per ottenere un
database di indirizzi email di imprese o managers. Ciò può consentire al
ricercatore di effettuare una scrematura delle imprese o dei responsabili da
coinvolgere nelle indagini riuscendo a comprendere se una certa tipologia
di impresa può effettivamente appartenere al campione di riferimento.
6) Il campione di utenti internet può essere disegnato anche per inviar loro
una survey online (Comley 1996).
7) Un progetto ibrido può prevedere la costruzione di un campione di siti
web unito ad un campione di utenti ai quali viene richiesto di visitare i siti
web selezionati e di riportarne la loro user experience. In questo caso il
ricercatore può controllare quali sono i siti visitati dagli utenti.
!
70!
8) Per le indagini online può essere adottato infine anche un progetto
sperimentale. In questo caso si procede con la realizzazione di un sito web
sperimentale che viene sottoposto alla fruizione e navigazione da parte di
un campione selezionato di utenti (Mosley-Matchett, 1998).
Sulla base di questo scenario si procede con una descrizione di due tecniche di
ricerca di marketing online significative per questo lavoro. Una tecnica di matrice
quantitativa ovvero il questionario online ed una di stampo qualitativo ovvero la
netnografia, conosciuta anche come etnografia digitale.
1.8 Il questionario online
Il questionario online rispetta essenzialmente le logiche di quello tradizionale, le
differenze sono insite nelle caratteristiche della rete stessa e sono state enunciate
nei paragrafi precedenti. In questa sezione si ripercorrono le principali fasi di una
ricerca basata sulla somministrazione del questionario online (Colonel 2003).
!
la scelta del campione: in questa prima fase il ruolo di internet è molto
importante, la rete infatti funge da “facilitatore” fornendo diversi
strumenti per stabilire un contatto con gli intervistati. Il ricercatore può
procedere scegliendo se attingere da un campione chiuso (i soggetti sono
tutti ben identificati) o da un campione aperto (il questionario può essere
compilato da chiunque ne venga a contatto, il controllo preventivo sulle
caratteristiche del campione è assente). In base alla scelta della tipologia
del campione il questionario può essere veicolato all’interno di mailing
!
71!
list ben definite o condiviso su altre piattaforme online tra cui forum, blog
e social network.
!
Preparazione del questionario: il questionario online può essere
realizzato
mediante
software
come
ad
esempio
il
programma
surveygizmo 23 o surveymonkey 24 , ma anche mediante piattaforme
gratuite come ad esempio l’applicazione “Form” che mette a disposizione
il servizio Google Drive25 (figura 10.1). Il vantaggio di preparare un
questionario online risiede nella possibilità di inserire con facilità più
tipologie
di
contenuto
(testo,
multiple
choice,
immagini,
file
multimediali).
!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!
23!www.surveygizmo.com
24!www.surveymonkey.com
25!Google
Drive è un servizio web di storage e sincronizzazione online introdotto da Google nel
2012 che permette il file hosting, file sharing e editing collaborativo di documenti. Da ottobre
2013 lo spazio disponibile gratuitamente arriva fino a 15 GB estendibili fino a 16 TB in totale.
All’interno del servizio Drive sono presenti i documenti creati con Google Docs. La tipologia di
documento Forms è uno strumento per collezionare informazioni sotto forma di questionario. I dati
raccolti sono automaticamente inseriti in un foglio di lavoro dedicato.
!
72!
Figura 10.1 – Esempio di interfaccia di un questionario online realizzato con
l’applicazione Google Form.
Fonte: Nostra elaborazione
!
Invio del questionario: il modo più semplice e diffuso di invio dei
questionari online è tramite posta elettronica. I limiti di questa modalità
!
73!
sono molto simili a quelli riscontrati nell’invio per posta il che
presuppone che il questionario sia di rapido svolgimento e costituito da
domande semplici e mirate. Un ulteriore limite proprio dell’invio tramite
mail è il rischio che dato l’elevato numero di provider di servizi posta
elettronica
nel
mondo,
si
potrebbero
verificare
problemi
di
visualizzazione del questionario stesso. Un metodo alternativo individuato
consiste nell’inviare un programma da installare contenente il
questionario come allegato ad un messaggio email. Un'altra via ancora
può essere quella della condivisione di un link al questionario. Tale link è
possibile inviarlo sempre tramite posta elettronica o anche incorporandolo
“embedded” su qualsiasi piattaforma come forum, newsgroup, blog e
social media in generale.
!
Raccolta e analisi dei dati: uno dei vantaggi principali del questionario
online è che molti dei software dedicati consentono la raccolta automatica
dei risultati con relativa reportistica. Una volta che l’utente ha completato
la compilazione del questionario (figura 11.1), può inviare direttamente il
documento alla piattaforma che inserisce i record in delle appositi fogli di
lavori da cui è poi possibile procedere con l’elaborazione.
!
74!
Figura 11.1 – Esempio di submit di un questionario progettato con Google Forms.
Fonte: Nostra elaborazione.
1.9 La netnografia
La netnografia o etnografia digitale teorizzata dall’antropologo Robert V.
Kozinets (1998) viene inserita tra le ricerche di marketing qualitative.
Rispetto all’etnografia che è una tecnica focalizzata sullo studio del
comportamento degli individui che vanno a costituire un mercato per un prodotto
o servizio, la netnografia permette di studiare alcune dinamiche comportamentali
che avvengono online in maniera del tutto non intrusiva. In letteratura sono
diversi gli autori che hanno studiato le modalità di trasferimento delle tecniche di
etnografia nelle comunità di consumatori online come ad esempio Escobar 1994;
Grossnickle e Raskin 2000; Hakken 1999; Jones 1999; Kozinets 1999; Miller e
Slater 2000. La netnografia o l’etnografia di internet può quindi essere definita
come una metodologia di ricerca qualitativa che adatta le tecniche di ricerca
etnografica agli studi delle culture e comunità che emergono mediante la
comunicazione digitale. La netnografia, come tecnica di ricerca di marketing,
!
75!
utilizza le informazioni disponibili pubblicamente nei forum26 online con lo scopo
di identificare e comprendere i bisogni e ciò che influenza le decisioni di rilevanti
gruppi online di consumatori (Kozinets, 2002). La netnografia si occupa di
studiare le pratiche quotidiane di produzione culturale degli utenti della Rete
laddove esse si dispiegano: sui social media (Caliandro, 2011). Ci sono in realtà
diverse etichette per descrivere questo programma metodologico: etnografia
virtuale (Hine, 2000), etnografia dell’internet (Miller, Slater, 2001), etnografia
della rete (Howard, 2002) o etnografia digitale (Murty 2008). In questo lavoro si
sceglie il termine netnografia poiché è quello proposto appunto dal sopra citato
Kozinets il quale lo applica sia al campo della Consumer Culture Theory, sia a
quello del Marketing Tribale27 (Cova, Pallera 2007).
Nel descrivere i tratti distintivi dell’approccio netnografico è doveroso ribadire la
sua stretta correlazione con l’etnografia. In particolare ci si focalizza sulla
caratteristica principale di questa metodologia che è la flessibilità. L’etnografia
infatti può generare una conoscenza profonda di un fenomeno “locale” così come
dei uno scenario particolare o specifico. È spesso utilizzata per generalizzare certi
!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!
26!Il
termine forum, nell’ambito dell’informatica, è utilizzato per indicare l’insieme delle sezioni
di discussione di una piattaforma online. Il forum è il “luogo virtuale” in cui le comunità online di
interesse condividono esperienze e conoscenze in merito a svariati argomenti. Oggi il forum viene
concepito anche come strumento di assistenza tecnica su varie tematiche.
27!Basandosi sul concetto di tribalismo espresso da Michel Maffesoli (1998), Cova concepisce i
consumatori non come membri passivi di un segmento di mercato bensì come partecipanti attivi di
un nuovo conetto di tribù (neotribù) che definisce come “un insieme di individui non
necessariamente omogenei fra loro (in termini di caratteristiche sociali oggettive), ma interrelati
mediante un’ identica soggettività, affettività, o etica, capaci di svolgere azioni microsociali
vissute intensamente benchè effimere (Cova, Pallera, 2007).
!
76!
aspetti ma ancora più frequentemente per ottenere un tipo di comprensione più
particolareggiata. La ricchezza dei contenuti qualitativi ottenuti mediante
l’etnografia così come la sua indeterminatezza, rendono questa tecnica adattabile
ad un’ampia varietà di circostanze. Ed è proprio questa flessibilità che ha reso
popolare l’etnografia, adottata per più di un secolo per rappresentare e
comprendere i comportamenti degli individui appartenenti a quasi ogni razza,
nazionalità, religione cultura ed età.
Nel suo celebre lavoro intitolato “The Field Behind the Screen: Using
Netnography For Marketing Research in Online Communities”, considerato uno
dei pilastri della letteratura sul tema, Kozinetz traccia le linee guida per un
approccio metodologico alla ricerca netnografica. Egli individua e descrive quelli
che sono gli step necessari a condurre una ricerca di marketing mediante tale
tecnica. In questo caso prende come riferimento una ricerca netnografica applicata
ad un gruppo online di discussione sul consumo di caffè. Le fasi di una ricerca
basata sulla netnografia sono:
1) L’ingresso.
2) La raccolta è analisi dei dati.
3) Fornire una interpretazione attendibile.
4) L’attenzione agli aspetti etici della ricerca.
5) Controllo dei partecipanti.
!
77!
1) L’ingresso: in questa prima fase è fondamentale che il ricercatore, ancor
prima di individuare e intercettare i forum o le community online di
interesse, abbia perfettamente inquadrato il problema di ricerca e sappia
quindi fissare gli obiettivi da raggiungere e le domande da porre. Il
ricercatore dovrà quindi selezionare i luoghi virtuali sulla base di questi
ragionamenti. Successivamente dovrà leggere e reperire quante più
informazioni possibili in merito al forum oggetto d’analisi, dei gruppi che
si sono costituiti all’interno e dei singoli individui che ne fanno parte. In
quest’ottica Kozinets (1999), individua almeno cinque differenti tipologie
di comunità online utilizzabili per condurre “un’etnografia marketoriented”. Le prime sono le boards, anche chiamate newsgroup, usegroup,
o usenet28 groups, sono delle comunità spesso organizzate intorno ad uno
specifico prodotto, servizio, passione o stile di vita ciascuno dei quali
potrebbe rivelarsi un aspetto di particolare interesse per il marketing. Una
seconda categoria sono le pagine web indipendenti, come ad esempio
!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!
28!Usenet è una rete mondiale formata da migliaia di server tra loro interconnessi, ognuno dei quali
raccoglie gli articoli o news, o messaggi, o post che le persone aventi accesso a qual dato server si
inviano, in un archivio pubblico e consultabile da tutti gli abbonati. L’archivio è organizzato in
gerarchie tematiche e newsgroup (thread) e di articoli sullo stesso tema (topic). Attraverso dei
meccanismi di replica asincroni i server si scambiano gli articoli dei loro abbonati e fanno in modo
che, dove non esistono, vengano anche costruite le stesse gerarchie tematiche e gli stessi thread
che li contengono. Questo fa sì che grossomodo tutti i server abbiano quasi simultaneamente gli
stessi contenuti e che le persone possano comunicare fra loro oltre il confine del server al quale
sono abbonati, anche con persone di tutto il Mondo. L'accesso ad un server Usenet (o server di
news) è normalmente compreso nel costo di abbonamento mensile di ogni Internet Service
Provider, anche quando l'ISP fornisce abbonamenti gratuiti.
!
78!
epinions 29 le quali forniscono informazioni e risorse a comunità di
consumatori. Vi sono poi le così dette liste, anche chiamate listservs, si
tratta di mailing list create sulla base di un tema comune (es. arte,
professioni, hobbies, sport etc.). Infine vi sono i dungeon multi-user e le
chat room. Questi due canali sono sicuramente i meno market-oriented
poiché i temi trattati al loro interno (fantasy, sesso, incontri) spesso non
sono rilevanti ai fini di una ricerca di marketing. Una volta individuata la
comunità di interesse il ricercatore dovrà verificare che vi siano le
condizioni per intraprendere uno studio. In quest’ottica, è opportuno che la
community sia focalizzata sull’argomento di ricerca, abbia un elevato
“traffico” dei post e un’ elevata quantità di utenti attivi che siano il più
possibile interrelati.
2) Raccolta e analisi dei dati: una volta scelta la comunità oggetto d’analisi,
il ricercatore può procedere con la fase della raccolta dati. Tali dati
vengono ricavati essenzialmente in due modalità: direttamente estratti
dalle comunicazioni dei membri della community che interagiscono
all’interno della piattaforma o prodotti dal ricercatore stesso durante il
periodo di studio e osservazione delle dinamiche interne alla comunità.
In questa fase si evidenziano i vantaggi degli strumenti online che, rispetto
all’etnografia tradizionale, offrono sistemi di trascrizione automatica e
!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!
29!www.epinions.com
!
79!
download di una mole di dati in tempi e a costi estremamente inferiori
rispetto alle tecniche classiche di trascrizione o interviste face-to-face.
Il ricercatore può procedere effettuando una classificazione dei post
rilevati sia secondo la loro natura (componente sociale o componente
informativa/tecnica), sia secondo il livello di relazione con il topic oggetto
d’analisi. Un ulteriore e importante classificazione può essere effettuata
nei confronti dei membri della community. A tal proposito Kozinets
(1999) ha effettuato una classificazione degli utenti sulla base di due
dimensioni: il livello di legami sociali che instaurano all’interno del
network e il livello di rilevanza come consumatori (partecipazione a
discussioni inerenti a prodotti e brand, domande mirate sul consumo di
prodotti). In particolare ha individuato quattro classi:
•
Tourists: utenti caratterizzati da una quasi assenza di legami sociali
all’interno del network e uno scarso interesse al consumo;
•
Minglers: sono caratterizzati da forti legami sociali all’interno del
network ma minimo interesse alle attività di consumo;
•
Devotees: hanno una forte rilevanza come consumatori ma scarsi
legami sociali all’interno della comunità online;
•
Insiders: hanno sia forti legami sociali con il network, sia una forte
rilevanza come consumatori, spesso sono dei punti di riferimento
all’interno della comunità online.
!
80!
Così come teorizzato nella grounded theory (Glaser e Strauss 1967), la
raccolta dati dovrebbe procedere fintanto che si generino nuove e
importanti informazioni relative agli argomenti oggetto d’interesse.
Nell’ambito della netnografia non vi è un numero di messaggi ottimale per
condurre una corretta ricerca. Difatti, data la forza dei legami che si
instaurano tra i gruppi di consumatori online fa si che alcuni messaggi
siano ricchi di informazioni utili, per cui, anche un numero relativamente
basso potrebbe consentire un’analisi approfondita dei fenomeni.
3) Fornire un’interpretazione attendibile: seppur nota come una delle
ricerche qualitative più flessibili e dalle metodologie più eterogenee, il
ricercatore ha ugualmente il compito di rendere i suoi risultati
metodologicamente affidabili 30 . Svolgere ricerche sull’universo online,
comporta infatti tutta una serie di problematiche legate alla capacità del
ricercatore di verificare l’origine e la qualità delle informazioni rilevate. È
pur vero che le community online sono organizzate secondo precisi e
talvota rigidi codici etici di comportamento (Gunn 2000), e le false
dichiarazioni su dati come ad esempio età e sesso, sono reati punibili dalla
!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!
30 !In
molte ricerche qualitative aventi per oggetto il consumatore, si adotta il concetto di
affidabilità o attendibilità, piuttosto che il termine “validità” (Wallendorf e Belk, 1989; Lincoln e
Guba, 1985).
!
81!
legge o comunque comporterebbero l’esilio31 dell’utente dalla comunità.
In pratica, il ricercatore durante tutto l’iter della ricerca dovrà essere
conscio dei limiti che può avere il contesto online, in grado di fornire solo
una visione parziale del fenomeno ovvero quella circoscritta all’interno
dell’ambiente virtuale. In tale limitazione risiede la differenza più
sostanziale con l’etnografia, pratica mediante cui è possibile studiare il
fenomeno nella sua interezza. Per cui, una ricerca netnografica attendibile,
dovrà tener conto dei limiti che comporta lo studio di una comunità online.
4) Aspetti etici della ricerca: l’etica online è un tema esposto a continui
dibattiti. Ad oggi non esistono regolamentazioni standard o protocolli
univoci. Il ricercatore netnografico dovrà preoccuparsi essenzialmente di
due aspetti cruciali: considerare un forum online un sito pubblico o
un’area di discussione privata, e quali sono gli elementi che costituiscono
il consenso informato nel “cyberspazio”. Come anticipato ad oggi non vi è
un codice etico ufficiale che può essere adottato dalla netnografia. Va
evidenziato che, rispetto alle altre tecniche di ricerca di marketing le quali
mirano a produrre informazioni volutamente orientate alla ricerca,
nell’approccio netnografico, il ricercatore beneficia di una serie di
informazioni prodotte spontaneamente non necessariamente concepite per
!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!
31!Il
termine ban in italiano bandire o interdire, viene utilizzato per riferirsi ad una serie di atti che
consentono di vietare l’accesso e/o di un determinato utente web. È uno strumento di difesa molto
comune usato nei confronti di utenti che non rispettano le regole all’interno delle comunità online.
!
82!
scopi di marketing. Il ricercatore in quest’ottica potrebbe aver difficoltà
nell’essere accettato dalla comunità online in quanto membro “intrusivo”.
Sulla base di queste esigenze Kozinets ha individuato quattro procedure da
adottare per condurre una ricerca netnografica eticamente corretta:
•
il ricercatore deve rivelare completamente la sua presenza
all’interno della community.
•
Il ricercatore dovrebbe garantire la riservatezza e l’anonimato dei
soggetti coinvolti.
•
Il ricercatore dovrebbe ricercare feedback da parte dei membri
della community.
•
Il ricercatore dovrebbe prendere una posizione prudente sul tema
pubblico vs privato nei forum online.
5) Controllo dei membri: è la pratica secondo cui il ricercatore sottopone i
risultati dell’indagine netnografica ai membri della comunità online che vi
hanno partecipato. I controlli effettuati da parte dei membri member
checks sono particolarmente preziosi per una serie di motivi. In primo
luogo, consentono al ricercatore di stimolare e ottenere informazioni più
specifiche in merito ad alcune dinamiche. In secondo luogo sciolgono
alcuni nodi di natura etica descritti nel punto precedente. Infine, offrono
un’opportunità per l’inizio di uno scambio continuativo di informazioni tra
il ricercatore e la comunità online.
!
83!
Capitolo 2 – L’evoluzione dell’analisi dei dati online.
“Un uomo entra in un grande magazzino della catena americana Target, fuori
Minneapolis e chiede di parlare con il direttore. Scopo della visita? Una
lamentela piuttosto colorita secondo i testimoni, dovuta al fatto che la figlia,
ancora al liceo, avesse ricevuto da Target coupon e volantini su prodotti
premaman e per neonati. “State cercando di spingerla a rimanere incinta?!”. Il
manager si è scusato, mortificato al punto di chiamare il signore il giorno
seguente per scusarsi di nuovo. Ma, al telefono è il cliente ad essere in difficoltà:
“ho parlato con mia figlia, non lo sapevo, ma è incinta”.
New York Times “How Companies Learn
Your Secrets” 16 febbraio 2012.
Il team degli analisti di marketing di Target, sulla base dei dati raccolti, ha notato
che, a partire dal secondo trimestre di gravidanza, le donne usano un determinato
tipo di crema. Oppure iniziano ad assumere prodotti a base di calcio, magnesio e
zinco. Il team ha così identificato 25 prodotti che, messi insieme, fanno pensare ad
una previsione di maternità, la cui precisione arriva fino all’ipotesi della possibile
data del parto.
!
84!
2.1 Il web 2.0 come fonte di dati a supporto del marketing.
Nel primo capitolo, nel descrivere l’impatto che ha avuto internet nell’evoluzione
delle ricerche di marketing, ci si è soffermati su quelle che possono essere definite
ricerche online “tradizionali”. Tali ricerche si sono difatti sviluppate e affermate
in un contesto della rete ben differente da quello attuale. Come accennato in
precedenza lo scenario odierno di riferimento è chiamato Web 2.0, fase che ha
sancito la nascita di nuovi strumenti, nuove modalità di fruizione della rete e di
conseguenza, nuove opportunità di marketing per le imprese.
Web 2.0, la Rete vivente, Hypernet, la Rete attiva, Read/Write Web; nomi diversi
per spiegare cosa è accaduto ad Internet ed alle sue modalità d'uso dal 20041 ad
oggi. La Rete negli ultimi anni ha assistito ad una sua evoluzione di cui gli utenti
sono i protagonisti indiscussi (Foiaia, 2008).
Seppure ci siano diverse polemiche sulla più adatta attribuzione del termine (Bray,
2005; Di Bari, 2007), Web 2.0 è appunto un'espressione coniata per spiegare il
nuovo approccio che gli utenti hanno nei confronti di Internet.
Un approccio molto più attivo e partecipativo del precedente che vede, come
cardine della sua esistenza, la nascita di blog, wiki e social network (O’Reilly,
2005).
!
85!
L'utente 2.0, grazie agli strumenti sopra elencati, ora è in grado di produrre e di
condividere dei contenuti che, solo fino a pochi anni fa, sarebbero stati di
esclusiva competenza di tecnici o esperti programmatori.
E’ proprio nel cambiamento del comportamento delle persone su internet che si
genera tutta la ricchezza e la complessità del web 2.0 (Hinchcliffe, 2006).
Si è assistito quindi, ad un passaggio da quella che era la prima fase dell'esistenza
di Internet, ovvero il Web 1.0, verso la sua versione più evoluta, il Web 2.0.
Nel Web 1.0 Internet è considerato come mero strumento statico di informazione;
l'utente tramite un suo browser, accede al sito o all'informazione richiesta che
assimila passivamente, senza alcuna possibilità di interazione.
È in questo scenario che le aziende hanno mosso i primi passi nell'ambito del
marketing online, creando i già citati siti “vetrina” e promuovendo le prime
attività di e-commerce.
Nel Web 1.0 sono i webmaster a pubblicare i contenuti che possono essere creati
solo grazie alla conoscenza e all'uso di codici come il linguaggio HTML 32!
(Hypertext Markup Language) che richiedevano particolari competenze tecniche.
Punti cardine del Web 1.0 sono la nascita dei browser, dei motori di ricerca come
Lycos e Altavista33 e la comunicazione tramite e-mail.
!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!
32!L’HyperText
Markup Language (HTML) in informatica è il linguaggio di markup solitamente
usato per la formattazione di documenti ipertestuali disponibili nel World Wide Web sotto forma
di pagine web. È un linguaggio di pubblico dominio, la cui sintassi è stabilita dal World Wide Beb
Consortium (W3C), e che è derivato da un altro linguaggio avente scopi più generici.
33!Lanciati negli USA rispettivamente nel 1994 e nel 1995.
!
86!
Di seguito, nella tabella 2.1 è rappresentata un'immagine, frutto di un
brainstorming condotto da Tim O'Reilly, che, nel tentativo di dare un senso
concreto al termine Web 2.0, riporta una serie di esempi che testimoniano il
passaggio dal 1.0 al 2.0, attraverso la trasformazione di alcune tra le più classiche
applicazioni online.
Tabella 2.1 – Confronto tra le applicazioni del Web 1.0 e Web 2.0
Fonte: O’Reilly T., 2005
!
87!
Da un’ analisi di questo schema, si evidenzia come alcune applicazioni web siano
scomparse definitivamente e, al loro posto siano nate delle applicazioni del tutto
nuove o dei veri e propri fenomeni sociali come BitTorrent, Wikipedia, i blog e i
wikis.
È ormai noto come alla base di queste applicazioni ci sia stata una collaborazione
di massa e, quindi, un coinvolgimento attivo degli utenti.
Nello stesso articolo O’Reilly spiega la transizione del web, identificando tre
passaggi fondamentali:
!
dalla comunicazione di massa generata dai media mainstream ai wiki,
basati sui contenuti collaborativi generati dagli utenti;
!
dalla classificazione dei contenuti attraverso la tassonomia all’utilizzo
della folksonomia;
!
dalla gestione dei contenuti affidata esclusivamente ad aziende e ai
professionisti alla possibilità di pubblicare, condividere e gestire i
contenuti da parte dei singoli individui.
Don Tapscott ed Antony D. Williams, gli autori di Wikinomics 2.0, libro ormai
considerato di culto dagli studiosi del Web e delle sue implicazioni economiche,
definiscono quattro principi fondamentali che hanno traghettato il Web 1.0 verso
la sua versione attuale il Web 2.0.
Questi quattro punti : l'apertura il peering, la condivisione e l'azione globale non
solo permettono di illustrare quali siano i nuovi valori che guidano la società
!
88!
attuale, ma forniscono delle importantissime informazioni sulle basi su cui
poggeranno i nuovi modelli di business.
Da questo momento, il grado di competitività e la capacità di gestione
dell'innovazione, sia da parte dei singoli individui, sia per le organizzazioni sarà
determinato dall'abilità di interpretare i quattro punti citati.
1) L’apertura: “aperto” è un concetto che solo recentemente è entrato a far
parte del DNA aziendale. L'apertura dei confini aziendali e la relativa
condivisione di risorse spesso considerate strategiche, sono oggi
condizioni fondamentali per ottenere successo nel business online. La
concezione che il successo si raggiunga grazie alle core competencies
interne all'organizzazione è ormai superata, le imprese vincenti
attualmente sono quelle che si lasciano permeare da qualità e da capitale
umano esterni. Lo stesso world wide web, ovvero il più conosciuto
servizio di Internet, è il prodotto di un lavoro di sviluppatori che hanno
sfruttato strumenti open source. Una modalità aperta, infatti, prevede la
possibilità che un’ ampia schiera di programmatori possano collaborare
all’implementazione di programmi o di applicazioni prima protetti da
barriere che ne rallentavano il progresso e la diffusione.
Oltre agli open standard che già da diversi anni hanno generato prodotti e
!
89!
servizi innovativi come Apache, Linux e Firefox34, la forma di apertura
che ha segnato maggiormente il mondo aziendale è stata la possibilità di
fruire di informazioni prima ritenute “interne” all’organizzazione.
Si tratta di quei dati, che riguardano l’andamento e le performance
aziendali
e
che,
se
condivisi
con
l’esterno,
aumenterebbero
considerevolmente la trasparenza sia dell’ operato sia dell’immagine delle
società. Il fatto che, con una semplice ricerca su Google, un cliente, un
fornitore ed ogni tipo di stakeholder siano in grado di tracciare un profilo
dettagliato di un’azienda, deve essere visto come una grande opportunità
da sfruttare per ottenere maggior efficienza nella comunicazione.
Un potenziale investitore ha la possibilità di conoscere perfettamente lo
stato patrimoniale o il profilo finanziario di un’azienda, così come un
cliente può avere ogni tipo di informazione sui prodotti attuali e futuri.
Molte imprese leader hanno compreso che la trasparenza genera fiducia e
la fiducia riduce i costi di transazione nel caso di nuove partnership ed
“aumenta il metabolismo delle reti di business” (Tapscott e Williams,
2007).
2) Il Peering: “un peering è un’interconnessione tra due Autonomous
!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!
34!Apache
http Server è la piattaforma server web più diffusa, Linux è il più famoso sistema
operativo open source, Firefox è un notissimo browser open source.
!
90!
System35 appartenenti a Internet Service Provider36 distinti, che permette
ai provider di scambiare traffico tra le loro reti e quello dei loro clienti.”
La struttura organizzativa prodotta dal peering fa sì che le classiche
strutture gerarchiche siano superate da architetture più flessibili ed
efficienti.
Il modello Peer-to-peer (P2P) che ne deriva non è altro che l’antitesi
dell’architettura client-server6 un modello centralizzato in cui le risorse
vengono interamente gestite da un server centrale.
Questa nuova struttura della Rete ha fatto sì che la collaborazione tra
utenti fosse effettiva poiché il suo punto di forza risiede proprio nella
capacità di condivisione di risorse, non vincolata da nessuna
sovrastruttura. Il già citato Linux, frutto della cooperazione tra un numero
indefinito di programmatori che hanno creato una piattaforma in continua
evoluzione, è un chiarissimo esempio di ciò che il peering può produrre.
Tuttavia l’adozione del modello P2P come strumento per la progettazione
e la produzione è già una realtà concreta anche in ambiti esterni allo
sviluppo software.
Esistono, infatti, dei settori in cui il peering si è rivelato più efficiente
rispetto ad una struttura gerarchica; un’organizzazione autonoma del
!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!
35!Un
gruppo di router e reti sotto il controllo di una singola e ben definita autorità amministrativa.
commerciale o organizzazione che offre servizi inerenti a Internet come l’accesso a
internet e i servizi di posta elettronica.
36!Struttura
!
91!
lavoro diventa un aspetto strategico per quelle società che realizzano
prodotti ad alto contenuto informativo come l’intrattenimento, cultura e
media.
L’obiettivo attuale è capire quali saranno i prossimi settori potenzialmente
strategici in un mondo peer-to-peer libero da vincoli gerarchici e da
barriere all’accesso delle informazioni.
3) La condivisione: il processo di digitalizzazione di alcuni tipologie di
prodotti e informazioni ne ha favorito la facilità di condivisione, basti
pensare all’intero settore dell’entertainment che per primo ha subito
l’impatto di questi nuova tendenza. Se, infatti, da un lato, la possibilità di
replicare un prodotto a un costo quasi nullo consente il raggiungimento di
considerevoli economie di scala; dall’altro, un nuovo rischio di impresa è
dato dalla dematerializzazione dei contenuti digitali, che sono diventati
facilissimi da replicare, da modificare e da condividere anche per coloro
che non sono direttamente collegati con la loro creazione.
4) L’azione globale: internet amplifica il già avviato fenomeno della
globalizzazione, la simultaneità della Rete si contrappone alle barriere
geografiche, creando una tipologia di comunicazione molto più efficace e
diretta tra gli utenti di tutto il pianeta. Le economie dei paesi in via di
sviluppo come la Cina l’India e il Brasile sembrano molto più vicine e
integrate alle economie più consolidate. La competitività delle imprese si
!
92!
dovrà quindi valutare su base internazionale, tramite un processo di
globalizzazione 2.0 in cui l’abbattimento delle barriere culturali permetterà
di lavorare in maniera autonoma, senza limiti dati da sovrastrutture rigide.
Le multinazionali dovranno, quindi, agire in modo globale operando in
base ai concetti già affrontati come la collaborazione, la condivisione e
l’apertura.
È in questo contesto che il marketing, interfacciandosi con le piattaforme e le
applicazioni proprie del web 2.0, si trova nella condizione di poter attingere ad
una mole di dati senza precedenti. La rapida diffusione dei social media – tema
che verrà ampiamente affrontato nei prossimi capitoli – unito all’enorme crescita
dell’adozione dei dispositivi mobili, hanno dato vita a nuove tendenze di consumo
e di utilizzo del web da parte degli utenti. Si parla di SoLoMo ovvero Social,
Local e Mobile per definire la modalità con cui i consumatori oggi producono dati
su larga scala. I dati vengono generati secondo un processo continuo e
provengono da più fonti.
Tale flusso di dati, se correttamente letto e interpretato, apre alla ricerca di
marketing nuovi scenari, nuove sfide e infinite opportunità (figura 2.1).
!
93!
Figura 2.1 – L’evoluzione del marketing in relazione al progresso dei media.
Fonte: IBM Digital Media, 2012
Nella figura 2.1 vengono descritte le fasi salienti di un duplice percorso evolutivo
che vede da un lato, il susseguirsi dei media e dall’altro le strategie di marketing
legate a tali media. Come si può notare, il marketing passa da uno studio
dell’audience a livello macro (segmentazione e targeting) ad un sempre più
preciso focus sui comportamenti dei consumatori. Le ultime fasi ovvero quelle
segnate dall’avvento di internet in tutte le sue forme, sono caratterizzate da un
marketing in grado di disporre di strumenti di analisi “analytics” sempre più
!
94!
precisi che in real time producono informazioni rilevanti su tendenze di consumo,
utilizzo di prodotti, percezioni su brand etc…
La figura 2.2 consente invece di sollevare un altro aspetto importantissimo della
rivoluzione dei dati. Come si può vedere infatti si assiste ad una sorta di “perdita
di controllo” dei dati da parte dell’impresa. Se infatti prima gran parte dei dati
necessari a soddisfare il fabbisogno informativo dell’impresa (capitolo 1)
risiedevano al suo interno. Oggi, è possibile affermare che una sempre crescente
porzione di informazioni considerate strategiche in ottica di marketing, risiede al
di fuori dell’azienda. Si tratta di quei dati definiti non strutturati esterni ovvero di
quei dati che non seguono in nessun modo gli schemi di un tradizionale database,
sono di difficile interpretazione e richiedono degli sforzi aggiuntivi per il loro
trattamento e inoltre vengono generati all’esterno dell’impresa.
!
95!
Figura 2.2 – La crescita dei dati prodotti dalle applicazioni Web
Fonte: Mokabyte, novembre 2013
2.2 I Big Data
La disponibilità di masse di dati, unita alla nascita di modalità di lettura di esse,
sta profondamente cambiando il mondo di condurre ricerche in ogni ambito
scientifico (Cristianini, 2010; Halevy et al., 2009). Va considerato che, discipline
come la biologia molecolare, l’astronomia e la chimica hanno già assistito ad una
“rivoluzione dei dati” la quale, in alcuni casi, ha sancito la nascita di un vero e
proprio nuovo paradigma scientifico. In altri campi, come ad esempio le scienze
sociali (Lazer et al., 2009; Michel et al., 2011) e le scienze umanistiche (Moretti,
2011), l’approccio guidato dai dati “data-driven” è ancora in via di sviluppo.
!
96!
Questo ritardo relativo secondo Watts (2007) è provocato da un lato dalla
complessità delle interazioni sociali oggetto di studio e, dall’altro lato dalla scarsa
disponibilità di dati digitali. Tale disponibilità negli anni è cresciuta
considerevolmente. Basti pensare che secondo Wired, nel 2013 il 98% delle
informazioni sono state prodotte in formato digitale e ogni due giorni nel mondo
si produce una mole di dati pari a quanti ne erano stati stampati su carta nell’intera
storia dell’umanità prima della rivoluzione di internet.
Il termine utilizzato in informatica per descrivere questa “diluvio informativo” è
chiamato Big Data.
Nel fornire una definizione di Big Data la società IDC (2011) stima che solo nel
2011 la quantità di informazioni prodotte e replicata abbia superato 1.8ZB pari a
1,6 trilioni di gigabytes. Tale mole è stata prodotta con il contributo delle
interazioni sociali, dei supporti mobile. IDC definisce le tecnologie Big Data
come una nuova generazione di tecnologie e architetture progettate per estrarre
valore economico da un elevato volume di dati provenienti da un’ampia varietà di
fonti. Tali tecnologie consentono di ottenere i dati velocemente e di analizzarli.
Pasini e Perego (2013) forniscono una definizione di Big Data focalizzandosi
sull’impatto che stanno avendo nell’attività di impresa. In quest’ottica essi
definisco i Big Data come “un nuovo concept di conoscenza aziendale degli
oggetti e degli eventi di business che fa leva sull’attuale varietà dei dati, in termini
di formati (strutturati e non strutturati) e fonti (interne ed esterne), sull’aumentata
!
97!
velocità di generazione, raccolta, aggiornamento ed elaborazione dei dati (in
tempo reale, in streaming, dati “tracciati”) e sul crescente volume dei dati stessi, al
fine di generare nuove analisi e insight, in ogni settore economico, in imprese di
ogni dimensione, precedentemente considerate oltre le capacità tecniche e
interpretative disponibili e per scoprire infine un nuovo potenziale valore di
business; per ottenere questi risultati le imprese devono gestire gli appropriati
fattori abilitanti di tipo organizzativo, tecnologico e normativo.”
Come si può evincere dalla definizione, le tecnologie Big Data si basano
essenzialmente su tre caratteristiche peculiari (Russom, 2011): volume, varietà e
velocità.
!
Volume: è il termine che rappresenta l’ammontare delle informazioni
reperite e immagazzinate dai vari sistemi in merito al business, ai clienti e
ai consumatori. La prima problematica legata al concetto di volume è
quella della capacità di storage37 delle imprese. L’enorme quantità di dati
disponibili in alcuni casi è così elevata che non può essere immagazzinata
in modo permanente, il che significa che l’informazione viene
rapidamente analizzata e quindi “scaricata” con relativi rischi di perdere
informazioni rilevanti38.
!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!
37!In
ambito informatico con il termine storage si identificano i dispositivi hardware, i supporti per
la memorizzazione, le infrastrutture ed i software dedicati alla memorizzazione non volatile di
grandi quantità di informazioni in formato elettronico.
38!Edd Dumbill nel suo libro “Planning for Big Data” osserva che il sistema informativo del
CERN genera una mole così elevata di dati, che gli scienziati devono scartarne la maggiorparte
!
98!
!
Velocità: nel linguaggio dei Big Data, per velocità di intende la rapidità di
generazione, assimilazione e analisi dei nuovi dati. Nelle situazioni
ottimali tale processo può avvenire in real time. L’effetto è un aumento
della reattività dell’impresa nel prendere decisioni strategiche (Arthur,
2013).
!
Varietà: è il concetto che rappresenta la diversità delle tipologie e formati
in cui i dati possono presentarsi. Difatti, i dati possono essere creati da
persone (smartphones, pc, carte di credito o sensori GPS) da cose (auto,
beni in movimento ecc.) ed eventi (metro, volo aerei ecc.). Nella figura
3.2 viene riportato un celebre infografico in cui vengono riassunte le
principali fonti di dati che insieme costituiscono l’universo Big Data.
!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!
con ingenti rischi di perdere parti importanti di molti studi. “I Big Data…superano la capacità di
elaborazione dei database tradizionali. Per ottenere valore da questi dati è necessario scegliere una
via alternativa di elaborazione.”
!
99!
Figura 3.2 – Le diverse fonti di dati
Fonte: Kapon Software, 2013
Come si evince dall’infografico, i dati possono essere di varia natura, in genere
vengono classificati in dati strutturati, semi-strutturati e non strutturati.
!
I dati strutturati rispettano le regole predefinite quali tipo di contenuto,
lunghezza, formato etc. si parla di un processo di archiviazione semplice
in quanto risiedono all’interno dei tradizionali database.
!
100!
!
I dati semi-strutturati invece non sono conformi al modello dati di un
tipico database ma possono essere suddivisi in record più o meno
strutturabili e catalogabili.
!
I dati non strutturati infine non seguono in nessun modo gli schemi di un
tradizionale database, sono di difficile interpretazione e richiedono degli
sforzi aggiuntivi per il loro trattamento.
Lisa Arthur, CMO di Teradata Applications in un suo recente report 39 , nel
descrivere il fenomeno Big Data, aggiunge ai tre attributi precedentemente
enunciati, altre due importanti caratteristiche:
!
Veridicità40: intesa come l’affidabilità delle informazioni che emergono
dal processo analitico dei dati. In quest’ottica è fondamentale che fonti di
dati e piattaforme tecnologiche per l’analisi siano considerate attendibili.
!
Valore: i Big Data generano valore per il business in generale. Anche se il
concetto appare scontanto, molte aziende “salgono sul grande carro dei
dati” con la speranza di risolvere grandi problemi perdendo così di vista il
vero scopo e la vera utilità dei dati. A tal proposito Pasini e Perego (2013)
individuano i due principali approcci alla Bid Data Analysis
corrispondono fondamentalmente a quelli più tradizionali propri della
Business Analytics:
!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!
39!“Be
40!Il
!
a Big Data Marketing Hero. An Enterprise Guide to Ruling Your Customer’s World”, 2013
termine originariamente utilizzato è Veracity.
101!
•
L’approccio definito “top-down” (star with questions) prevede che
alla base vi sia una conoscenza delle ipotesi le quali andranno
verificate mediante un processo di “interrogazione” dei dati.
•
L’approccio “bottom-up” (start with data), prevede un percoso
inverso in cui l’impresa parte col collezionare nuovi dati cercando i
individuare nuove possibili forme di conoscenza e nuove
opportunutà.
Sulla base di queste riflessioni è possibile delineare il framework concettuale
(figura 4.2) su cui si basano le architetture e le tecnologie proprie dei Big Data.
!
102!
Figura 4.2 – Framework dei Big Data
Fonte: Pasini e Perego, 2013
Va precisato che il concetto Big Data è strettamente interrelato con altri due temi
su cui attualmente, sono aperte molte discussioni41. Si tratta di Open Data e Open
Government (figura 5.2). Per Open Data, si intende quella porzione di dati
pubblicamente accessibili che individui e organizzazioni possono utilizzare per
analizzare modelli e tendenze, prendere decisioni e risolvere problematiche
complesse. Per Open Government si intente invece una serie di programmi,
!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!
41!Big
!
Data VS Open Data Mapping Out. www.opendatanow.com
103!
strategie, dati aventi l’obiettivo di coinvolgere i cittadini nell’ambito delle
iniziative di Governo42.
Figura 5.2 – Big Data, Open Data e Open Government a confronto
Fonte: www.opendatanow.com
“La gente non vede Amazon come un motore di ricerca ma, se devi comprare
qualcosa, probabilmente lo cerchi su Amazon…Molte persone pensano che i
!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!
42!OpenCoesione
ad esempio è il portale sull’attuazione dei progetti finanziati dalle politiche di
coesione in Italia. Sono navigabili dati su risorse assegnate e spese, localizzazioni, ambiti tematici,
soggetti programmatori e attuatori, tempi di realizzazione e pagamenti dei singoli progetti. Tutti
possono così valutare come le risorse vengono utilizzate rispetto ai bisogni dei territori.
!
104!
nostri principali concorrenti siano Bing o Yahoo. Ma in realtà, il nostro più
grande concorrente in fatto di ricerca è Amazon.”
Eric Schmidt – Presidente del Consiglio di
Amministrazione di Google alla Conferenza sulle
startup di Berlino 14 ottobre 2014.
Il rapporto tra i Big Data e le imprese è un fenomeno relativamente nuovo,
tuttavia sembra che i manager stiano iniziando a cogliere le opportunità derivanti
da queste tecnologie o comunque abbiano già individuato le enormi potenzialità in
termini di impatto sul business. In particolare una ricerca della Scuola di
Direzione Aziendale dell’Università Bocconi svolta su un campione di 202
imprese43 rivela che i principali vantaggi individuati dall’utilizzo dei Big Data,
sono assimilabili al marketing in quanto riguardano la volontà di ottenere una
“maggiore accuratezza delle analisi del comportamento del mercato e delle
maggiori informazioni sui clienti. (Figura 6.2)
!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!
43!Del
campione preso in esame, circa un terzo sono imprese appartenenti al settore manifatturiero
(31%), un quarto rappresentati della Pubblica Amministrazione Locale e della Sanità (18%), il
18% appartenenti al settore della Distribuzione e della Logistica, l’11% appartenenti alla Finanza
ed infine il 22% ai Servizi e Utilities. Da un punto di vista dimensionale il campione è composto
per il 51% da Medie Imprese (con meno di 1000 dipendenti), la restante metà è equamente divisa
tra Medio-Grandi Imprese (con un numero di dipendenti compreso tra 1000 e 5000) e Grandi
Imprese (con più di 5000 dipendenti).
!
105!
Figura 6.2 – Macro-benefici derivanti dall’utilizzo dei Big Data
R&D
4,06
RELAZIONI CON PARTNER EST.
4,16
4,32
OTTIMIZZAZIONE PROCESSI
4,51
INFRASTRUTTURE AZIENDALI
CLIENTI
4,74
STRATEGIE FUTURE
4,53
INFRASTRUTTURA IT
4,7
DOCUMENTI DEMATERIALIZZATI
4,45
Fonte: Pasini e Perego, 2013
L’impiego della Big Data Analytics nei campi dell’attività di impresa ed in
particolare, nelle attività di marketing e business intelligence è un fenomeno che
vede come forza trainante quelle realtà provenienti dal web e in particolare dall’ecommerce. Il mercato ha subito delle trasformazioni significative che sono state
influenzate dai grandi player globali come ad esempio Amazon e eBay che hanno
elaborato delle piattaforme innovative e altamente scalabili nonché dei sistemi di
raccomandazione del prodotto (Chen et al., 2012). Come accennato in precedenza,
l’emergere dei contenuti user-generated sulle varie piattaforme nate nel web 2.0
(forum, social media, sistemi di crowd – sourcing), offre ai ricercatori di
marketing l’opportunità di “ascoltare la voce del mercato” che, in questo caso,
!
106!
può essere costituita da una serie di attori tra cui clienti, consumatori, dipendenti,
investitori e i media (Doan et al., 2011; O’Reilly, 2005). Pur essendo informazioni
non strutturate, i dati provenienti dai sistemi di commercio elettronico, possono
rivelare importanti informazioni anche su abitudini e comportamenti dei
consumatori.
Ad esempio, per effettuare una social media analytics sulle opinioni dei clienti
viene frequentemente adottata la tecnica della sentiment analysis (Pang e Lee,
2008) che verrà affrontata nel prossimo paragrafo. Per altre tipologie di ricerche
online come ad esempio i sistemi di raccomandazione del prodotto vengono
adottate tecniche come il clustering (Adomavicius e Tuzhilin, 2005) o la social
network analysis. In pratica, uno degli sviluppi più importanti di queste nuove
tecniche di ricerca, risiede nella possibilità di intercettare milioni di nicchie di
mercato 44 mediante ricerche sempre più precise e “targhettizate” e consigli
personalizzati (Anderson, 2004).
Nel definire i campi applicativi delle piattaforme Big Data nei vari campi Chen et
al. (2012) hanno elaborato una tabella in cui vengono riportati le tecnologie e le
implicazioni che la Big Data Analytics sta avendo su ciascun ambito preso in
esame. In questo lavoro si affronta il tema dell’impatto del web sul marketing ed
!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!
44!Si
fa riferimento al concetto di “coda lunga” teorizzato da Anderson. L’autore la definisce come
una strategia di vendita al dettaglio, basata su analisi statistiche, per cui si predilige vendere un
gran numero di oggetti unici in quantità relativamente piccole, rispetto a vendere un numero
esiguo di prodotti popolari in grandi quantità.
!
107!
in particolare sulle ricerche di marketing, in quest’ottica, di seguito di riporta un
estratto della tabella.
Tabella 2.2 – L’impatto della Big Data Analytics
L’impatto della Big Data Analytics
Applicazioni
Dati
Analytics
Impatto
E-Commerce e Market Intellingence
• Sistemi di raccomandazione.
• Monitoraggio e analisi dei social
media.
• Sistemi di Crowd-sourcing.
• Social e virtual games.
• Log file di utenti e ricerche effettuate.
• Record di transizioni effettuate dai
clienti.
• Contenuti generati dai clienti.
Caratteristiche: Strutturati web-based, usergenerated content, ricche informazioni sul
network, opinioni dei clienti non strutturate e
informali.
• Segmentazione del database e
clustering.
• Rilevamento di anomalie.
• Graph mining.
• Social network analysis.
• Text e Web analytics.
• Sentiment Analysis.
Coda lunga del marketing, raccomandazione
targhettizzata e personalizzata, aumento delle
vendite e della customer satisfaction.
Fonte: Chen et al., 2012
!
108!
2.3 La sentiment analysis
“Nel 2014, su Internet, ogni sessanta secondi vengono aggiornati circa 293 mila
status di Facebook, “twittati” circa 433 mila tweets, scritti circa 1,800 post di
blog e visualizzati oltre 5 milioni di video su Youtube.”
Qmee, 2014
Come è emerso dal paragrafo precedente, la sentiment analysis è tra le tecniche
più diffuse per comprendere opinioni e percezioni dei consumatori nei confronti
di un prodotto, un servizio o un brand. I dati provenienti dagli user-generated
content, nonché dalle interazioni che avvengono tra gli utenti stessi, offrono
nuove possibilità di implementazione dei sistemi di marketing intelligence.
Difatti, in ottica di marketing, è opportuno sottolineare che, dietro ad ogni singola
azione compiuta da qualsiasi utente di qualsiasi età, nazionalità e estrazione
sociale, si celano informazioni, opinioni e impressioni in merito a molteplici
aspetti della vita. Queste informazioni spesso sono pubbliche e rimangono
disponibili all’interno delle piattaforme in cui vengono prodotte e, in alcuni casi,
esse forniscono preziose intuizioni in merito alle tendenze comportamentali dei
consumatori e presentano un’opportunità di apprendimento in tempo reale delle
percezioni e dei sentimenti dei consumatori e inoltre senza che vi sia alcuna forma
di intrusione o provocazione (Rambocas e Gama, 2013). Come già accennato,
l’utilizzo di dati user-generated-content presentano una serie di problematiche
soprattutto per via della loro frammentazione, eterogeneità delle fonti e
!
109!
dell’attuale impossibilità di strutturazione (Kaplan e Haenlein, 2010). In
quest’ottica, si ritiene che la sentiment analysis sia una tecnica in grado di
superare alcune di queste problematiche. Essa infatti consente di estrarre
sistematicamente i dati che vengono generati in queste piattaforme in tempo reale.
Ecco perché grazie alla sentiment analysis i ricercatori di marketing hanno
l’opportunità di comprendere, in tempo reale, i sentimenti e gli atteggiamenti dei
consumatori.
Com’è noto la ricerca di marketing ha negli anni attinto conoscenza, tecniche e
competenze da altre discipline scientifiche (capitolo 1). La sentiment analysis si
sviluppa infatti originariamente all’interno delle discipline della psicologia,
sociologia e antropologia. L’assunto di partenza è che le emozioni sono sentimenti
generati da processi sia consci che inconsci. Il ruolo delle emozioni non è nuovo
nel marketing. Per l’operatore di marketing, le emozioni dei clienti incidono
indirettamente sui comportamenti d’acquisto. Le emozioni possono arrivare ad
incidere sulle percezioni di un brand, credenze, opinioni e influenze. In letteratura
sono diversi gli studi che stabiliscono collegamenti tra emozioni e brand forti
(Aaker e Kellerm 1990; Morrison e Crane, 2007); tra emozioni e consumi e tra
emozioni e valutazioni di prodotto (Mano e Oliver, 1993).
Va ricordato che neanche la sentiment analysis è una pratica nuova, lo studio delle
emozioni e stato impiegato dai ricercatori di marketing mediante altri strumenti
come ad esempio le tradizionali schede di valutazione da sottoporre ai clienti,
!
110!
questionari, interviste e focus group. Tutti questi strumenti, anche se declinati
nell’online, sarebbero limitati da un campione ristretto. La sentiment analysis
odierna è in grado invece di ovviare a questa limitazione mediante una “raccolta e
analisi sistematica e in tempo reale di un vasto campione di utenti” Rambocas et
al., (2013) riporano nel loro studio alcuni esempi di sentiment online:
“I love my new Ipad”
“The movie is the best movie I have ever seen”
“Worst tasting bagles in town”
Liu (2010) descrive la sentiment analysis come un processo di categorizzazione di
un corpo di informazioni testuali allo scopo di determinare sentimenti,
atteggiamenti e emozioni nei confronti un particolare tema o oggetto. Da un punto
di vista più informatico Kumar e Sebastian (2012) descrivono la sentiment
analysis come una analisi automatica e soggettiva focalizzata sull’estrazione e
classificazione dei testi mediante programmi in grado di comprendere i linguaggi.
Cercando di unire i due punti di vista si può affermare che la sentiment analysis è
una tecnica di data mining che utilizza un sistema di elaborazione del linguaggio e
un analisi computazionale del testo ai fini di identificare e estrarre da un corpo
testuale di dati, contenuti di interesse.
Nella figura 8.2 vengono rappresentati le fasi metodologiche di una tipica ricerca
basata sulla sentiment analysis.
!
111!
Figura 8.2 – Fasi di una sentiment analysis
Fonte: Elaborazione da Rambocas et al., 2013
!
La raccolta dati: la sentiment analysis attuale sfrutta la continua
produzione di user-generated content che possono essere reperiti online in
particolare all’interno delle piattaforme social. Gli utenti infatti
partecipano a discussioni su forum, blog, e social networks. Le opinioni
sono espresse in modalità diverse, con toni diversi, lingue e slang
differenti. Per estrarre dati di questa natura, la sentiment analysis si avvale
di sistemi innovativi di analisi testuale in grado di processare e
sistematizzare il “linguaggio naturale”. Di seguito un esempio di come si
presentano i dati, in questo caso dei tweet in merito a Starbucks.
!
112!
Figura 9.2 – Esempio di estrazione di dati per la sentiment analysis
Fonte: www.twitrratr.com
!
La preparazione del testo: questa fase serve ad effettuare la pulizia dei
dati raccolti in preparazione dell’analisi vera e propria. Solitamente
preparare il testo consiste nell’eliminare le parti che non sono testuali e
qualsiasi altra parte che potrebbe rivelare informazioni sull’utente come
ad esempio il nome, la location e la data in cui è stato scritto il contenuto.
!
Scoperta del sentiment: in questa fase si procede con l’individuazione del
sentiment relativo al campione testuale oggetto d’analisi. Mediante il
lavoro dei software vengono estratte recensioni e opinioni dal dataset
testuale. Ogni frase viene esaminata secondo il suo livello di soggettività.
Nel dataset verranno tenute quindi solo frasi contenenti espressioni
!
113!
soggettive. Le frasi contenenti espressioni oggettive vengono eliminate
dal dataset.
!
Classificazione del sentiment: nella quarta fase si procede ad una
classificazione di ciascuna frase soggettiva rimasta nel dataset, la
classificazione è di polarità ovvero la suddivisione del dataset in due
gruppi speculari. Tali gruppi di solito sono rappresentati da due punti
estremi come ad esempio positivo e negativo, buono e cattivo.
!
Presentazione dei risultati: l’obiettivo principale dell’analisi è quello di
convertire il testo frammentato e non strutturato in informazioni
significative. Una volta completata l’analisi, il ricercatore può adottare
una serie di rappresentazioni grafiche per comunicare i risultati. Le figure
seguenti sono un esempio di rappresentazione grafica di una sentiment
analysis.
!
114!
Figura 10.2 – Sentiment analysis in merito alle caratteristiche di un singolo
prodotto.
Fonte. Lu, 2010
Figura 11.2 – Sentiment analysis sulla comparazione di due prodotti.
Fonte: Lu, 2010
!
115!
Capitolo 3 – Nuove prospettive della social network analysis
Nei capitoli precedenti si è tracciato un percorso dell’evoluzione del rapporto tra il
web in generale e le nuove prospettive di ricerche di marketing. In particolare, ci
si è focalizzati sul fenomeno crescente dei Big Data in quanto, gran parte dei
nuovi sviluppi nell’ambito della ricerca e del marketing intelligence, hanno come
driver l’analisi di grandi flussi informativi provenienti da fonti legate ad internet.
Le tecnologie e le piattaforme alla base dei Big Data hanno impattato fortemente
sulle performance di ricerca di marketing dando vita a nuove tecniche,
potenziandone altre o riportando in auge metodologie che negli anni avevano
perso appeal. Difatti, il progresso tecnologico ha fatto si che tecniche già
consolidate come l’etnografia, il text mining o la sentiment analysis possano ora
essere applicate dai ricercatori su campioni molto più ampi, a costi e tempistiche
relativamente più bassi e talvolta producendo output in real time. Tra queste
tecniche è possibile includere anche la social network analysis che è oggetto di
studio all’interno di questo lavoro. Tale metodologia sta assistendo ad una recente
rinascita dovuta alla nuova possibilità di applicazione nell’ambito dei social
media. Com’è noto infatti uno dei fenomeni più dirompenti nati nel contesto del
Web 2.0 è rappresentato dai social media. I social media, al cui interno vi sono
anche i social network, sono appunto piattaforme digitali di reti sociali in cui gli
utenti internet interagiscono, producendo e condividendo contenuti di qualsiasi
natura. Cercare di comprendere la dinamica di tali relazioni individuandone la
!
116!
natura e i principali attori, rappresenta per il marketing un ulteriore nuova
possibilità di comprendere sempre più affondo l’ambiente in cui operano le
imprese.
3.1 Aspetti evolutivi della social network analysis
Da sempre l’essere umano è stato propenso a relazionarsi all’interno di reti
sociali, ogni società è basata su una serie di connessioni. Gli individui si
connettono ad altri mediante network sociali basati su legami di parentela,
linguaggi, scambi commerciali, conflitti e collaborazioni. Hansen et al. 2010
definiscono un network come un insieme di elementi e le relative relazioni tra
essi. Gli elementi che sono connessi tra loro vengono chiamati nodi o vertici e in
alcuni contesti possono essere persone. Le connessioni tra i vertici sono chiamate
edges, legami, o link. Sia i nodi, sia gli edges verranno descritti nei paragrafi
successivi.
I network sociali si generano appunto ogniqualvolta gli individui interagiscono,
direttamente o indirettamente, con altri individui, istituzioni o organizzazioni. La
social network theory nonché la social network analysis consistono una serie di
idee e metodologie che si sono sviluppate negli ultimi 80 anni (Hansen et al.,
!
117!
2010). I concetti su cui si basano provengono dalla matematica in particolare alla
graph theory45 (Frank, 1969), la quale ha una storia più lunga.
Mediante l’applicazione della network analysis, è possibile visualizzare insiemi
complessi di relazioni che vengono rappresentate graficamente mediante delle
mappe (ad esempio grafi o sociogram) e infine quantificate con precise metriche.
Mediante tali rappresentazioni il ricercatore può fornire una misura della
dimensione, forma e densità di un network nonché determinare la posizione di
ciascun elemento al suo interno. Hansen, Smith e Shneiderman nel loro lavoro
tracciano il percorso evolutivo della disciplina oggetto di studio. La social
network analysis muove i primi passi grazie al sociologo August Comte il quale è
stato uno dei primi a sviluppare un nuovo concetto di società definendola nei
primi anni del ‘900 come “molto di più che un semplice gruppo di persone”. Egli
affermava che la popolazione diventa società nel momento in cui gli individui
esercitano influenza su altri individui e quando nei processi di scelta vengono
considerati gli interessi e le scelte compiute da altri individui. Successivamente,
nel ventesimo secondo, Simmel un altro sociologo, sulla base di queste intuizioni,
si occupa di social network focalizzando le scienze sociali sulle modalità in cui gli
individui entrino in contatto tra loro e formino gruppi o associazioni. Comte e
Simmel probabilmente sono i primi due sociologi che iniziano a considerare la
!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!
45!In
matematica e informatica, la graph theory è lo studio dei grafi, ovvero strutture matematiche
utilizzate per modellare le relazioni tra coppie di oggetti. In questo contento un grafo è costituito
da vertici o nodi e linee di connessione chiamate edges.
!
118!
società non come una massa di individui ma come una rete di relazioni, un
network di reciproche influenze.
Sebbene alla base delle scienze sociali sia rimasta l’idea dell’esistenza di azioni
connesse che collegano individui con altri, gli sforzi per creare un “linguaggio per
sistematizzare le relazioni sociali” ha iniziato a prendere piede solamente nel
ventesimo secolo.
Le prime mappature di network richiamanti la tecnica della social network
analysis sono state realizzate dagli antropologi durante i loro studi riguardanti il
sistema dei gradi di parentela.
Nel 1934 Jacob Moreno in una sua pubblicazione “Who shall survive?”elabora
una prima forma di grafo ottenuto mediante la mappatura delle relazioni positive e
negative tra i membri di una squadra di football (figura 1.3)
!
119!
Figura 1.3 – Grafo rappresentante relazioni positive e negative tra i membri di una
squadra di football
Fonte: Moreno, 1934
Alla fine degli anni ’60, Stanley Milgram pubblicò il suo studio diventato poi
celebre “Six Degrees of Separation”. Lo studio mira a comprendere quale
potrebbe essere il grado di connessione tra due individui selezionati random.
Milgram mise in piedi un sistema di invio di lettere tra individui per quantificare
in quanti step esse sarebbero arrivate a destinazione, in media sono stati rilevati
sei passaggi prima che il messaggio fosse recapitato a destinazione.
Agli inizi del 1970, il sociologo Mark Granovetter condusse una ricerca sul
mercato del lavoro, in particolare sulle modalità in cui gli individui vengono a
contatto con nuove opportunità di lavoro. Questo studio diede un apporto
!
120!
significativo in quanto l’autore si accorse che le notizie riguardanti le nuove
opportunità,
venivano
veicolate
mediante
connessioni
che
però
non
rappresentavano le relazioni più vicine o più intense. In quest’ottica inizia ad
aprirsi un ampio tema riguardante il ruolo e le posizioni degli attori all’interno del
network e l’importanza del loro relativo legame (Granovetter, 1973).
Sempre a partire dagli anni ’70, si assiste all’ingresso della tecnologia all’interno
degli studi di social network. Freeman (1979) è stato in grado di raccogliere dati
provenienti dall’Electronic Information Exchange System (EIES), sistema
contenente alcune discussioni tra esperti di social network.
Nel 1990 grazie anche alla diffusione del World Wide Web, l’informatico Jon
Kleinberg riuscì ad identificare i modelli di link esistenti tra pagine web di qualità.
Tale algoritmo fu addirittura fonte d’ispirazione per i primi lavori condotti
all’Università di Standford dai due studenti che divennero poi i fondatori di
Google (Brin, Page, 1998).
Nello studiare il rapporto tra i social network ed internet, i ricercatori hanno
dimostrato che spesso, i network empirici mostrano delle proprietà così dette
“small word properties”: gran parte dei nodi del network non sono vicini tra loro,
tuttavia, ciascun nodo può essere raggiunto da un altro in pochi passaggi (“balzi”).
Negli ultimi anni, i ricercatori hanno iniziato a studiare network più estesi web –
based. Ad esempio, Leskovec e Horvitz (2008) hanno calcolato le metriche di un
grafo contenente oltre 300 milioni di utenti all’interno del servizio Microsoft
!
121!
Messenger46. Altri come Park e Thelwall (2003), hanno rappresentato il sistema di
hyperlinking tra le pagine web. Sono poi stati condotti numerosi studi sui network
costituiti intorno ai blog. Adamic e Adar ad esempio sono riusciti a dimostrare
come i blog dai contenuti legati alla politica siano distintamente divisi in due
cluster con una percentuale minima di sovrapposizione. I due cluster
rappresentano chiaramente i due schieramenti sinistra e destra.
Un’altra linea di ricerca è rappresentata dalla disciplina della visualizzazione del
network. Heer e Boyd (2005), descrivono le potenzialità di uno strumento
chiamato Vizster mediante il quale gli utenti sono in grado di navigare in un social
network e attraverso le amicizie, esplorare le connessioni sociali.
3.2 Aspetti metodologici della social network analysis
In questa sezione si descrivono le caratteristiche di un social network
evidenziando quelle che sono gli elementi costitutivi di un network, le varie
tipologie di network nonché le principali metriche che sono state adottate in
questo lavoro.
È doveroso premettere che nelle segueti descrizioni verranno fatti riferimenti
all’applicazione della social networl anlysis ai social media, tema che verrà
affrontato nella sua completezza nel prossimo capitolo.
!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!
46 !Windows
Live Messenger, comunemente chiamato MSN è stato un client gratuito di
messaggistica istantanea prodotto e supportato da Microsoft. La Microsoft ha annunciato la fine
del supporto a Messenger da aprile 2013. Le funzionalità di Messenger sono state migrate nel
client Skype, recentemente acquistato da Microsoft, e che ha rimpiazzato Messenger.
!
122!
3.3 Gli elementi che compongono un network
-
Vertex (Vertice): anche chiamati nodi, agenti, entità o elementi possono
rappresentare molte cose. Spesso persone o strutture sociali come gruppi
di lavoro, team, organizzazioni , istituzioni, stati o anche paesi. In altre
occasioni possono rappresentare contenuti di pagine web, tag o hashtang o
video. I vertici rappresentano gli elementi costituenti i social media come
ad esempio pagine wiki, amici di social network, post o autori di blog e
forum.
-
Edges (link): anche conosciuti come connessioni, legami e relazioni sono
gli elementi fondanti del network. Un edge mette in connessione due
vertici. Essi possono rappresentare diverse tipologie di relazioni come ad
esempio relazioni di prossimità, collaborazioni, parentela, amicizia, trade
partnership, citazioni, investimenti, hyperlink, transazioni e attributi
condivisi. Le connessioni possono essere dirette o indirette.
-
Directed Edges: una connessione diretta ha una chiara origine ed una
destinazione: prestito di denaro da una persona ad un'altra, un utente su
Twitter segue “follow” un altro utente, una email inviata ad un
destinatario. Graficamente gli edges diretti sono rappresentati da una
freccia che parte da un vertice per arrivare ad un altro vertice. È
importante sottolineare che una connessione diretta non necessariamente
!
123!
viene corrisposta (un utente su Twitter non è tenuto a seguire i suoi
follower).
-
Undirected Edges: conosciuti anche come connessioni simmetriche
(Hansen et al. 2010), sono quelle relazioni che si instaurano naturalmente
tra due elementi: una coppia di individui è sposata, due utenti di Facebook
sono amici o due persone sono entrambe membri di un’organizzazione. In
questa relazione reciproca la provenienza e la destinazione non sono
chiare, tali connessioni infatti non potrebbero esistere in assenza di
reciprocità. Graficamente gli edges indiretti sono rappresentati come una
linea che connette due vertici.
3.4 Tipologie di Network
-
Egocentric Network: è un tipo di network di cui il focus è individuale ed è
chiamato appunto “ego”. Ad esempio il network relativo ad un profilo
personale di Facebook dovrebbe essere un network egocentrico poiché per
definizione, l’utente in questione, dovrebbe essere connesso a tutti gli altri
vertici. I network egocentrici possono assumere più livelli (gradi). Un e.n.
di primo grado (1-degree) è rappresentato dalle connessioni tra l’ego e gli
alters. Un e.n di 1,5 gradi invece include anche le relazioni che esistono tra
gli altri ovvero ego-alters + alters-alters quindi nel caso di un profilo
facebook il network creato tra me i miei amici in cui vengono visualizzate
!
124!
anche le relazioni tra i miei amici. Un e.n. di 2 gradi (2-degree) include
anche gli amici degli amici, alcuni di questi potrebbero non essere
collegati all’ego iniziale.
Figura 2.3 – Esempio di confronto tra network e egocentric network
Fonte: Van Den Bulte e Wuyts, 2007
-
Full Network: un network full o completo contiene tutti gli individui o
entità di interesse e le relazioni tra loro. Tutti gli egos sono trattati
equalmente. Un network full è creato e disponibile quando un singolo
sistema, come ad esempio una piattaforma social, funge da contenitore
(hub) tra un gruppo di persone connesse o gruppi.
-
Partial Network: Un esempio di partial network potrebbe essere il network
costituito da tutti quegli utenti che su Twitter hanno utilizzato un
!
125!
particolare hashtag. Questo tipo di network non è egocentric ma topic
centric.
-
Unimodal Network: si parla di unimodal network quando il network
connette elementi della stessa tipologia. Gli unimodal network mettono in
relazione persone con persone, documenti con documenti ma non
contengono entrambi gli elementi.
-
Multimodal Network: in questo caso nel network sono inclusi diverse
tipologie di vertici. Ad esempio un etwork di questo tipo può connettere
utenti a dei forum di discussione e a blog post che hanno commentato. I
vertici del network potranno quindi essere sia utenti sia forum che blog
post e saranno distinti da colori diversi (esercitazione SeriousEats
Network).
-
Affiliation Network: è una particolare forma di multimodal network, in
questo caso bimodal poiché in questo caso si connettono vertici ad altri
vertici in base a delle precise relazioni. Un esempio potrebbe essere quello
di un network dove siano connessi utenti a pagine wiki che hanno editato.
In questo Affiliation network nessun vertice-individuo sarà connesso con
un altro vertice-individuo, allo stesso modo nessun vertice-wikipage sarà
connesso ad altro vertice-wikipage. Le connessioni saranno verticeindividuo con vertice-wikipage. Più in generale questo approccio è utile
per collegare oggetti di qualsiasi tipo (libri, foto, registrazioni audio) in
!
126!
base a comportamenti di utenti (abitudini di acquisto o di lettura) e
preferenze (rating). L’affiliatin network è la materia grezza che sta alla
base di molti motori di raccomandazione come ad esempio quello adottato
da Amazon (persone che hanno acquistato questo hanno anche acquistato
questo…o se ti è piaciuto questo contenuto, potrebbe piacerti anche
questo…).
-
Multiplex Network: molti network includono solo una tipologia di edge
(relazione) ma nella realtà gli individui (vertici) sono spesso connessi in
svariate modalità(email, telefonate, messaggi, chat). È possibile tuttavia
creare dei network in cui ci siano più tipologie di edges. Ad esempio il
network di Twitter include 3 tipologie di edges diretti: relazioni di
“following”, relazioni di “reply to”, relazioni di “mention”.
3.5 Alcune proprietà strutturali del network
-
Transitivity: una relazione è transitiva se la presenza di un legame
proveniente da un soggetto (a) verso un secondo soggetto (b) e da
quest’utlimo (b) verso un terzo soggetto (c) implica l’esistenza di un
legame tra il primo soggetto (a) e il terzo (c).
Newman (2001) ha rilevato la presenza della transitività all’interno dei
progetti di studio collaborativi, la probabilità che due scienziati collaborino
è pari o maggiore del 30% se entrambi collaborano con una terza figura
!
127!
che hanno in comune. La transitività è un elemento che può essere rilevato
inoltre nelle reti di imprese. Le case automobilistiche ad esempio sono più
propense a stabilire legami con quei fornitori di semi-lavorati (accessori,
tappezzeria) i quali hanno un rapporto di affari con i loro fornitori di
componenti (sedili) piuttosto che altri fornitori di prodotti semi-lavorati.
La transitività potrebbe essere uno dei driver che contribuiscono
all’evoluzione del network. Network sociali dove ad esempio gli individui
si sono conosciuti mediante conoscenze in comune. Infatti, la presenza di
un contatto comune (b) il quale abbia acquisito credibilità da parte di
entrambi, potrebbe fungere da garante e agevolare a e c nello sviluppare il
loro rapporto più approfonditamente.
-
Structural Balance: l’equilibrio strutturale è una proprietà che è
strettamente legata alla transitività. In particolare essa fa riferimento a quei
legami aventi una valenza positiva (+, amici) o negativa (-, nemici). Per
cui, un network è bilanciato strutturalmente qualora due attori aventi
valutazione positiva su di essi (+), condividono le valutazioni relative a
tutti gli altri attori; al contrario, un network può definirsi bilanciato nella
situazione in cui due attori si valutano reciprocamente in maniera negativa
(-) e sono in disaccordo sulla valutazione di tutti gli altri membri. In
network semplici come le triadi c’è un metodo rapido per comprendere se
il network sia bilanciato o meno: il prodotto dei tre segni dovrà sempre
!
128!
essere positivo (figura 3.3) l’equilibrio strutturale esiste quindi nel
momento in cui tra gli attori a, b, c, vi è ad esempio una relazione positiva
“gli amici dei miei amici sono miei amici”. Come accennato in
precedenza, l’equilibrio strutturale ha luogo anche quando il network è
caratterizzato da due segni – ed un segno + per cui si può verificare la
tipica relazione “i nemici dei miei nemici sono miei amici”.
Figura 3.3 – Esempio di equilibrio strutturale
Fonte: Elaborazione propria
Nel primo grafo si osserva un esempio di equilibrio strutturale nel quale i
tre attori sono legati da relazioni positive, in questo caso è evidente che i
soggetti a,b,c sono amici comuni. Nella seconda situazione invece la
struttura risulta comunque bilanciata poiché a e b sono amici ma hanno un
nemico in comune (c). Altre tipologie di combinazioni vengono definite
non bilanciate e potrebbero generare tensioni all’interno del network.
!
129!
Come affermato in precedenza, il Web sta rappresentando una crescente
fonte di dati che provengono dalle community online dove gli utenti
possono esprimere pareri positivi e negativi su tematiche di varia natura.
Tra gli esempi più significativi c’è il sito di tecnologia Slashdot47 nel quale
gli utenti possono identificarsi tra loro designandosi come “amici” o
“nemici” e siti di rating online di prodotti come Epinions48 dove un utente
può esprimere una sua valutazione inerente ai prodotti e identificare altri
utenti come credibili o meno.
Guha, Kumar, Raghavan e Tomkins (2004) hanno effettuato un analisi del
network basato sulle valutazioni degli utenti di Epinions, il loro lavoro ha
identificato una interessante serie di questioni che mostrano come
nell’ambito delle valutazioni online, la dicotomia fiducia/sfiducia può
essere ricondotta alla dicotomia amico/nemico tipica della già citata teoria
della structural balance49.
-
Densità: La densità è una metrica utilizzata per descrivere il livello di
interconnettività presente tra gli attori. La densità di un network
!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!
47!http://slashdot.org/
48
http://www.epinions.com/?sb=1
Secondo questo studio sono state rilevate anche delle differenze. Una sottile differenza tra la
dicotomia fiducia/sfiducia e amico/nemico appare evidente quando ci si interroga sui
comportamenti di una tipica interazione tra tre utenti del sito. Alcuni modelli sono semplici: ad
esempio se A si fida di B e B si fida di C è naturale che A si fidi anche di C. Le triangolazioni
aventi tutti i segni positivi sono coerenti come nella structural balance. Ma cosa può accadere se A
non si fida di B e B non si fida di C, cosa ci si deve aspettare che A si fidi o no di C? Ecco che in
questo caso ci si interroga se il concetto di fiducia, trust possa essere assimilato al concetto di
amico presente nella structural balance.
49
!
130!
corrisponde al rapporto tra le attuali connessioni presenti all’interno del
network, con l’insieme di tutte le connessioni possibili. Ed esempio
all’interno del network costituito da 5 consumatori il numero massimo di
connessioni non-direzionali corrisponde a 10. In questo caso ipotizzando
che il numero delle attuali connessioni all’interno di tale network sia 6, la
sua densità misurerebbe 0,6 e sarebbe quindi del 60%. Qualora le
connessioni fossero 8, il network avrebbe una densità dell’80%. La densità
rappresenta un metodo per valutare ed identificare quantitativamente
concetti cardine della sociologia come coesione, solidarietà e appartenenza
(Hansel et al. 2010). È opportuno considerare la densità come un
parametro che, se considerato per una valutazione di un network in termini
assoluti, non è in grado di fornire informazioni utili. La densità andrebbe
valutata laddove si ritiene necessaria una comparazione tra più network e
quindi una valutazione in termini relativi.
-
Chiusura e local clustering: la chiusura di un network può essere definita
come il livello di densità presente tra coloro con cui un attore ha una
connessione. Il valore della chiusura in un particolare ego-network può
essere calcolato come segue: se A ha connessioni non-direzionali con altre
6 persone, è possibile assumere che il totale delle connessioni possibili
all’interno di quel network sia 6 x (6 – 1 ) / 2 = 15. Ipotizzando che il
numero delle connessioni sia effettivamente 15, la densità, parametro
!
131!
affrontato in precedenza, sarà pari al 100% mentre la chiusura sarà totale.
Ipotizzando invece un altro scenario in cui il numero delle connessioni sia
pari a 3, la densità in questo caso si riduce al 20% con un relativo livello di
chiusura basso. Tale modalità di calcolo della chiusura è identica a ciò che
Newman, Barabasi e Watts (2006) definiscono “local clustering”. Il
parametro della chiusura potrebbe essere calcolato anche in network più
ampi (Coleman 1988). In questo caso tra gli attori del network verrebbero
inclusi anche coloro i quali non hanno una diretta connessione ma sono
collegati indirettamente mediante un breve percorso come ad esempio
mediante un intermediario. In alcune piattaforme di social network come
ad esempio Facebook e Linkedin è possibile infatti estendere il proprio
network personale ad un livello superiore del primo grado di
separazione 50 . Entrambe le piattaforme mostrano infatti agli utenti la
possibile estensione del network qualora venissero inclusi anche gli utenti
facenti parti del secondo grado di separazione che nel caso di Facebook ad
esempio vengono definiti “amici degli amici”.
!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!
50
Si fa riferimento alla teoria dei sei gradi di separazione sviluppata nei campi disciplinari della
semiotica e della sociologia (vedi par. 3.1). È un ipotesi secondo cui qualunque persona può essere
collegata a qualunque altra persona o cosa attraverso una catena di conoscenze e relazioni con non
più di 5 intermediari.. Nel 2006 due ricercatori di Microsoft, sfruttando i log delle conversazioni
attraverso il servizio di instant messaging MSN Messenger, hanno ricavato che fra due utenti del
programma vi sono in media 6,6 gradi di separazione. Nel 2011 un gruppo di informatici
dell’Università degli Studi di Milano, in collaborazione con due informatici di Facebook, ha
effettuato un esperimento su scala globale con l’obiettivo di calcolare il grado di separazione tra
tutte le coppie di individui registrati su Facebook. In media, i gradi di separazione sono 4.74. Il
92% delle coppie è separato da non più di 4 gradi.
!
132!
3.6 Proprietà degli attori
Nei paragrafi precedenti sono state descritte le principali caratteristiche strutturali
che può assumere un network, in questa sezione si discuterà delle caratteristiche
dei singoli attori all’interno di un network. In particolare ci si soffermerà su una
delle più importanti proprietà che caratterizza il ruolo di un attore all’interno di un
network: la centralità.
-
Centralità: la centralità è una metrica che misura l’importanza di un attore
all’interno del network complessivo. Se si considerano infatti network
complessi, costituiti da più connessioni, alcuni attori saranno sicuramente
più importanti o avranno una posizione di rilievo rispetto ad altri (Van den
Bulte, Wuyts, 2007). In questo scenario, gli analisti dei network si sono
posti due quesiti: come è possibile dare una definizione univoca di
“importanza” e in che modalità è possibile individuare quegli utenti che
assumono posizioni rilevanti all’interno di un network. Già negli anni 80 il
sociologo Philip Bonaich ha sviluppato precise misurazioni della centralità
che prendono in considerazione differenti concetti di importanza.
L’importanza infatti può essere data da un elevato numero di connessioni
per cui un attore collegato a molti altri membri del network può assumere
una posizione “centrale”. L’importanza tuttavia non può essere definita
solamente dal numero di connessioni. Esistono infatti differenti tipologie
di connessioni, l’importanza di un attore all’interno di un network può
!
133!
essere altresì misurata mediante la qualità delle sue connessioni: un utente
con molte connessioni può considerarsi “popolare”, ma un utente
caratterizzato da un minor numero di connessioni, ma dalla valenza più
strategica (l’attore può fungere un “ponte” tra due cluster) assume
anch’esso un ruolo importante. Ecco che al concetto di popolarità per
definire un attore chiave, si accosta anche quello dell’influenza.
-
Grado di centralità: (Degree Centrality), rappresenta il semplice
conteggio del numero totale di connessioni collegate ad un vertice.
Potrebbe essere considerata una metrica per la misurazione della
popolarità in senso ampio poiché in questo caso non è possibile
distinguere la qualità dalla quantità delle relazioni (Hansen et al. 2010).
Per i network diretti vi sono due differenti metriche che misurano il grado
di centralità:
•
In-degree: il numero di connessioni dirette ad un vertice
•
Out-degree: il numero di connessioni che hanno come punto di
origine un vertice e puntano verso altri vertici.
-
Betweenness Centralities: tra le nozioni più importanti all’interno dello
studio dei network vi è senza dubbio quella legata al percorso delle
relazioni. In quest’ottica, i ricercatori si pongono l’interrogativo della
distanza tra due soggetti in un network. La distanza tra due individui che
non sono vicini, ad esempio, può essere facilmente misurata contanto “il
!
134!
numero minore di step di vicini-di-vicini che intercorrono tra un elemento
e un altro”51. Il percorso più breve tra due vertici è chiamato geodesic
distance ed è una metrica frequentemente utilizzata all’interno della
centralità. Il tema del percorso da vita a tutta una serie di ragionamenti
circa la tipologia di posizione che possa assumere un vertice all’interno
della rete di relazioni. In quest’ottica nasce la metrica chiamata
betweenness centrality ovvero la misura di “quanto spesso un dato vertice
si trovi nel percorso più breve tra due altri vertici.” Proprio per queste
caratteristiche, al concetto di betweenness centrality viene accostato quello
di “ponte”, tale metrica è in grado di misurare infatti la posizione di un
vertice quantificando la criticità della sua intermediazione. È una metrica
importante soprattutto in quei network le cui relazioni sono rappresentate
da scambi di informazioni, prodotti, denaro. Un vertice coinvolto in molti
flussi di questi elementi, potrebbe avere all’interno del network un ruolo
strategico. La betweenness centrality può essere pertanto utilizzata come
metrica per valutare sia il grado di accesso alle informazioni che il livello
di potere inteso come influenza di un attore all’interno di un network (Van
Den Bulte e Wuyts, 2007).
-
Closeness Centrality: è una metrica che misura la centralità da un'altra
prospettiva rispetto alle precedenti. Tale metrica calcola la distanza media
!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!
51!Ad
!
esempio la distanza tra un individuo e il suo vicino-di-vicino è misurata 2 e così via.
135!
tra un vertice rispetto a tutti gli altri vertici presenti all’interno del
network. Rispetto ai concetti di popolarità o influenza della metrica
precedente, la Closeness Centrality mira a quantificare la raggiungibilità di
ciascun vertice. Paradossalmente, per comprendere a pieno questa
misurazione, bisogna intendere la Closeness Centrality come “distanza”:
un vertice caratterizzato ad un elevata Closeness Centrality ricoprirà
probabilmente una posizione periferica all’interno del network; al
contrario, un vertice caratterizzato da una bassa Closeness Centrality, sarà
in grado di raggiungere gran parte dei membri del network in percorsi
brevi, si presume pertanto che quest’ultimo ricopra una posizione centrale
all’interno della rete di relazioni.
-
Eigenvector Centrality: è una misura dell’importanza di un vertice
all’interno del network52. Questa metrica assegna un punteggio “score”
relativo a tutti i vertici, il punteggio si basa sul principio che essere
connessi a vertici aventi un punteggio elevato, contribuisce ad aumentare
il punteggio del dato vertice53. La stessa cosa è valida per punteggi bassi.
La Eigenvector Centrality è uno degli algoritimi che hanno ispirato il
famoso Page Rank, algoritmo alla base del motore di ricerca Google.
!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!
52!Social
Network Analysis: Theory and Applications http://train.ed.psu.edu/WFED543/SocNet_TheoryApp.pdf
53!Analiticamente si fa riferimento alla matrice delle adiacenze o matrice di connessione.
!
136!
3.7 Lo studio dei social network in marketing
In qualsiasi contesto in cui il marketing operi, che sia business-to-business,
business-to-consumer o consumer-to-consumer, uno degli elementi critici è senza
dubbio la cura delle relazioni54. Azioni come la creazione e la gestione di relazioni
con clienti e fornitori, il coordinamento dei rapporti inter-funzionali interni ad un’
organizzazione, lo studio del posizionamento dei competitor in un dato settore e il
comprendere il quando e in che misura i consumatori fanno uso dei loro contatti
personali e professionali, sono oggi di fondamentale importanza per le strategie di
marketing55 (Webster e Morrison, 2004).
Inoltre, elementi complessi come ad esempio “collaborazione, fiducia, potere e
scelta” possono essere descritti e quindi rappresentati non focalizzandosi su mere
relazioni, ma adottando una visione più ampia del concetto di network.
L’attenzione ai network sociali ha acquistato un’importanza crescente in
marketing è dovuta anche all’attuale declino dell’efficacia dei mass media. In
pratica, se da un lato la realtà estremamente frammentata dei media attuali
(elevato numero di canali tv, magazine, stazioni radio etc.) può essere vista come
un vantaggio per quelle imprese che puntano ad un micro-targeting, dall’altro lato,
può essere vista come ostacolo, soprattutto per quelle imprese che tramite i loro
!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!
54!Tra
gli autori che hanno fornito un contributo a questo nuovo orientamento vi è Kotler che nel
rielaborare il marketing concept aggiunge al tradizionale marketing mix ulteriori due variabili: le
pubbliche relazioni e la struttura di potere (Kotler, 1986)
55!Con particolare riferimento al concetto di patrimonio relazionale teorizzato da Costabile (2001)
ne “Il capitale relazionale” .
!
137!
prodotti/servizi, si rivolgono ad un mercato di massa (Turow, 1997).
Allo stesso modo i consumatori stessi hanno perso interesse nei confronti del
marketing e advertising tradizionali (Friestad e Wright, 1995).
È perciò in questo contesto, caratterizzato dalla perdita di efficacia delle logiche
tradizionali di comunicazione, che gli operatori di marketing stanno iniziando a
cercare nuove modalità di interazione con in consumatori, puntando in questo
caso, a “capitalizzare i network sociali di cui fanno parte” (Van Den Bulte e
Wuytts, 2007).
Un altro aspetto rivelante del rapporto tra social network e marketing è quello
relativo al concetto di brand reputation. Negli ultimi anni, la gestione della
reputazione sia a livello brand, sia a livello corporate, è diventata una delle
priorità del management. Da una prospettiva psicologica cognitiva, un brand può
essere concepito, nella memoria di un individuo, come un nodo collegato ad altre
opinioni mediante legami più o meno forti come ad esempio un nodo all’interno
di un network associativo (Keller, 2002).
In quest’ottica, molti degli strumenti sviluppati per analizzare i social network
costituiti da attori socialmente interconnessi (individui, dipartimenti, imprese,
paesi ecc.) possono essere impiegati per studiare i network associativi e sviluppare
utili “diagnosi di brand” (Henderson, Iacobucci e Calder, 2002).
La ricerca nell’ambito della sociologia economica ha difatti dimostrato che il
network di legami di un’impresa con altre imprese e istituzioni, può incidere sul
!
138!
livello di prestigio e sulla qualità della reputazione (Podolny, 2005).
Lo studio dei social network viene impiegato anche ai fini di comprendere come i
consumatori utilizzano i prodotti e i brand per costruire e mantenere una loro
identità sociale (Douglas e Isherwood, 1979). Comprendere i percorsi che
compiono le connessioni (paragrafo 3.2) positive o negative che siano tra i
consumatori, può aiutare i ricercatori di marketing nelle attività di segmentazione,
targeting, posizionamento e comunicazione.
Entrando più nello specifico della letteratura, le teorie sui network sono state
applicate a molteplici aspetti legati al marketing. Queste aree includono la
comunicazione basata sul word-of-mouth (WOM), il marketing relazionale,
l’acquisizione di informazioni e la diffusione e adozione di nuovi prodotti e
servizi. Di seguito viene riportata una tabella contenente i principali riferimenti su
questi temi.
!
139!
Tabella 1.3 – Social network e marketing, alcuni riferimenti
Tema
Riferimenti
Brown e Reingen, 1987; Duhan, Johnson,
Word-of-mouth
Wilcox e Harrell, 1997; Goldenberg, Libai e
Muller, 2001; Godes e Mayzlin, 2009.
Achrol 1997; Brodie, Coviello, Brookes e
Marketing relazionale
Little, 1997; Iacobucci e Ostrom, 1996;
Mattsson,
1997.
Ashley
et
al.,
2011;
Bhattacharya e Sankar, 2003.
Acquisizione di informazioni
Moorman e Matulich, 1993; Rindfleisch e
Moorman, 2001.
Diffusione e adozione di nuovi prodotti e
servizi
Midgley, Morrison e Roberts, 1992, 2000;
Rogers, 1995. Van Den Bulte e Stremersch,
2004.
Fonte: Elaborazione propria
Webster e Morrison (2004) nel descrivere i principali campi applicativi della
Social Network Analysis (sna) nel marketing, individuano anche quelli che
potrebbero essere i fattori che incidono sulle resistenze all’adozione della SNA
ovvero:
-
la necessità di dotarsi di fonti di dati speciali;
-
la terminologia usata per definire i modelli di SNA
-
la scomodità e la scarsa usabilità dei primi software sviluppati.
Gli autori sostengono poi che sebbene la SNA sia ormai accettata come strumento
a supporto delle ricerche di marketing, vi sono tuttavia ancora delle problematiche
da gestire come la mancanza di standard di misurazione e la difficoltà di raccolta
dati. Ad un approccio puramente “strutturale” non può essere quindi sufficiente a
!
140!
tracciare un quadro esaustivo dell’ambiente oggetto di studio; sono altresì
necessarie una serie di conoscenze integrative relative alle caratteristiche degli
attori, delle relazioni e del contesto di riferimento.
Wang et al. (2013) hanno sviluppato un modello ibrido di ricerca di marketing
mediante l’integrazione di due tecniche/tecnologie: la SNA e la web mining56
(Cooley et al., 1997).
Entrambe le tecniche sono state applicate online con l’obiettivo comune di fornire
un nuovo modello di sistema di recommendation (capitolo 2) utile ad invididuare
cluster di consumatori influenti, aventi interessi comuni e a cui veicolare
campagne di WOM marketing.
Anche in questo caso, gli autori evidenziano che sebbene gli operatori di
marketing abbiano sin dall’inizio compreso l’importanza di conoscere un network
di consumatori, sembra che abbiano sottovalutato le preziose informazioni che
potrebbe produrre lo studio della “struttura” del network e delle dinamiche
all’interno di esso (Van den Bulte, Wuyts, 2007). Wang et al. si soffermano poi
sui recenti sviluppi della SNA soprattutto in relazione alle strategie di WOM.
Viene dimostrato infatti che non sempre sono gli utenti più popolari, influenti o
che occupano una posizione centrale all’interno di un network, coloro che
!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!
56!Con
riferimenti a Cooley et al. (1997) il termine web mining viene utilizzato in due differenti
accezioni. La prima chiamata web content mining è il processo di scoperta di informazioni
provenienti da fonti situati nel World Wide Web. La seconda, chiamata web usage mining, è il
processo di estrazione di dati forniti dalle attività di browsing e accesso al web da parte degli
utenti.
!
141!
fungono da attivatori di processi di WOM, bensì chiunque abbia una posizione in
un dato network può innescare un processo di “endorsment” di un brand o di un
prodotto oggetto della campagna virale (Smith et al., 2007).
Sulla base di queste considerazioni, un individuo moderatamente connesso è
altrettanto efficace nella diffusione del WOM rispetto ad un attore dotato di
maggiori connessioni e quindi in una posizione più centrale rispetto al network. È
pertanto possibile affermare che potenzialmente chiunque individuo che risieda
all’interno di un dato network, può rivelarsi un interessante supporto per la
diffusione di messaggi di marketing. Gli autori infine forniscono un contributo al
tema del rapporto tra la SNA come tecnica di ricerca di marketing descrivendola
come uno strumento che supporta i ricercatori nel comprendere i modelli di
relazioni tra i consumatori e per identificare gli opinion leader e le modalità con
cui le informazioni si propagano all’interno del network. La SNA pertanto,
consente agli operatori di marketing di massimizzare una strategia di marketing
rendendola più efficace.
Zaglia (2013) affronta il tema da una altra prospettiva introducendo il concetto di
brand community. L’obiettivo del suo lavoro è quello di verificare la presenza di
esplicite brand community che risiedono all’interno “embedded” dei social
network. L’autrice parte dall’assunto di base secondo cui brand community e
!
142!
social network 57 siano due concetti ben distinti. Muniz e O’Guinn (2001)
introducono il concetto di brand community definendola come “una comunità
specializzata senza confini geografici, basata su un set strutturato di relazioni
sociali tra i sostenitori di un brand. Una brand community può esistere pertanto
ovunque, anche virtualmente (Thompson e Sinha, 2008). Nel lavoro viene quindi
dimostrato come sia possibile che all’interno di social network vi possano
risiedere sub-gruppi riferiti a brand i quali hanno tutte le caratteristiche di una
online brand community, sia dal punto di vista degli interessi condivisi, sia dalle
dinamiche sociali che si instaurano.
Sul tema inerente le modalità di coinvolgimento dei consumatori, il lavoro di Hinz
et al. (2014) è sicuramente tra i più innovativi in termini di metodologia e risultati
ottenuti. Nella continua ricerca di nuove modalità di coinvolgimento, le imprese
studiano strategie innovative per influenzare le scelte dei consumatori.
In questo contesto, uno degli obiettivi principali è quello di individuare e
targettizare quei consumatori socialmente influenti che possono assumere il ruolo
di attivatori di campagne di promozione tra i consumatori meno attivi (Hinz,
Skiera, Barrot e Becker, 2011).
!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!
57!Anche
in questo contesto si fa riferimento alla social network theory espressa da Granovetter
(1985) secondo cui il comportamento umano è incorporato all’interno di un network di relazioni
interpersonali. Vi sono poi ulteriori riferimenti a ricerche successive come ad esempio agli studi di
Raab e Kenis (2009) i quali parlano di società dei network per descrivere gli sviluppi della società
occidentale.
!
143!
Appare quindi evidente che lo studio e la mappatura delle relazioni sociali che si
instaurano all’interno delle piattaforme di social network abbiano una valenza
strategica nell’individuare i consumatori più influenti. Gli autori in questo lavoro
assumono una posizione critica nei confronti della visione forse troppo generalista
che è stata adottata fin ora dalla letteratura. Gli autori si chiedono infatti, se le
informazioni provenienti dallo studio dei network sociali generati all’interno dei
social network siano sempre sufficienti ad individuare quei consumatori che più di
altri sono in grado di influenzare le intensioni di acquisto degli altri consumatori.
Tale domanda di ricerca trova supporto in un ulteriore interrogativo che gli autori
si pongono: partendo dal presupposto che le piattaforme di social network
differiscono per struttura e modalità in cui sono organizzati i network di relazione,
possono essere considerati tutti in grado di soddisfare gli obiettivi di marketing in
egual misura? Ad esempio, analizzando la letteratura in materia di SNA,
emergono subito delle differenze sostanziali circa la natura della relazione che si
può instaurare all’interno di un social network. Gli autori in particolare, si
focalizzano
sulla
“direzione”
(paragrafo
3.3)
che
una
relazione/legame/collegamento può assumere. Si parla di network indiretto
(Facebook e Linkedin) quando la relazione esiste di fatto ed è reciproca. Un
network basato su relazioni dirette (directed network come ad esempio Twitter) è
costituito invece da relazioni in cui gli attori non sono in una posizione di
reciprocità ma hanno un ben definito punto di origine ed un punto di arrivo. A
!
144!
questi concetti si affiancano le teorie espresse da Burt, 1987 il quale,
nell’analizzare le dinamiche della social contagion individua due figure e due
scenari. Burt mette a confronto due soggetti: l’advisor e l’advisee ovvero
rispettivamente, il consumatore first mover, opinion leader e quindi in grado di
influenzare gli altri e il consumatore soggetto all’influenza. La dinamica del
contagio sociale che si innesca tra i due soggetti può essere descritta mediante due
scenari: la coesione o l’equivalenza strutturale (paragrafo 3.5).
Gli autori hanno adottato un metodo innovativo. Essi infatti si sono serviti della
combinazione di due metodologie: la SNA e la costruzione di un social network
sulla base dei risultati di un questionario. Il risultato della ricerca conferma
parzialmente gli assunti iniziali. I risultati rivelano che l’equivalenza strutturale è
il meccanismo che è maggiormente collegato al processo di adozione di nuovi
prodotti. Anche la coesione ha un impatto ma in misura minore. Sono molto
interessanti le implicazioni manageriali prodotte. In primo luogo si evidenzia la
conferma del ruolo strategico che sta assumendo lo studio delle relazioni sociali
che si generano all’interno delle piattaforme di social network. Tale attività può
essere utile per scopi di marketing in quanto permette alle imprese di individuare i
consumatori chiave ovvero coloro che possiedono la capacità di influenzare le
intensioni e i comportamenti di acquisto di altri consumatori.
Tuttavia è doveroso sottolineare che non tutti i dati generati da queste analisi sono
in grado di fornire le informazioni oggetto di studio. Le imprese per tanto
!
145!
dovrebbero acquistare consapevolezza in merito a quali tipologie di relazioni
studiare e soprattutto da quali piattaforme social attingere.
Un ulteriore elemento innovativo è stato il verificare che l’influenza praticata
dall’advisee sull’advisor risulta 3 volte superiore rispetto al classico rapporto
advisor – advisee. Tale fenomeno avviene poiché, in una situazione di
equivalenza strutturale, l’advisor coglie rapidamente le influenze dell’advisee
temendo una perdita del suo status sociale di opinion leader. Qui ci si ricollega ai
risultati presentati da Smith et al. 2007.
!
146!
Capitolo 4 – La Social Network Analysis nell’era dei Social Media
L’obiettivo di questo lavoro è l’individuazione di un modello di applicazione della
social network analysis nel campo dei social media, mediante l’utilizzo del
software open source NodeXL. Nel capitolo precedente è stata presentata la
tecnica della social network analysis descrivendone i possibili impieghi nel campo
delle ricerche di marketing. Com’è emerso da alcuni lavori precedentemente
descritti (paragrafo 3.7), oggi è possibile assistere ad un ulteriore sviluppo di
questa metologia dovuto da un lato, ai progressi fatti nel campo dei software
impiegati in SNA e, dall’altro lato, dovuta all’enorme diffusione dei social media i
quali rappresentano il fieldwork ideale su cui basare una ricerca.
Va tuttavia sottolineato, che nonostante la crescente diffusione delle piattaforme
social, il loro potenziale, inteso come la possibilità di studio e mappatura dei
network sociali che si creano al loro interno, non sono ad oggi pienamente
sfruttate (Hansen et al. 2010).
In quest’ottica, data l’elevata eterogeneità dei social media che verranno descritti
nei paragrafi successivi, è possibile assumere che ciascun network creato
all’intero di queste piattaforme abbia una sua particolare struttura (layout) che
influenza le modalità di relazioni e interazioni. Ad esempio Twitter, che sarà
oggetto di studio, consente lo scambio di brevi messaggi, rendendolo uno
strumento ideale per puntualizzare in maniera efficiente su un tema o per
!
147!
conoscere i partecipanti e i contenuti di una conferenza, mentre la stessa
piattaforma, non consente discussioni e analisi approfondite. Al contrario, i blog
tradizionali, non presentando limitazioni per la lunghezza del contenuto e
consentendo anche l’integrazione di contenuti multimediali come video, audio e
foto, sono strumenti utilizzati per analisi e descrizioni e discussioni più
approfondite. Hansen et al. (2010) nel descrivere le potenzialità dei social media
individuano tra gli aspetti più interessanti il fatto che tali piattaforma producono
un’elevata quantità di “social data” che possono essere impiegati per meglio
comprendere persone, organizzazioni e comunità che risiedono al loro interno.
Più specificatamente, si parla di “relational data” ovvero di quelle informazioni
che rivelano legami di amicizia, relazioni professionali o qualsiasi altro tipo di
interazione avvenga all’interno di un network. Tali dati relazionali forniscono una
serie di nuove opportunità di comprendere e migliorare il contesto social in cui
un’impresa si trova ad operare.
4.1. I social media nel marketing
I social media sono tra gli strumenti più recenti provenienti dal mondo delle ICTs.
Una delle definizioni più autorevoli è quella fornita da Kaplan e Haenlein (2010),
i quali descrivono i social media come un gruppo di applicazioni internet-based
fondate sulle ideologie e tecnologie del Web 2.0 e che consentono la creazione e
lo scambio di contenuti generati dagli utenti. Berthon, Pitt, Plangger e Shapiro
!
148!
(2012) descrivono i social media come parte di una struttura frutto
dell’interrelazione tra le seguenti dimensioni:
.
Web 2.0: considerata l’infrastruttura tecnica che permette la diffusione
sociale dei media collettivi e facilita la produzione di contenuti generati
dai consumatori;
.
Social Media: strumenti con cui questi contenuti vengono generati;
.
Creative Consumers: i produttori di tali contenuti.
Una concezione simile viene sviluppata da Kietzman, Hermkens, McCarthy e
Silvestre (2011) i quali attribuiscono ai social media la duplice funzione di mezzo
di comunicazione e piattaforma per contenuti che si diffondono attraverso
interazioni tra individui e organizzazioni. Secondo Mangold e Faulds (2009), i
social media consistono in nuove fonti di informazioni online come ad esempio i
social network, blog, chat-room, portali, siti di condivisione foto e video e
podcast, creati e utilizzati per scopi educativi su temi tra cui prodotti e brand.
Proprio per la loro capacità di creare network e stimolare interazioni, sono diversi
gli autori che individuano nei social media delle opportunità di marketing. I social
media, che inizialmente venivano considerati meri strumenti di intrattenimento,
sono diventati il più recente fenomeno di marketing grazie ai loro notevoli
vantaggi in più aree di business (Kirtis e Karahan 2011). Luke (2009) dichiara che
i social media sono molto importanti per l’ambiente del marketing. Così come
!
149!
Steinman e Hawkins (2010) che considerano la natura virale dei social media
portatrice di benefici sui business: gli inserzionisti stanno veicolando le
promozioni con i social media per ottenere più attenzione e stimolare la
partecipazione tra i consumatori e per massimizzare l’esposizione del brand.
Uno dei temi di ricerca più rilevante in questo ambito è lo studio dei vantaggi
ottenuti dalle imprese grazie al social media marketing. Tipicamente, i social
media si caratterizzano per un’elevata accessibilità e scalabilità, ovvero la capacità
di raggiungere un vasto pubblico (Brogan, 2010; Zarella, 2010).
Dalle ricerche di mercato di Breslauer e Smith (2009) ed e-Marketer (2010)
emerge che le imprese utilizzano i social media per costruire relazioni dirette con i
consumatori, aumentare il traffico verso il proprio sito web, identificare nuove
opportunità di business, creare comunità, divulgare contenuti, raccogliere
feedback dai clienti e generalmente, per supportare i propri brand. Parallelamente
è importante conoscere quelle che vengono considerate le principali barriere o
resistenze all’adozione. Michaelidou, Siamagka e Christodoulides (2011)
evidenziano che le principali barriere per le imprese sono la percezione di una
scarsa importanza dei social per il settore di appartenenza, l’incertezza sul “se” e
“come” i social media possano supportare un brand e le resistenze culturali del
personale interno all’organizzazione.
!
150!
Mangold e Faulds (2009) descrivono un modello di integrated marketing
communication in cui, con il loro ingresso nel promotion mix, i social media
sanciscono la nascita di un nuovo paradigma di comunicazione figura 1.4.
Essi sostengono che i social media siano un elemento ibrido del promotion mix
poiché combinano caratteristiche tipiche degli strumenti del marketing
tradizionale (le aziende comunicano con i consumatori), con una forma
estremamente ampliata di passaparola (i consumatori comunicano tra loro) tale
per cui i marketing managers non hanno il controllo sul contenuto e la frequenza
di tali informazioni.
Figura 1.4 – Il nuovo paradigma di comunicazione
Fonte: Mangold e Faulds, 2009
Come accennato in precedenza, i social media sono una pluralità di strumenti
aventi caratteristiche, funzionalità e scopi differenti. Gundecha e Liu (2012) ne
!
151!
presentano una classificazione di cui di seguito vengono riportate le tipologie più
significative.
.
Online social networking: i social network online sono servizi web-based
che permettono ad individui e comunità di connettersi con amici
provenienti dal mondo reale e dalla dimensione online. Gli utenti
interagiscono tra loro mediante aggiornamenti di status, commenti,
condivisione di contenuti, messaggi ecc. I social network più conosciuti
sono Facebook, Linkedin, Myspace).
.
Blogging: un blog è un diario personale online per utenti, aka blogger, in
cui vengono inseriti contenuti testuali o multimediali, organizzati dal più
recente al meno recente. I blog possono essere gestiti da singoli individui o
da community.
.
Microblogging: il microblog ha le stesse caratteristiche di un blog ma con
delle limitazioni per i contenuti, Twitter ad esempio consente di pubblicare
messaggi testuali di massimo 140 caratteri.
.
Media sharing: in queste piattaforme è possibile condividere sul web vari
contenuti come video, audio e foto. I social media più utilizzati in questo
caso sono YouTube e Flickr.
Significativo è l’apporto alla ricerca fornito da Kirtis e Karahan (2011) i quali
considerano l’introduzione dei social media uno dei principali driver per una
!
152!
strategia di marketing a costi sostenibili in un contesto di crisi globale dei mercati.
Essi affermano che, grazie alla loro capacità di riduzione dei costi destinati al
marketing, i social media sono gli strumenti più utilizzati dal marketing durante la
crisi. In alcuni casi, le imprese possono servirsi di dati di marketing provenienti
gratuitamente dall’universo social (Hardey, 2009).
Un ultimo aspetto da considerare è l’approccio delle imprese B2B ai social media.
Nonostante la popolarità di questi strumenti, la ricerca è relativamente limitata e
fortemente focalizzata sul ruolo del consumatore di imprese B2C. I social media
infatti vengono definiti anche come consumer-generated media, che consistono in
una varietà di nuove fonti di informazione online create, avviate, messe in
circolazione e utilizzate da consumatori con l’intendo di educare gli altri
relativamente a prodotti, brand, servizi e problemi (Blackshaw e Nazzaro, 2004).
Attualmente esistono poche ricerche che analizzano il fenomeno dal lato business
e come le imprese, tra cui le B2B, utilizzino i social media. Shih (2009) evidenzia
l’importanza dei social media per le aziende B2B. Le aziende B2B possono
utilizzare i social media, in particolare social network come Facebook e LinkedIn,
per comunicare con i loro clienti o fornitori, costruire relazioni e fiducia, così
come identificare potenziali partner commerciali.
!
153!
4.2. Una classificazione dei social media
L’universo dei social media è vasto e variegato, parlare quindi di social media
marketing senza tener conto delle numerose differenze che esistono tra gli
strumenti sarebbe riduttivo e potrebbe essere dannoso nella fase di pianificazione
di una strategia di marketing digitale.
Come affermato in precedenza i social media sono un set di strumenti e possono
differire fra loro per struttura, network, modalità di utilizzo e interazione.
Kaplan and Haenlein (2010) effettuano una classificazione degli strumenti social
sulla base della combinazione di due dimensioni (tabella 1.4) :
-
Social presence, Media richness: basata sulla social presence theory
(Short, Williams & Christie, 1976) e sulla Media richness theory (Daft
& Lengel, 1986). Secondo queste teorie i media si differiscono per il
grado di “presenza sociale” che bisogna impiegare per interagire con
un determinato media. Un media può inoltre differire per la ricchezza
di contenuti che si possono comunicare mediante esso, ovvero
l’ammontare di informazioni che possono essere trasmesse al suo
interno in un determinato arco di tempo.
-
Self presentation (Goffman, 1959), Self disclosure: la possibilità di
fornire informazioni personali e di costruire una propria immagine con
l’obiettivo di influenzare positivamente o negativamente le percezioni
!
154!
degli altri nei confronti di se stessi. Tali informazioni possono essere
rivelate consciamente o inconsciamente (Sefl disclosure).
Tabella 1.4 – Classification of Social Media by social presence/media richiness
and self-presentation/self-disclosure.
Low
High
Social presence/Media Richness
Medium
Blogs
Social networking
sites (e.g.,
Facebook)
High
Virtual social
words (e.g.,
Second Life)
Self-presentation/ Selfdisclosure
Low
Collaborative projects
(e.g., Wikipedia)
Content
communities (e.g.,
YouTube)
Virtual game
worlds
Source: Kaplan & Haenlein, 2010
Nella tabella 1.4 vengono rappresentati le principali tipologie di social media, in
questo caso ripartiti sulla base del livello di informazioni/interazioni ad essi
connesso.
Di seguito si fornirà una definizione dei social media più diffusi per scopi di
marketing (Gundecha & Liu, 2012):
-
Online social networking: sono servizi web-based che permettono ad
individui e comunità di connettersi con amici reali o provenienti dalla
dimensione online. Gli utenti interagiscono mediante aggiornamenti di
status, commenti, condivisione di contenuti, messaggi privati etc. I
social network più conosciuti sono Facebook, Linkedin e Myspace.
!
155!
-
Blog: frutto dall’unione delle parole web e log il blog è a tutti gli effetti
un diario online. In queste pagine web i blogger possono pubblicare
contenuti testuali arricchiti spesso da contenuti multimediali come
video o gif animate. I blog possono essere gestiti da singoli individui o
da community. Tra le piattaforme di blog più famose troviamo
Wordpress e Tumblr.
-
Microblog: ha le stesse caratteristiche del blog ma con delle limitazioni
per i contenuti, Twitter ad esempio consente di pubblicare messaggi
testuali di massimo 140 caratteri.
-
Media sharing: in queste piattaforme gli utenti condividono,
visualizzano e commentano contenuti multimediali come video,
immagini e contenuti audio. I social media di riferimento sono
YouTube, Instagram, Pinterest, e Soundcloud.
In una logica più network-oriented Hansen et al. (2010) hanno elaborato un
framework per classificare i vari strumenti social sulla base di un set di
dimensioni all’interno delle quali ciascun social media trova collocazione. In
questo modello di comparazione le dimensioni chiave sono le seguenti:
!
-
la dimensione della popolazione di produttori e consumatori;
-
il ritmo delle interazioni;
-
la tipologia degli elementi base;
-
il controllo degli elementi base;
156!
-
la tipologia di connessioni;
-
la conservazione dei contenuti.
-
Dimensione della popolazione di produttori e consumatori: in gran
parte dei social media la popolazione dei produttori coincide con quella
dei consumatori di contenuti. Tuttavia differenziare le due tipologie di
utente può essere utile per descrivere le differenti funzionalità dei
social media. I social media possono variare a seconda del numero di
produttori e consumatori. Mentre ad esempio la creazione e l’invio di
una e-mail è generalmente riservata ad un solo produttore, un
documento wiki può essere concepito da molteplici utenti che
contribuiscono alla sua realizzazione. Inoltre, la dimensione degli
utenti che producono o fruiscono i contenuti può incidere anche sulla
tipo di audience che un individuo può raggiungere (tabella 2.4).
!
157!
Tabella 2.4 – Alcuni esempi di social media in base alla dimensione della
popolazione.
Dimensione della
popolazione dei
consumatori
Piccola
Dimensione della popolazione dei produttori
Piccola
Media
Grande
Instant messaging
Facebook
messanger
Video chat
Online survey
Twitter homepage
News feed dei
social network
Suggerimenti
personalizzati in
base a sistemi di
raccomandazione
Media
Social o family
blog
Pagina di profilo
su social network
Tweet inviato ai
followers
Post in bacheca su
Facebook
Blog popolare
Podcast o webcast
Tweet inviato da
un profilo popolare
Video popolare su
Youtube
Gruppo di blog di
nicchia
Chat room
Wiki
Gruppi
di
Facebook
Canali di Youtube
di nicchia
Siti di rating di
news (Digg)
Pagine
di
Wikipedia
Forum popolari
Siti
per
generazione
idee
Grande
la
di
Grandi
marketplace
(eBay)
Youtube
Flickr
Multiplayer game
di massa
Fonte: Elaborazione da Hansen et al. 2010
Strumenti social come chat o instant messaging consento ad un
individuo di interagire con un numero ristretto di utenti. Altre
piattaforme, come ad esempio Twitter o Facebook permettono di
raggiungere gruppi di media dimensione. Infine, social media come
blog popolari, video virali caricati su YouTube o tweet inviati da utenti
con un elevato numero di follower, consentono agli utenti di
raggiungere un audience più vasta.
-
Ritmo delle interazioni: i social media possono essere organizzati
anche secondo il ritmo con cui avvengono le interazioni. La tradizione
!
158!
distinzione è tra i sistemi caratterizzati da una comunicazione
asincrona e quelli in cui la comunicazione è sincrona. Nei sistemi dove
la comunicazione è asincrona come ad esempio l’e-mail o i forum di
discussione, non vi è interazione immediata mal’interazione tra due
utenti può essere estesa a ore, giorni o settimane. Al contrario sistemi
di comunicazione sincrona come instant messaging, chat e
videoconferencing, l’interazione avviene nello stesso momento come
accade nell’intervista face-to.face e nelle chiamate telefoniche.
-
Tipologia di elementi base: si parla di “oggetti digitali” per descrivere
gli elementi che stanno alla base di ciascun social media. Un tweet ad
esempio è costituito da un messaggio testuale di non più di 140
caratteri, mentre un post di un blog può essere un testo lungo anche
diversi paragrafi. I singolo social media si sono spesso evoluti intorno
ad un particolare elemento digitale. Youtube ad esempio è diventato
celebre per via dei video, così come flickr o instagram per le foto.
In pratica, gli oggetti digitali sono gli elementi su cui si basano le
relazioni all’interno dei social media. Conoscerli significa definire in
maniera ancora più approfondita una piattaforma social.
-
Controllo degli elementi di base: ciascun social media può consentire
un differente livello di controllo sugli elementi di base. Possono esserci
delle restrizioni su chi può editare, leggere, invitare, condividere,
!
159!
rispondere o inscriversi a contenuti di varia natura. Alcuni sistemi si
differenziano poi per lo status degli utenti che potrebbero essere da
utenti anonimi ad amministratori come nel caso dei forum in cui gli
utenti che amministrano il canale hanno un controllo maggiore sul
network. Un’online community perciò potrà essere identificata in base
alla tipologia di barriere all’ingresso. In quasi tutti i social media ad
esempio per accedere ai contenuti è necessario creare un account. In
altri casi, un utente non registrato non ha accesso alla totalità delle
funzionalità della piattaforma.
-
Tipologia di connessioni: gli elementi base dei social media possono
essere connessi in svariate modalità. Nell’ottica di un’analisi del
network, risulta fondamentale comprendere come si sviluppano
connessioni e legami all’interno delle piattaforme social.
Ciascun elemento base o “oggetto digitale” può essere connesso ad un
altro essenzialmente mediante connessioni esplicite o implicite.
Gli utenti possono intenzionalmente e consapevolmente creare
connessioni esplicite come ad esempio la comune richiesta di amicizia
o contatto che avviene nei social network in cui per far sì che avvenga
la connessione, entrambi gli utenti dovranno approvare tale legame.
Altri esempi possono riguardare il seguire un utente su Twitter o il
“taggare” più foto o video con lo stesso tag.
!
160!
Le connessioni implicite, sebbene siano anch’esse frutto di azioni
volontarie, si generano tra due utenti nonostante non vi sia un
intenzione esplicita a connettersi. Due utenti possono ad esempio
commentare lo stesso video su YouTube o lo stesso articolo di blog.
Così come possono trovarsi in uno stesso gruppo di Facebook o di
Linkedin o in una stessa mailing list. Questi individui potrebbero non
conoscersi tra loro ma si trovano comunque ad essere connessi per via
di interessi, scopi o passioni in comune.
-
Conservazione dei contenuti: i sistemi di social media variano anche a
seconda del tempo di conservazione dei contenuti. Anche su questo
tema, lo spettro delle soluzioni è piuttosto ampio: si passa da una
conservazione dei contenuti praticamente permanente come avviene
nella cronologia dei contributi delle pagine wiki, alla quasi immediata
eliminazione dei contenuti prodotti all’intento dei sistemi di instant
messaging o video chat. Molti dei social media sono situati in una
posizione intermedia. Ad esempio i messaggi inviati tramite Twitter
vengono conservati per un periodo che corrisponde a circa 10 giorni.
Tali standard sono strettamente legati con le problematiche legate alla
capacità di storage del flusso di dati che quotidianamente si genera.
!
161!
4.3 I principali Social Media
In questa sezione si fornirà una breve descrizione dei social media più diffusi per
categoria in ottica di marketing, con l’obiettivo di individuare il ruolo che ciascun
strumento può ricoprire all’interno di una strategia di marketing digitale. I social
media individuati per la ricerca sono quelli più utilizzati dalle imprese per scopi di
marketing58.
Per quanto riguarda i social networks sono stati scelti Facebook e Linkedin, per la
categoria dei microblog è stato scelto Twitter e per le piattaforme di media
sharing YouTube, Pinterest ed Instagram.
-
Facebook: è’ un servizio di social networking fondato nel 2004. Con
oltre 1 miliardo di utenti attivi mensilmente è il social network più
diffuso nel mondo59 . Gli utenti creano dei profili personali la cui
interfaccia appare sotto forma di bacheca o pagina di profilo nella
quale è possibile inserire contenuti di vario genere come commenti
(status update), immagini, video e collegamenti a contenuti esterni.
Gli utenti interagiscono esprimendo apprezzamenti sui contenuti (like)
condividendoli a loro volta o lasciando un commento. Essi possono
entrare in contatto mediante richieste di amicizia. In questa piattaforma
!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!
58
Social Media Examiner, 2014, “2014 Social Media Marketing Industry Report. How Marketers
Are Using Social Media to Grow Their Businesses” May 2014
59
In March 2013, active users on Facebook are 1 billion and 110 million Source: "Facebook
Reports First Quarter 2013 Results". Facebook. Retrieved May 2, 2013.
!
162!
le imprese possono creare delle fan page relative ai loro brand ed
interagire con gli utenti (fan) che si avvicinano a questa pagina.
Sono numerosi i servizi aggiuntivi che negli anni sono comparsi su
Facebook, come ad esempio Graph Search60, la possibilità di utilizzare
gli hashtag 61 o la possibilità di integrare le proprie pagine con
applicazioni esterne prodotte da altri sviluppatori. Il contributo della
ricerca per lo studio dell’utilizzo di Facebook per i brand è ancora
limitato (Zhang, Sung and Lee, 2010; Smith, Fischer and Yonjian,
2012).
-
Linkedin E’ il più grande social network professionale, con oltre 200
milioni di membri iscritti62 e operante in oltre 200
Paesi. Mediante questa piattaforma gli utenti sono in grado di gestire e
condividere la loro identità professionale.
Secondo Bonsòn and Bednarova (2013) l’apporto più signigicativo che
ha dato Linkedin alle imprese è la possibilità di ampliare la loro attività
di recruitment a costi sostenibili (Lybaert, 2002). Diversi studi si sono
!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!
60
Facebook Graph Search is a semantic search engine that was introduced by Facebook in March
2013. Is designed to provide answers to user queries in the form of natural language, rather than as
a list of links. The function combines the Graph Search data acquired by Facebook users and
external data in a single search engine that provides search result user-specific.
61
The hashtag is a tag used in some type of social networks to create labels. They are made up of
words (or combinations of words concatenated) inserted in the comments preceded by the #
(pound). They are mainly used as tools to allow web users to more easily find a message related to
a topic and participate in the discussion, but also to encourage them to participate in the discussion
on a topic indicated as interesting.
62
http://blog.linkedin.com/2013/01/09/linkedin-200-million/
!
163!
focalizzati sull’impatto o sugli effetti degli strumenti di Linkedin di cui
molti sono legati al profilo degli utenti (Breitbarth, 2012; Guillory and
Hancock, 2012).
-
YouTube: è una piattaforma di media sharing fondata nel 2005. Gli
utenti pubblicano video i quali possono essere commentati e condivisi
su altri social media. Gli utenti possono organizzare i propri video
creando dei “canali” personali. Secondo una ricerca condotta da
Forrester (2012) il video è il contenuto online più fruito dai
consumatori. In ambito commerciale, oltre il 50% degli utenti sul web
preferisce quindi la visualizzazione di un video piuttosto che la lettura
di una review o un articolo di blog. Sempre secondo la ricerca,
guardare video prodotti da brand risulta la terza modalità più frequente
con cui gli utenti interagiscono con le imprese. Oltre ad essere una
piattaforma dedicata a contenuti di intrattenimento, YouTube è
un’ottima risorsa per visualizzare contenuti informativi come tutorial o
istruzioni. Da sottolineare che mentre i video che ottengono più
visualizzazioni sono prodotti professionalmente (Kruitbosch and Nack,
2008), quelli che ottengono più commenti sono prodotti da utenti finali
(Burgess and Green 2009).
-
Twitter: è l’unica piattaforma che ha come limitazione testuale 140
caratteri per messaggio. La sua attrattività deriva dalla possibilità di
!
164!
leggere le notizie e le informazioni più recenti. Il servizio di microblogging, fondato nel 2006, consente ai marketers di inviare questi
brevi messaggi (tweets) ad un network di seguaci (followers) in
qualsiasi momento e con una miriade di supporti elettronici (Twitter,
2013). Ogni utente può inoltre condividere un tweet letto (re-tweet) o
replicare scrivendo direttamente all’utente interessato. Anche in questo
social media, l’utilizzo degli hashtag è molto importante e frequente.
Jansen et al. (2009) hanno notato che il 19% dei tweet è brand-related,
tuttavia, in quasi la metà di questi casi, il brand non è l’elemento
centrale del contenuto del post. Nei tweet dove il brand è l’elemento
focale, gli utenti esprimono opinioni relative al brand o cercano
informazioni relative a prodotti o servizi offerti.
-
Nuovi social media : ai fini di rappresentare al meglio lo scenario
attuale del social media marketing, si è ritenuto opportuno includere
nell’oggetto di studio due social media Pinterest e Instagram. Pur
essendo relativamente nuovi – entrambi sono stati lanciati nel 2010 – si
è assistito ad una rapida diffusione tra gli utenti63 dovuta soprattutto
alla crescita del mobile, che li ha resi strumenti interessanti e appetibili
per i brand (McNely, 2012).
!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!
63Pinterest
founded in 2010 in 2013 reached 242 million members with an increase of 150%
compared to 2012 (Global Web Index). Instagram App, also launched in 2010, reached 150 milion
montly active users in 2013 (Wikipedia).
!
165!
Entrambi i social media in questione sono piattaforme di image
sharing mediante le quali gli utenti condividono immagini e foto
scattate spesso con dispositivi mobile. Mediante questi social, i brand
sono in grado di veicolare la propria identità associandola spesso ad
elementi intangibili come stile, cultura mission e vision aziendale.
Faber (2002) introduce il contetto di image-power per descrivere la
capacità dei brand di comunicare una propria immagine verso
l’esterno fissandola così nell’immaginario dei consumatori. In
quest’ottica, i social basati sulla condivisione di immagini, possono
rappresentare un mezzo per allineare l’immagine interna di un
impresa con quella che viene percepita all’esterno dai suoi
stakeholders.
-
Pinterest: fondato nel 2010 da Evan Sharp, Ben Silbermann e Paul
Sharra, è un social media dedicato alla condivisione di fotografie,
video ed immagini. Gli utenti possono caricare, salvare, ordinare o
gestire immagini mediante l’utilizzo di puntine virtuali “pins” tramite
le quali è possibile collezionare contenuti all’interno di “bacheche” che
fungono da contenitori e che spesso sono organizzate per tematiche.
Ciascun utente può inoltre condividere a sua volta (re-pin) un
contenuto trovato in bacheche altrui. Pinterest offre dei servizi dedicati
alle imprese come Pinterest for business, un servizio che supporta le
!
166!
imprese nella creazione di un proprio profilo da utilizzare per scopi di
marketing.
-
Instagram: si configura come un applicazione mobile il cui
funzionamento rispecchia le logiche dei social media. Instagram
consente agli utenti di scattare foto, applicare filtri e condividerle sulla
piattaforma e su tutti i principali social media. L’app è disponibile per
supporti con sistema operativo iOs, Android e Windows Phone. Anche
in questa piattaforma l’utilizzo degli hashtag è una funzione
fondamentale.
!
167!
Capitolo 5 – Un modello applicativo della Social Network Analysis
Nel capitolo precedente è stata descritta in maniera approfondita la tecnica della
Social Network Analysis focalizzandosi in particolare sui suoi possibili campi
applicativi come strumento di ricerca di marketing. La SNA può essere impiegata
infatti ai fini di comprendere la struttura e le dinamiche del network sociale in cui
è inserita un’impresa. In un marketing sempre più attento al “capitale relazionale”
e quindi al rendere profittevoli le relazioni che prendono vita nell’ambiente in cui
opera l’impresa, può risultare alquanto strategico comprendere quali siano gli
attori più rilevanti che fanno parte dello scenario e le modalità in cui essi
interagiscono. Un altro aspetto molto importante ai fini di questo lavoro è il fatto
che, grazie alla nascita e alla rapida diffusione dei social media, unita allo
sviluppo di nuovi software sempre più “user-friendly”, la SNA ha trovato un
esteso campo applicativo nello studio dei network sociali che si generano
all’interno delle piattaforme nate nel web 2.0.
In quest’ottica, mediante la SNA, risulta possibile quindi effettuare delle vere e
proprie mappature delle reti di relazioni di un’impresa che presidia le varie
piattaforme social.
Obiettivo di questo lavoro è quello di individuare e proporre un modello di social
network analysis marketing – oriented, mediante l’applicazione del software
NodeXL. Nel presente capitolo si procederà quindi con una descrizione delle
caratteristiche generali del software. Successivamente si discuteranno gli aspetti
!
168!
metodologici e operativi del modello di analisi. In quest’ottica verranno presentati
i dati prodotti dalla mappatura di due network generati all’interno del social media
Twitter:
•
Il profilo ufficiale Twitter di un noto brand italiano
•
L’hashtag relativo al nome del brand
5.1 NodeXL, lo strumento open source della Social Media Research
Foundation
NodeXL è un’applicazione in grado di facilitare la complessa tecnica della SNA.
Essendo un plug-in, NodeXL è in grado di interfacciarsi completamente al
programma Excel, per cui il framework su cui ci si trova a lavorare è identico ad
una comune spreadsheet. Il programma consente di effettuare una serie di
operazioni integrate tra cui raccogliere, immagazzinare, analizzare, visualizzare e
pubblicare dataset provenienti dai network (Smith, 2013).
Uno dei punti di forza di NodeXL rispetto ad altre applicazioni di SNA è la sua
capacità di supportare dataset provenienti da tutti i principali social media come
ad esempio (Twitter, Facebook, YouTube, Flickr, email, blog, wiki etc.).
L’applicazione consente pertanto l’accesso alla pratica della SNA anche a quei
ricercatori che non dispongono delle competenze tecniche e informatiche
necessarie a condurre un complesso processo di network analysis (Hansen et al.,
2010).
!
169!
NodeXL può essere potenzialmente applicabile a qualsiasi tipologia di network
ma è stato concepito e sviluppato soprattutto per semplificare l’accesso alle fonti
di dati provenienti da social media.
Operativamente il software è concepito come un mix di automazioni e operazioni
manuali che consentono di intervenire direttamente sul network per individuare
gli insight e le metriche più rilevanti ai fini della propria analisi.
Come accennato in precedenza il “workflow” di NodeXL è costituito da degli step
ben precisi:
-
raccolta dati;
-
storage di dati;
-
analisi;
-
visualizzazione;
-
pubblicazione.
NodeXL nasce dal progetto dell’organizzazione non-profit Social Media Research
Foundation 64 ed è tutt’ora supportato da un collettivo internazionale di
contributors provenienti da discipline sociali e informatiche (figura 1.5).
Gli studiosi coinvolti hanno contribuito a sviluppare il codice sorgente del
software rendendolo open source e quindi fornendo la possibilità a chiunque di
!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!
64!http://www.smrfoundation.org/
!
170!
implementarlo. NodeXL è inoltre distribuito in free license 65 , è pertanto
consentito a chiunque di modificarlo o sfruttarlo commercialmente.
Il progetto attualmente è in attività ed è aggiornato frequentemente, oggi, rispetto
alla prima versione realizzata che risale a dicembre 2008, conta oltre un centinai
di release66.
Figura 1.5 – Il team di sviluppatori di NodeXL
Fonte: https://nodexl.codeplex.com/
!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!
65
https://nodexl.codeplex.com/license
66!
http://nodexl.codeplex.com/wikipage?title=CompleteReleaseHistoryPage2&referringTitle=CompleteRelease
History
!
!
171!
5.2 Metodologia e costruzione del modello di analisi
Come introdotto in precedenza, l’obiettivo di questo lavoro è contribuire a fornire
una chiave di lettura all’applicazione della social network analysis come
strumento di ricerca di marketing.
Pertanto, la metodologia adottata è quella della Internet research. Tale
metodologia consente di utilizzare dati provenienti da sitiweb, forum e social
media mediante un’osservazione non intrusiva tipica della ricerca negli ambiti
delle scienze sociali (Hine, 2011).
L’Internet Research o Online Research Methods (ORMs) racchiudono tutte quelle
modalità di raccolta dati via internet (Reips, 2012).
Molti di questi metodi di ricerca on-line sono legati a metodologie esistenti ma
che sono state re-inventate o re-immaginate sulla base alla luce dell’avvento delle
nuove tecnolgie e delle condizioni associate alle caratteristiche della rete (Seale et
al, 2010). In particolare si fa riferimento alla diffusione dei social media (capitolo
4) i quali hanno fornito nuove ed uniche opportunità di comprensione delle
dinamiche sociali (Thelwall’s, 2008; Cheong e Lee, 2011).
I social media vengono quindi concepiti come piattaforme da cui poter estrarre
ampi dataset (Repis e Garaizar, 2011) o fieldworks per condurre esperimenti
interamente sotto il controllo dei ricercatori mediante l’utilizzo di software
dedicati (Repis e Garaizar, 2013).
!
172!
La raccolta di dati non intrusiva mediante internet è, rispetto alle tecniche
tradizionali, un’attività meno dispendiosa in termini di lavoro sia per il
ricercatore, sia per l’oggetto della ricerca stessa (Hine, 2006). I dati disponibili
online infatti fanno riferimento ad azioni già compiute o a contenuti già
pubblicati, per cui il contributo dei soggetti coinvolti è già presente e disponibile
per il ricercatore. Inoltre il web consente al ricercatore di indagare su aspetti della
vita che prima potevano essere considerati effimeri.
Vi sono poi tutta una serie di aspetti legati alla cautela con cui un ricercatore deve
approcciare a tale metodologia. Il libero accesso ai dati deve essere costantemente
abbinato ad un’elevata attenzione ai temi legati all’etica del ricercatore e alla
garanzia della privacy dei soggetti studiati. Ovviamente il tema diventa
maggiormente rilevante all’aumentare della profondità della metodologia online
con cui è condotta la ricerca.
In quest’ottica è stata effettuata un’analisi sul campo di due network mediante il
software open source NodeXL utilizzato per la raccolta dei dati provenienti dalle
conversazioni e comunità oggetto d’analisi sul social media Twitter. NodeXL ha
generato quindi una mappa per la visualizzazione grafica del network mediante la
quale è stato possibile individuare utenti chiave, gruppi e topic rilevanti (Smith et
al. 2014). I grafi creati per visualizzare il network sono stati costruiti disegnando
linee tra utenti connessi tra loro, in questo caso da tweet, mentions e @replies,
elementi che verranno descritti successivamente.
!
173!
Di seguito si riportano gli step operativi della social network analysis (Smith,
Rainie, Himelboin e Shneiderman, 2014):
1) è stato utilizzato NodeXL per importare e raccogliere i dati provenienti da
Twitter, in questo caso sono stati individuati sia i tweet contenenti
l’hashtag di un noto brand italiano (che per motivi di privacy, in questo
lavoro verrà indicato come #nomebrand), sia i tweet provenienti dal
network relativo al profilo ufficiale del brand.
2) Il software ha analizzato i dataset oggetto di studio, individuando le
connessioni generate nel momento in cui un utente menzioni o replichi
(@replies) un altro utente.
3) L’analisi dei network sono state effettuate mediante NodeXL che ha poi
automaticamente costruito gruppi di utenti. Tale processo di clustering è
stato realizzato sulla base di un algoritmo che colloca ciascun vertice nel
gruppo in cui ha più connessioni.
4) NodeXL ha poi elaborato una mappatura del social network in cui
vengono rappresentati gli utenti (indicati dalla loro foto del profilo), i
gruppi ripartiti in quadranti, e linee che rappresentano gli edges ovvero le
connessioni tra i gli utenti del network.
I due network mappati oggetto di studio appartengono ad un noto brand
italiano che, per motivi di privacy non verrà menzionato. Il social media preso
in esame è il microblog Twitter di cui si è proceduto ad analizzare:
!
174!
-
il network relativo al profilo ufficiale del brand;
-
l’hashtag relativo al nome del brand.
Per quanto riguarda gli aspetti metodologici, questo lavoro si è avvalso della
collaborazione e supporto della sopra citata Social Media Research Foundation
con sede in California che ha contribuito all’estrazione del dataset.
Una volta estratti e immagazzinati i dati relativi al network all’interno del
software si è proceduto con l’individuazione del modello di analisi sulla base di
metriche chiave.
Il modello di analisi consiste pertanto nell’individuazione e descrizione delle
metriche che in letteratura sono considerate rilevanti in ottica di marketing e che
possono essere individuate e calcolate mediante l’applicazione di NodeXL al
network oggetto di studio.
Di seguito verranno presentati e descritti i contenuti del modello di analisi.
Tabella 1.5 – Modello di analisi, descrizione delle metriche
ELEMENTI
DEL
NETWORK
METRICA
Tipologia di
grafo
N° dei vertici
Metriche
Globali
Edge Unici
Edge duplicati
Edge totali
!
DESCRIZIONE
IMPLICAZIONI DI
MARKETING
Specifica se il network è diretto o
indiretto.
Esprime il numero totale dei
vertici.
Esprime il numero dei legami
unici presenti nel network.
Esprime il numero di volte in cui
due vertici hanno avuto un
legame.
Esprime il numero totale di
edges.
Panoramica sul
contesto social in
cui opera
l’impresa
175!
Densità del grafo
Reciprocità
Tipo di relazione
Edges
Peso
In-degree
Out-degree
Betweenness
Centrality
Vertici
Closeness
Centrality
Eigenvector
Centrality
Gruppi
Cluster
Group edges
Group vertices
!
Indica il grado di
interconnessione tra i vertici del
network. È un valore che può
andare da 0 a 1 ed è calcolato
come il rapporto tra gli edges
presenti nel network con il
numero massimo possibile di
edges.
Specifica se la relazione tra i due
vertici sia reciproca o meno.
Specifica il tipo di relazione in
base alle funzionalità del social
media preso in esame.
Misura “l’intensità” e quindi la
frequenza del legame tra due
vertici.
Esprime il numero di connessioni
che giungono ad un particolare
vertice
Esprime il numero di connessioni
che hanno come punto di origine
un dato vertice
È la misura di quanto spesso un
dato vertice si trova sul percorso
più breve tra due vertici. Anche
chiamata come Bridge Score,
esprime appunto la capacità di un
vertice di fare “da ponte” ad altri
due vertici.
Misura la distanza media tra un
dato vertice e il resto dei vertici
del network
Misura la “qualità” delle
relazioni in base non al numero
ma alla tipologia di vertici a cui
un dato vertice è connesso.
Vengono identificati dei gruppi
tra i vertici che hanno più
connessioni.
Esprime il numero di connessioni
esistenti tra i vari gruppi
Individua i vertici appartenenti a
176!
Panoramica sulla
natura delle
relazioni
all’interno del
network
Popolarità degli
users
“Hub”
Capacità di
collegamento tra
due nodi o due
gruppi
“Bridge”
Distanza dal resto
del network
Influenza sul
network
Segmentazione
dell’audience
social
dell’impresa.
Parole
Coppie di parole
Twitter top items
Items
ciascun gruppo
Individua le parole più frequenti
contenute nei tweet prodotti
all’interno del network
Individua le coppie di parole più
frequenti contenute nei tweet
prodotti all’interno del network.
Vengono individuati gli elementi
più condivisi dall’intero network
e da ogni singolo gruppo:
- URLs
- Domini
- Hashtag
- Utenti per numero di
mentions
- Utenti per numero di
tweet
Insights per
sviluppare una
strategia di social
media marketing
Fonte: Elaborazione propria
Il modello di analisi presentato è costituito da quelle metriche che la letteratura
considera rilevanti per la social network analysis. Tali metriche sono state poi
declinate negli ambiti del marketing focalizzandosi in particolare sulla loro
valenza come strumenti a supporto della ricerca. Mediante l’applicazione del
software NodeXL è infatti possibile effettuare una mappatura dei network sulla
base di queste misurazioni che di seguito verranno affrontate in forma aggregata:
-
Metriche globali: forniscono una valutazione complessiva del network
(Hill et al., 2006; Leskovec e Faloutsos, 2006). Sono utili a quantificare
elementi come la dimensione del network, il numero totale degli attori
coinvolti e le relative connessioni che si generano. Per un’impresa, le
metriche globali rappresentano un primo elemento di valutazione del
!
177!
contesto social che ha creato e in cui si trova ad operare (Frenzen e
Nakamoto, 1993).
-
Edges: come descritto nel capito 3, sono tra gli elementi che stanno alla
base di un network. Le metriche relative agli edges consentono pertanto di
ottenere informazioni circa il numero, la natura e il “peso” delle
connessioni che si instaurano all’interno del social network oggetto
d’analisi (Granovetter, 1973 e 1983; Brown w Reingen, 1987). Per natura
della connessione si intende la tipologia di legame tra due vertici che può
variare a seconda di quale social media venga adottato come fieldwork.
Poiché in questo lavoro si prende in esame la piattaforma social Twitter, le
modalità di interazione67 individuate nel network sono:
•
Tweet: qualsiasi messaggio testuale pubblicato sulla piattaforma
Twitter, si ricorda la limitazione dei 140 caratteri.
•
@replies: è una specifica funzione che consente di rivolgersi, mediante
l’apposito Reply button, direttamente ad un utente che vedrà la notifica
nella sua mention tab, ovvero un’apposita area in cui vengono raccolti i
tweet in cui un utente viene menzionato.
•
Mentions: ovvero qualsiasi tweet contente un nome di un utente
preceduto dal simbolo @ (es. @username). Anche questo particolare
tipo di tweet sarà disponibile nell’area mention tab dell’utente
!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!
67!https://support.twitter.com/articles/14023!
!
178!
menzionato. Per fare chiarezza, tutti i @replies sono anche mentions
mentre non può essere il contrario.
In ottica di marketing, effettuare una analisi degli edges può fornire
preziose informazioni sia quantitative che qualitative circa le modalità di
connessioni che esistono all’interno di un network di un’impresa
(Iacobucci e Ostrom, 1996; Reingen et al, 1984; Thomson et al., 2005).
-
Vertici: le metriche più funzionali alle ricerche di marketing sono
sicuramente quelle relative agli attori che, mediante le loro connessioni,
danno vita al network stesso. I vertici sono, insieme agli edges, gli altri
elementi costitutivi di una rete sociale. Dal calcolo di metriche come
degree, betweenness centrality, closeness centrality ed eigenvector
centrality, i ricercatori di marketing possono individuare all’interno del
network quelle figure potenzialmente strategiche nei confronti del brand
(Burt, 1987; Dorfman S., Maynor, 2006; Iyengar R et al, 2014) . Concetti
come popolarità o influenza, oppure la capacità di fungere da “ponte” sono
elementi che vengono accostati dalla letteratura a queste metriche. Gli
operatori di marketing hanno così la possibilità di identificare gli utenti
chiave da coinvolgere per realizzare le proprie strategie come ad esempio
veicolare una campagna di viral marketing (Watts e Dodds, 2007;
Domingos, 2005), lanciare nuovi prodotti e comprenderne le modalità di
diffusione o semplicemente individuare e stringere rapporti con
!
179!
influenzatori del mercato (Machanda Xie e Youn, 2008; Trusov et al.,
2010).
-
Cluster: una delle funzionalità più potenti tipiche dell’applicazione
NodeXL è la possibilità di suddividere il network in gruppi o cluster. I
gruppi si creano mediante degli algoritmi che consentono di raggruppare i
vertici caratterizzati da più connessioni. Le metriche inerenti ai cluster
consentono ai ricercatori di marketing di effettuare una serie di valutazioni
non più sull’intero network indistinto ma su segmenti ben definiti di utenti
che evidentemente sono legati da maggiori connessioni come ad esempio
passioni comuni, orientamenti politici o affinità culturali (McAlexander et
al., 2002; Thompson e Rajiv, 2008). Grazie alla metrica Group edges è
possibile inoltre comprendere se e in che misura i gruppi sono connessi tra
loro.
-
Items: si tratta di tutte quelle metriche relative agli elementi che vengono
individuati all’interno dei contenuti prodotti. Nel caso di Twitter, si fa
riferimento alle parole e coppie di parole comparse con maggior frequenza
nei tweet, nonché agli hashtag, URL 68 e indirizzi web che vengono
“linkati”. Queste valutazioni consentono al marketing da un lato di avere
!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!
!Acronimo di Uniform Resource Locator, nella terminologia delle telecomunicazione
dell’informatica è una sequenza di caratteri che identifica univocamente l’indirizzo e di una risorsa
in internet presente tipicamente su un server, come ad esempio un documento, un’immagine, un
video, rendendola così accessibile ad un utente client che ne faccia richiesta attraverso l’utilizzo di
un web browser.
68
!
180!
un quadro generale di quelle che possono essere le parole chiave o i temi
rilevanti che emergono dall’audience online e, dall’altro lato, di “uscire”
virtualmente dalla piattaforma Twitter, andando a individuare quei
contenuti che maggiormente vengono accostati alla comunità online che si
è generata intorno al brand. In quest’ottica, una conoscenza approfondita
di questi elementi: contenuti rilevanti e potenziali interlocutori, può
rappresentare una linea guida per la pianificazione e la realizzazione di
una strategia basata di marketing basata sui social media.
5.3 Presentazione dei risultati – hashtag #nomebrand
In questo paragrafo si procederà con la presentazione dei risultati dell’analisi
condotta sul network sociale relativo all’hashtag avente come oggetto il nome
del brand. L’hashtag è uno strumento di ricerca molto popolare nel social
media Twitter. È rappresentato dal parole chiave utilizzare come etichette ( da
qui la parola “tag”), precedute dal simbolo del cancelletto “#”. Esploso grazie
a Twitter a partire dal 200769, si è poi rapidamente diffuso in altri social media
come in particolare Instagram, Google+ e per ultimo Facebook. L’hashtag
oggi viene utilizzato soprattutto per lanciare campagne di promozione,
sensibilizzazione, controinformazione e boicottaggio70 , oppure per costruire
un identità di un brand o per raccontare gli accadimenti legati ad un evento
!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!
69!Il
primo hashtag rilevato fu #sandiegofire relativo all’incendio in California dell’ottobre 2007.
fa riferimento a campagne come #Bahrain l’hashtag lanciato nel 2011 a supporto della
primavera Araba.
70!Si
!
181!
come una fiera, una convention o un match. Secondo il sito Mashable.com, ad
oggi, circa il 70% dei contenuti veicolati sui social media contengono un
hashtag, si ritiene inoltre che un tweet che ne contenga almeno uno ha il 50%
delle probabilità in più di essere re-twittato.
La figura 2.5 mostra il grafo ottenuto mediante mappatura del network sociale
creato dall’hashtag #nomebrand. Si ricorda che per motivi di privacy il grafo è
reso disponibile in bassa definizione.
Figura 2.5 – Grafo dell’hashtag di Twitter #nomebrand
Fonte: Elaborazione propria
!
182!
Il grafo è la rappresentazione grafica del network71 relativo all’hashtag. Il
grafo rappresenta un network di 54 utenti Twitter i quali durante il periodo di
rilevazione 8/01/2015 – 15/01/2015, hanno inserito nei loro tweet l’hashtag
oggetto di indagine. La struttura del grafo è stata predisposta utilizzando
l’algoritmo per il layout Fast Multiscale di Harel-Koren72. I vertici sono stati
raggruppati in cluster mediante l’algoritmo per cluster di Clauset-NewmanMoore73.
Graficamente, la larghezza degli edges è basata sulla metrica del peso mentre
la dimensione dei vertici è basata sul numero di follower che essi hanno su
Twitter.
Le metriche globali relative al network sono presentate nella tabella 2.5
Tabella 2.5 – Metriche Globali
Metriche Globali
Tipologia di grafo
N° di vertici
Diretto
54
Edges unici
74
Edges duplicati
25
Edges totali
99
Densità del grafo
0,0248
Fonte: Elaborazione propria
!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!
71!Tecnicamente
l’hashtag non produce un suo proprio network all’interno di Twitter, si può
parlare pertanto di network bimodale generato dalle connessioni tra tutti gli utenti che hanno
utilizzato l’hashtag oggetto di studio (Hansen et al. 2010).
72!Harel D., Koren Y., (2001). A Fast Multi-Scale Method for Drawing Large Graphs
73!Clauset A., Newman M. E. J., Moore C., (2004). Finding community structure in very large
networks.
!
183!
Come si evince dalla tabella il grafo è di tipo diretto il che significa che gli edges
che lo costituiscono hanno una chiara origine e una destinazione. Il network è
composto da 54 vertici connessi per un totale di 99 edges. La densità del grafo è
pari a 0,0248.
Tabella 3.5 – Edges
Edges
Reciprocità
Tipo di relazione
Peso della relazione
Fonte: Elaborazione propria
Edges reciproci: 2
Edges non reciproci: 97
Tweet: 19
Mention: 77
@replies: 3
Valore massimo rilevato: 4
La tabella 3.5 consente di fare una panoramica sulle connessioni le quali solo 2 di
esse sono reciproche. La maggiorparte dei tweet 77 sono delle mention, 19 tweet
puri e 3 replies. La frequenza massima (peso) di una connessione tra due vertici
che è stata rilevata è 4.
Per la presentazione dei risultati delle metriche relative ai vertici, per ciascun
valore, si mostreranno i primi 10 utenti informa anonima.
!
184!
Figura 4.5 – Primi 10 utenti in forma anonima per In e Out degree e relativi
Subgrafi
Fonte: Elaborazione propria
!
185!
Figura 5.5 – Metriche vertex-specific, primi 10 utenti in forma anonima per
ciascun valore e relativi subgrafi.
Fonte: Elaborazione propria
!
186!
Tabella 4.5 – Cluster
Cluster
G1
G2
Vertici
19
9
G3
Edges unici
23
10
Edges doppi
9
0
Edges totali
32
10
9
8
4
12
G4
7
5
4
9
G5
6
8
0
8
G6
2
2
0
2
G7
2
2
0
2
Fonte: Elaborazioni propria
Tabella 5.5 – Group Edges
Group'1'
G1'
G1'
G1'
G1'
G2'
G2'
G2'
G2'
G3'
G4'
G4'
G5'
G5'
G6'
G7'
G7'
Group'2'
G1'
G2'
G4'
G5'
G1'
G2'
G4'
G5'
G3'
G1'
G4'
G1'
G5'
G6'
G1'
G7'
Edges'
32'
4'
2'
1'
8'
10'
2'
2'
12'
2'
9'
2'
8'
2'
1'
2'
Fonte: Elaborazione propria
Come si evince dal grafo rappresentato nella figura 2.5, il network è costituito da
7 cluster, è importante evidenziare che il profilo Twitter del brand assume una
!
187!
posizione centrale nel gruppo 1 ed è il vertice con Betweenness Centrality e
Eigenvector Centrality più elevate all’ interno di tutto il network. I successivi
gruppi rappresentano cluster di utenti sempre più “distanti” dal profilo del brand e
quindi non connessi direttamente con esso. È possibile quindi sostenere che il
brand abbia una posizione rilevante tra quegli utenti che nei loro tweet includono
l’hashtag relativo al nome dell’azienda.
Le tabelle seguenti rappresentano gli Items ovvero quegli elementi che sono
contenuti all’interno dei tweet del network.
Tabella 6.5 – I principali URL condivisi all’interno del network
Top'URLs'in'Tweet'in'Entire'Graph'
http://DressedUpInDetroit.com'
http://www.facebook.com/photo.php?fbid=587683481376562'
http://instagram.com/p/x1kCSfm6bt/'
https://www.linkedin.com/slink?code=dc!Dzwr'
https://www.linkedin.com/slink?code=dABSpBU'
http://instagram.com/p/x4E6NiG5L3/'
http://instagram.com/p/xzIHtHm5CF/'
http://www.elle.it/Moda/Sfilate/Nick!Wooster!Instagram!influencer!stile!moda!uomo'
http://instagram.com/p/x3jTlNhkI6/'
https://www.tumblr.com/ZKt!Ov1ahCiCH'
Fonte: Elaborazione propria
!
188!
Entire'Graph'Count'
2'
2'
2'
1'
1'
1'
1'
1'
1'
1'
Tabella 7.5 – Domini condivisi con più frequenza all’interno del network
Entire'
Graph'
Count'
16'
4'
3'
2'
2'
1'
1'
1'
Top'Domains'in'Tweet'in'Entire'Graph'
instagram.com'
facebook.com'
Brand.it'
dressedupindetroit.com'
linkedin.com'
elle.it'
tumblr.com'
co.jp'
Fonte: Elaborazione propria
Tabella 8.5 – Pincipali hashtag presenti nel network
Entire'
Graph'
Count'
72'
35'
20'
17'
13'
11'
10'
9'
8'
7'
Top'Hashtags'in'Tweet'in'Entire'Graph'
Nome'brand'
pittiuomo'
pittiuomo87'
menswear'
fw2015'
pu87'
nickwooster'
Wooster'
Pitti'
Fashion'
Fonte: Elaborazione propria
!
189!
Tabella 9.5 – Parole più frequenti presenti nel network
Entire'
Graph'
Count'
94'
36'
28'
22'
20'
17'
13'
13'
11'
11'
Top'Words'in'Tweet'in'Entire'Graph'
Nome'brand''
Pittiuomo'
Nome'brand'official''
nickwooster'
pittiuomo87'
menswear'
pitti'
fw2015'
pu87'
da'
Fonte: Elaborazione propria
Tabella 10.5 – Coppie di parole più frequenti presenti nel network
Entire'
Graph'
Count'
15'
13'
13'
12'
10'
10'
10'
10'
10'
9'
Top'Word'Pairs'in'Tweet'in'Entire'Graph'
Nome'brand,pittiuomo'
pittiuomo,fw2015'
fw2015,menswear'
Nome'brand,'Nome'brand''
pittiuomo,Nome'brand''
casentino,bianco'
bianco,visto'
visto,da'
da,Nome'brand'
themenissue,casentino'
Fonte: Elaborazione propria
Questi ultimi dati confermano lo scenario precedentemente descritto, ovvero una
presenza molto forte del brand anche per quanto riguarda la condivisione di
contenuti non necessariamente legati a Twitter. Mediante questa particolare
!
190!
analisi, gli operatori di marketing sono in grado di individuare quei contenuti
rappresentati da URL, siti web, profili social, hashtag e keywords che gravitano
intorno al brand.
5.4 Presentazione dei risultati - @Profilobrand
In questo paragrafo vengono presentati i risultati della seconda mappatura che è
stata effettuata in questo lavoro ovvero quella relativa al network sociale del
profilo ufficiale Twitter del brand (figura 7.5). Anche in questo caso si è
proceduto con l’applicazione del modello di analisi e l’individuazione delle
metriche sopra discusse.
Figura 7.5 – Grafo del network di Twitter del profilo ufficiale @nomebrand
Fonte: Elaborazione propria
!
191!
Il grafo in figura rappresenta un network costituito da 144 utenti di Twitter
che nel periodo di analisi 9/01/2015 – 16/01/2015 hanno pubblicato tweet
contenenti “@nomebrand” oppure appaiono in questi tweet come utenti
mezionati o @replies to. Anche in questo caso il grafo è diretto. L’algoritmo
usato per il clustering è il Clauset-Newman-Moore mentra l’algoritmo per la
presentazione grafica è il Fast Multiscale di Harel-Koren. Graficamente, la
larghezza degli edges è basata sulla metrica del peso mentre la dimensione dei
vertici è basata sul numero di follower che essi hanno su Twitter.
Tabella 11.5 – Metriche Globali
Metriche Globali
Tipologia di grafo
N° di vertici
Diretto
144
Edges unici
271
Edges duplicati
216
Edges totali
487
Densità del grafo
0,0164
Fonte: Elaborazione propria
Come si può evincere anche dalla tabella, questo network è ben più ampio di
quello relativo all’hashtag sia per numero di utenti (144), sia per numero di
connessioni totali (487). La densità risulta invece inferiore ed è pari a 0,0164.
!
192!
Tabella 12.5 – Edges
Edges
Reciprocità
Edges reciproci: 70
Edges non reciproci: 417
Mention: 458
@replies: 29
Valore massimo rilevato: 11
Tipo di relazione
Peso della relazione
Fonte: Elaborazione propria
In questa tipologia di network non sono presenti tweet semplici poiché ogni tweet
presente all’interno del grafo può essere soltanto una mention o un @replies.
Tabella 13.5 – Primi 10 utenti in forma anonima per In e Out degree.
'
'
Out!
Degree'
In!Degree'
UTENTE'1'
UTENTE'2'
UTENTE'3'
UTENTE'4'
UTENTE'5'
UTENTE'6'
UTENTE'7'
UTENTE'8'
UTENTE'9'
UTENTE'10'
124'
66'
16'
11'
11'
11'
9'
9'
8'
6'
UTENTE'1''
UTENTE'2'
UTENTE'3'
UTENTE'4'
UTENTE'5'
UTENTE'6'
UTENTE'7'
UTENTE'8'
UTENTE'9'
UTENTE'10'
10'
7'
7'
7'
7'
6'
6'
6'
6'
6'
Fonte: Elaborazione propria
!
193!
Tabella 14.5 – Metriche vertex-specific, primi 10 utenti in forma anonima per
ciascun valore
BETWEENNESS
CLOSENESS
EIGENVECTOR
CENTRALITY
CENTRALITY
CENTRALITY
USER 1
16632, 615
0,006
0,063
USER 2
2864,829
0,005
0,044
USER 3
566,546
0,004
0,012
USER 4
566,000
0,003
0,012
USER 5
446,965
0,003
0,012
USER 6
408,334
0,003
0,012
USER 7
349,937
0,003
0,011
USER 8
284,000
0,003
0,010
USER 9
284,000
0,003
0,010
USER 10
284,000
0,003
0,010
UTENTI
Fonte: Elaborazione propria
Dal calcolo delle metriche vertex-specific anche in questo caso vi è un utente che
riveste una posizione centrale e rilevante all’interno del network (Betweenness
Centrality 1,66), si tratta ovviamente del profilo ufficiale del brand dato che il
network è costruito in base ai tweet in cui viene menzionato. Vi sono poi altri
utenti che possono essere considerati strategici sia perché consentono al brand di
poter raggiungere altri utenti più distanti nel network i quindi appartenenti ad altri
cluster, sia per via del loro grado di influenza (Eigenvector Centrality) sulla
piattaforma social in generale. È interessante poi notare che i principali 10 utenti
sono praticamente equidistanti dal resto del network, la loro Closeness Centrality
!
194!
oscilla tra i 0,006 e i 0,003. Va inoltre precisato che in questo caso, data la mole di
dati da elaborare, non è stato possibile individuare i subgrafi per ciascun vertice.
Tabella 15.5 – Cluster
Cluster
G1
Vertici
46
G2
Edges unici
36
Edges doppi
27
Edges totali
63
36
45
36
81
G3
23
28
4
32
G4
13
15
6
21
G5
11
20
0
20
G6
7
22
20
42
G7
3
2
0
2
G8
3
2
0
2
G9
2
1
0
1
Fonte: Elaborazione propria
In questo scenario è interessante notare come sebbene il G1 (figura 7.5) sia il
gruppo più esteso in termini di utenti (46) vi sono due cluster caratterizzati da una
densità maggiore. Il G2 e il G6 (tabella 15.5) infatti sono costituiti da meno utenti
ma maggiormente connessi avendo rispettivamente 36 vertici per 81 connessioni
totali e 7 vertici connessi per un totale di 42 edges.
Nella tabella successiva si riscontra inoltre una maggiore propensione del G2 a
connettersi con il primo cluster (76 edges) il quale pare non mostri lo stesso
interesse stabilendo solo 11 connessioni con il G2.
!
195!
In quest’ottica, potrebbe essere interessante per il brand individuare mediante il
grafo, quegli utenti maggiormente orientati al G1 di cui l’impresa fa parte.
Tabella 16.5 – Group edges
Group'1'
Group'2'
Edges'
G1'
G1'
G1'
G2'
G1'
G3'
G1'
G5'
G2'
G1'
G2'
G2'
G2'
G3'
G2'
G4'
G3'
G1'
G3'
G2'
G3'
G3'
G4'
G1'
G4'
G2'
G4'
G3'
G4'
G4'
G5'
G1'
G5'
G3'
G5'
G5'
G6'
G1'
G6'
G2'
G6'
G6'
G7'
G1'
G7'
G2'
G7'
G3'
G7'
G7'
G8'
G1'
G8'
G2'
G8'
G8'
G9'
G1'
G9'
G2'
G9'
G9'
Fonte: Elaborazione propria
63'
11'
4'
2'
76'
81'
2'
3'
30'
11'
32'
21'
14'
1'
21'
14'
1'
20'
14'
12'
42'
1'
1'
1'
2'
1'
1'
2'
1'
1'
1'
!
196!
L’analisi termina con la presentazione delle tabelle relative agli items contenuti
all’interno dei tweet. Anche in questo caso verranno individuati i principali URL,
link a sitiweb, hashtag, keywords e coppie di keywords presenti nel network.
Tabella 17.5 - I principali URL condivisi all’interno del network
Top'URLs'in'Tweet'in'Entire'Graph'
Entire'Graph'Count'
http://fashion.leonardo.it/brand!collezione!uomo!l!
autunnoinverno!2015!2016/'
https://www.tumblr.com/ZO8Rmx1aCiuoO'
https://www.tumblr.com/ZO8Rmx1aa6k_Y'
https://www.tumblr.com/ZO8Rmx1aktz39'
https://www.tumblr.com/ZO8Rmx1aZwEU2'
http://www.brand.it/en/gabriele!pasini/man/fw1415!
14?utm_content=buffereac38&utm_medium=social&
utm_source=twitter.com&utm_campaign=buffer'
https://www.tumblr.com/ZfBwDy1aaNzLr'
https://www.tumblr.com/ZO8Rmx1afUH6k'
http://instagram.com/p/x3d16qltkK/'
http://www.pambianconews.com/2015/01/15/brand!
il!2014!e!stato!lanno!migliore!167042/'
Fonte: Elaborazione propria
12'
8'
6'
4'
4'
3'
3'
3'
2'
2'
Tabella 18.5 - Domini condivisi con più frequenza all’interno del network
Top'Domains'in'Tweet'in'Entire'Graph'
tumblr.com'
instagram.com'
leonardo.it'
brand.it'
facebook.com'
pambianconews.com'
elle.it'
altervista.org'
seen.co'
gentlemensweardaily.com'
Fonte: Elaborazione propria
!
Entire'Graph'Count'
56'
30'
12'
7'
5'
2'
2'
2'
1'
1'
197!
Tabella 19.5 - Pincipali hashtag presenti nel network
Top'Hashtags'in'Tweet'in'Entire'Graph'
pittiuomo'
Brand''
pittiuomo87'
pu87'
pitti'
fw1516'
menswear'
woosterbrand'
pitti87'
style'
Fonte: Elaborazione propria
Entire'Graph'Count'
43'
37'
27'
23'
13'
11'
11'
10'
8'
7'
Tabella 20.5 – Parole più frequenti presenti nel network
Top'Words'in'Tweet'in'Entire'Graph'
brandofficial'
nickwooster'
Brand''
pittiuomo'
pitti'
photo'
uomo'
wooster'
collection'
pittiuomo87'
Fonte: Elaborazione propria
!
Entire'Graph'Count'
218'
134'
86'
57'
51'
50'
47'
42'
34'
27'
198!
Tabella 21.5 – Coppie di parole più frequenti nel network
Top'Word'Pairs'in'Tweet'in'Entire'Graph'
nickwooster,brandofficial'
pitti,uomo'
wooster,brand'
brandofficial,nickwooster'
nickwooster,photo'
brandofficial,pitti'
brandofficial,pittiuomo'
brand,pu87'
greatsbrand,brandofficial'
2015,2016'
Fonte: Elaborazione propria
Entire'Graph'Count'
39'
31'
28'
26'
24'
20'
15'
14'
14'
13'
Da quest’ultima fase di analisi emerge che il brand è inserito in contesto fatto di
siti specializzati, blog di settore e fashion blogger influenti più o meno collegati
con l’impresa. Inoltre il profilo del brand è spesso accostato ad eventi
internazionali di settore come ad esempio il Pitti di Firenze.
Queste informazioni sono utili pertanto all’impresa nonché al marketing per
iniziare a tracciare le linee guida di una strategia si social media marketing. i dati
prodotti dal modello di analisi proposto forniscono una chiara rappresentazione di
uno dei contesti sociali online in cui un impresa è inserita. Conoscerne la
dimensione, le caratteristiche dei soggetti che vi fanno parte e le dinamiche
relazionali che ne scaturiscono è tutt’oggi una delle nuove sfide che i ricercatori di
marketing si trovano ad affrontate nell’era dei social media.
!
199!
Conclusioni
Attraverso il nuovo modello è stato possibile ottenere una serie di informazioni
utili al marketing per comprendere il contesto online in cui l’impresa si trova ad
operare. Le metriche proposte sono state selezionate in base alla loro capacità di
generare insights in grado di supportare il ricercatore di marketing per una serie di
valutazioni.
Il modello infatti è in grado di fornire una chiave di lettura ai numerosi output che
il software di social network analysis NodeXL produce durante il processo di
mappatura.
La rappresentazione grafica del network inoltre, consente di visualizzare
chiaramente sia la struttura della rete di relazioni, sia la posizione e il ruolo degli
utenti all’interno di essa.
In quest’ottica, sono state selezionate metriche che consentono di effettuare
valutazioni sia di carattere generale, come il quantificare la dimensione e la
densità del network, sia più orientate agli attori del network stesso. Quest’ultime,
possono fornire informazioni rilevanti circa la natura e la dinamiche delle
relazioni che si instaurano all’interno della rete. Possono consentire inoltre
l’individuazione di quegli utenti che hanno un ruolo “strategico” all’intero del
network, in quest’ottica si può verificare la presenza di utenti popolari, influenti, o
in grado di fungere da “ponte” tra altri utenti o altri gruppi di utenti.
!
200!
Difatti, nel modello sono incluse anche quelle metriche che consentono di
effettuare delle valutazioni inerenti a eventuali sub-gruppi o cluster che si possono
generare all’interno del network.
Infine sono state prese in considerazione quelle metriche che permettono di
individuare i contenuti come ad esempio URL, sitiweb, hashtag e keywords che
più frequentemente vengono inclusi all’interno dei tweet presenti nella rete.
Sulla base di queste considerazioni, si ritiene che il modello presentato in questo
lavoro possa fornire un contributo per un nuovo approccio al marketing, che vede
l’utilizzo dei social media come una risorsa e un’opportunità per ottenere una
serie di valutazioni utilizzabili per scopi di ricerca.
In particolare, ci si rivolge al marketing presentando una serie di implicazioni
manageriali, si fa riferimento alla possibilità di individuare utenti chiave come ad
esempio influenzatori del mercato o opinion leader con cui il brand può
relazionarsi ai fini di veicolare campagne di comunicazione o campagne di
marketing virale. Mediante il processo di clustering, è poi possibile procedere ad
una segmentazione dell’audience online oggetto di indagine e individuare le
relative connessioni, ove presenti, tra questi gruppi. Le metriche relative alle
connessioni, consentono di investigare la natura e la frequenza dei legami che
esistono tra gli attori che gravitano intorno al brand e tra il brand e il resto del
network. Infine, l’analisi relativa ai contenuti pubblicati, può rappresentare per il
marketing un prima fase per pianificare una strategia basata sui social media.
!
201!
Su questa linea, è già possibile intravedere prospettive ulteriori di ricerca: la
continua e crescente diffusione degli strumenti social, unita al progresso
tecnologico delle piattaforme di network analysis, consentiranno una sempre più
facile adozione di questa metodologia che potrà essere impiegata in molteplici
contesti. Gli sviluppatori dei software stanno infatti lavorando per rendere tali
tecnologie sempre più user friendly. Quella che oggi è un’attività riservata a
figure altamente specializzate, potrà in futuro essere alla portata di una più ampia
base di utenti. Questo lavoro vuole essere un primo approccio alla metodologia,
l’analisi applicata ad altri social media, unita allo studio di nuove metriche, potrà
consentire un ampliamento del modello proposto e l’individuazione di nuove
implicazioni manageriali.
!
202!
BIBLIOGRAFIA
Aacker D.A., Day G.S. (1986), Marketing research, John Wiley & Sons, New
York.
Achrol, R.S., (1997). Changes in theory of interorganizational relations in
marketing: Toward a network paradigm. Journal of the Academy of Marketing
Science 25.
Ahrens, D., (2012). Boost Your Content Ecosystem With Video. Forrester
Research, Inc
Anderson, C. (2004), The Long Tail, WIRED Magazine
Arthur L., (2012) Be a Big Data Marketing Hero, Teradata.com
Ashley, Christy, Noble, Stephanie M., Donthu, Naveen, Lemon, Katherine N.,
(2011). Why customers won’t relate. Onstacles to relationship marketing
enegagement. Journal of Business Research, 64(7), 749-756.
BanakaW.H. (1981), L’intervista in profondità, Franco Angeli, Milano.
Barile S., Metallo G. (1994) Le ricerche di mercato. Aspetti metodologici e
operativi.” Giappichelli, Torino.
Berthon, Pitt, Plangger e Shapiro (2012). Marketing meets Web 2.0, social media,
and creative consumers: Implications for international marketing strategy.
Business Horizons 55, 261 – 271
Bhattacharya C.B., Sen, Sankar (2003). Consumer-company identification: a
framework for understanding consumers’ relationship with companies. Journal of
Marketing, 67(2), 76-88.
!
203!
Blackshaw e Nazzaro (2004). Consumer-Generated Media (CGM) 101: Word-ofmouth in the age of the Web-fortified consumer.
Bonsόn, E., Bednàrovà, M., (2013). Corporate LinkedIn practices of Eurozone
companies. Online Information Review, Vol. 37, N° 6, pp. 969-984
Breslauer e Smith (2009). Social media trends around the world! The global web
index (GWI). ESOMAR Research, Online Research, Chicago.
Brown J.J, Reingen P.H., (1987). Social ties and word-of-mouth referral behavior.
Jorunal of Consumer Research, 14(3), 350-362.
Bulearca, M., Bulearca, S. (2010). Twitter: a Viable Marketing Tool for SMEs.
Global Business and Management Research: An International Journal, Vol. 2, N°
4, pp. 269-309
Burgess, J., & Green, J., (2009). YouTube (Digital Media and Society Series).
Cambridge, UK: Polity Press
Burns A.C., Bush R.F. (2000), Marketing Rresearch, Prentice Hall, Upper Saddle
River, Nwe Jersey
Burresi A., Aiello G., Guercini S., (2006) Marketing per il governo d’impresa.
Giappichelli, Torino
Buttazzi, R., Penati L., Le ricerche commerciali (di marketing), Franco Angeli,
Milano, 1987, pag. 62.
Caliandro (2011). Netnografia, Web Tribe, Social Media, Discorso, Cultura e
Societing : il Manifesto teorico-metodologico del Centro Studi Etnografia
Digitale. Centro Studi Etnografia Digitale Università degli Studi di Milano.
!
204!
Carson D., Gilmore A., Perry C., Gronhaug K. (2001), Qualitative marketing
research, Sage Publications, London.
Chen H., Chiang R., Storey V., (2012) Business Intelligence and Analytics: From
Big Data to Big Impact, MIS Quarterly Vol. 36 No. 4
Coleman J., Katz E., Menzel H., (1988), Social Capital in the Creation of Human
Capital. American Journal of Sociology 94. 95 – 120.
Comley, P. (1996), The use of the internet as a data collection method, SGA
Market Research
Cooley, R., (1997). Web mining: Information and pattern discovery on the World
Wide Web. Tools with Artificial Intelligence, Proceedings, Ninth IEEE
International Conference.
Corigliano G. (2004). Marketing, Etas Libri, Milano
Cova B., (1999), E-Tribalized Marketing?: The Strategic Implications of Virtual
Communities of Consumption. European Management Journal, 17 (3), 252-264.
Cova B., Giordano, Pallera (2007), Marketing non-convenzionale. Viral, guerrilla,
tribal e i 10 principi fondamentali del marketing postmoderno. Edizioni Il Sole 24
Ore, Milano.
Cova B., White (2010) Counter-brand and alter-brand communities: the impact
of Web 2.0 on tribal marketing approaches. Journal of Marketing Management,
26: 3, 256 — 270
D’Ottavi A., (2006) Web 2.0 le meraviglie della nuova internet, RGB media
de Lassus, C., Anido Freire, N.,(2013). Access to the luxury brand myth in pop-up
stores: A netnographic and semiotic analysis. Journal of Retailing and Consumer
Services
!
205!
de Valck, K., van Bruggen G., Wierenga B., (2009). Virtual communities: A
marketing perspective. Decision Support Systems 47 (3).
Doan, A., Ramakrishnan, R., Halevy, A. Y. (2011). Crowd-sourcing Systems on
the World-Wide-Web, Communications of the ACM.
Domingos P., (2005). Mining social networks for viral marketing. IEEE
Intelligent Systems 20.
Dorfman S., Maynor J. (2006). Marketing to professionals: Under the influence.
Pharm Executive 26(3) 148-150.
Duhan D.F., Johnson, S.D., Wilcox, JB., Harrel G.D., (1997). Influences on
consumer use the word-of-mouth reccomendation sources. Journal of Acedemy of
Marketing Sciences 25.
Fabris G., (1967). Le ricerche motivazionali. Etas Kompass, Milano.
Frenzen J., Nakamoto K., (1993). Structure, cooperation, and the flow of market
information. Journal of Consumer Research 20, 360-375.
Furrer, O. Sudhashan, D., (2000) Key quality factors in web site design and use:
an examination. International Journal of Quality & Reliability Management, Vol.
19, No. 7
Garaizar, P. & Reips, U.-D. (2013). Build your own social network laboratory
with Social Lab: a tool for research in social media. Behavior Research Methods.
Germonprez, Hovorka (2013). Member engagement within digitally enabled
social network communities: new methodological considerations. Info System
Journal 23, 525-549.
Gillespie, Williams (1988). Telecommunications and the reconstruction of
regional comparative advantage. Enviroment and Planning A 20, 1311 – 1321.
!
206!
Godes D., Mayzlin D. (2009). Firm-created word-of-mouth communications:
Evidence from a field test. Marketing sci 28(4) 721-739.
Granovetter M., (1973). The strenght of weak ties. Am J Sociol 78.
Granovetter M., (1983). The strenght of weak ties: A network theory revisited.
Sociological Theory 1.
Green P.E., Frank R.E., (1971). Introduzione alle ricerche di marketing, Isedi,
Milano
Griffith, D.A., Krampf, R.F. (1998). An examination of retail web-sites: the
impact of retail marketing mix on consumer attitude. AMA Winter Educators
Conference
Guha R., Kumar R., Raghavan P., Tomkins A., (2004). Propagation of trust and
distrust. Proceeding of the 13th International Conference on World Wide Web.
403 – 412.
Gundecha, Liu (2012). Mining Social Media: A Brief Introduction. Informs 2012.
Gundecha, Liu (2012). Mining Social Media: A Brief Introduction. Informs 2012.
Gunn, A., (2000), Net ethics: should you say who are online? Yahoo! Internet
Life, December, 78.
Gupta, B., Iyer, L. S., & Aronson, J. E. (2000). Knowledge management:
Practices and challenges. Industrial Management and Data Systems, 100 (1), 17–
21.
Hakken, David (1999). Cyborgs@Cyberspace?: An Ethnographer Looks to the
Future. New York: Routledge.
Hanna, Rohm, Crittenden (2011). We’re all connected: The power of social media
eco system. Business Horizons 54, 264 – 273.
!
207!
Hansen D.L., Shneiderman B., Smith M.A., (2010). Analyzing Social Media
Networks with NodeXL, Insights from a connected world. Morgan Kaufmann.
Harris, Rae (2009). Social networks: the future of marketing for small business.
Journal of Business Strategy, Vol. 30 Iss: 5 pp. 24 – 31.
Harris, Rae (2009). Social networks: the future of marketing for small business.
Journal of Business Strategy, Vol. 30 Iss: 5 pp. 24 – 31.
Henry H. (1978). La ricerca motivazionale. Franco Angeli, Milano.
Hine C. (2000). Virtual Ethnography. Centre for Research into Innovation,
Culture and Technology Brunel University, Uxbridge, Middlesex, UB8 3PH, UK
Hine C. (2011). Internet Research and Unobtrusive Methods. Social Research
Update 61(3).
Howard P. N. (2002). Network Ethnography and the Hypermedia Organisation:
New Media, New Organisations, New Methods. New Media & Society 4(4): 550–
74.
Hutchinson, Provo, UT: Association for Consumer Research, 366- 371.
Iacobucci, D., Henderson, G., Marcati, A., Chang, J. (1996). Network analysis of
brand switching behavior. International Journal of Research in Marketing 13.
Kaplan, Haenlein (2010). Users of the world, unite! The challenge and
opportunities of social media. Business Horizons 53(1), 59 – 68.
Keller K.L., (2002). Branding and Branding Equity. Cambridge, Mass: Marketing
Science Institute.
Kent R. (1999). Marketing research: measurement, method and application.
International Thompson Business Press, London.
!
208!
Kietzman, hermkens, McCarty e Silvestre (2011). Social media? Get serious!
Understanding the functional building blocks of social media. Business Horizons,
54 (3), 241-251.
Kirtis, Karahan (2011.) To Be or Not to Be in Social Media Arena as the Most
Cost-Efficient Marketing Strategy after the Global Recession. Procedia Social and
Behavioral Sciences 24, 260 – 268.
Kotler P., (1976). Marketing Management, Isedi, Milano.
Kozinets R. (1998). On Netnography: Initial Reflections on Consumer Research
Investigations of Cyberculture. In Advances in Consumer Research, Volume 25,
ed., Joseph Alba and Wesley
Kozinets R. (2002). The Field Behind the Screen: Using Netnography for
Marketing Research in Online Communities. Journal of Marketing Research, 39
(February), 61-72.
Kozinets R.V., de Valk K., Wojnicki, A.C., Wilner, S.J.S. (2010). Networked
narratives: Understanding word-of-mouth marketing in online communities.
Journal of Marketing 74 (2).
Krueger R.A. (1998). Developing questions for focus groups. Sage, Thousand
Oaks.
Laumann E., Marsden P., Prensky D. (1989). The boundary specification problem
in network analysis. Research Methods in Social Network Analysis. George
Mason University Press.
Leskovec J., Faloutsos C. (2006). Sampling from large graphs. Proc. 12th ACM
SIGKKD International Conference Knowledge Discovering Data Mining,
Philadelphia.
!
209!
Levy (1959). Symbols for Sale. Harvard Business Review, 37 (July-August), 117124.
Machanda P., Xie Y., Youn N. (2008). The role of targeted communication and
contagion in new product adoption. Marketing sci 27(6) 961-976.
Mangold e Faulds (2009). Social media: The new hybrid element of the promotion
mix. Business Horizons 52, 357-365.
Marbach G. (1988), Le ricerche di mercato, Utet, Torino.
Mattsson L., (1997). Relationship Marketing and the Markets-as-Networks
Approach – A comparative analysis of two evolving streams of research. Journal
of Marketing Management 13.
McAlexander J., Schouten J., Koenig H. (2002). Building brand community.
Journal of Marketing, 66(1), 38-54.
Michaelidou, N., Siamagka, N., T., Christodoulides, G., (2011). Usage, barriers
and measurement of social media marketing: an exploratory investigation of
small and medium B2B brands. Industrial Marketing Managemen, 40, 1153-1159.
Midgley, D.F., Morrison, P.D., Roberts, J.H. (1992). The effect of network
structure in industrial diffusion process. Research Policy 21
Milgram S., (1967). The small world problem. Psychology Today 2.
Miller D., Slater D. (2001), The Internet: An Ethnographic Approach, Berg
Publisher, London.
Moorman C., Matulich E., (1993). A model of consumers’ preventive health
behaviors: The role of health motivation and health ability. Journal of Consumer
Research 20.
!
210!
Morrison P.D., Roberts J.H., Midgley D.F., (2000). Opinon leadership amongst
leading edge users. Australasian Marketing Journal 8
Mosley-Matchett, J.D. (1998), The effect of presentation latency of proficient and
nonproficient users of internet-based marketing presentations. AMA Winter
Education Conference.
Muniz A., O’Guinn T., (2001), Brand communitiy. Journal of Consumer Research,
27 (4).
Murthy D. (2008), ‘Digital Ethnography: An Examination of the Use of New
Technologies for Social Research’, Sociology 42(5): 837–55.
Newman M., Barabasi A., Duncan J. W., (2006). “The Structure and Dynamics of
Networks”. Princeton, N.J.: Princeton University Press.
Pasini P., Perego A. (2012). Big Data: nuove fonti di conoscenza aziendale e
nuovi modelli di management. Rapporto di ricerca IBM, Bocconi School of
Management.
Peppers D., (2000), Marketing One to One, Il Sole 24 Ore, Milano.
Perreault W. D., Cannon J. P., McCarthy E. J., (2009) “Basic Marketing A
Marketing Strategy Planning Approach”. McGraw-Hill.
Peterson R.A. (2000, Constructing effective questionnaires, Sage, Thousand Oaks.
Picarelli A., (1994), “Tecniche delle ricerche di mercato”, Rocco Curto Editore,
pag. 82
Pitts, L., Berthon, O., Watson, R.T. (1996), From surfer to buyer on the WWW:
what marketing managers might want to know, Journal of General Management,
Vol. 22 No. 1
Pope J.L., (1993), Practical marketing research, Amacon, New York.
Raab J., Kenis P., (2009). Heading toward a society of networks: Empirical
developments and theoretical challenges. Journal of Management Inquiry, 18 (3).
!
211!
Reips, U.-D. (2012). Using the Internet to collect data. In H. Cooper, P. M.
Camic, R. Gonzalez, D. L. Long, A. Panter, D. Rindskopf, & K. J. Sher (eds.),
APA Handbook of Research Methods in Psychology, Vol 2: Research designs:
Quantitative, qualitative, neuropsychological, and biological 291-310.
Washington, DC: American Psychological Association.
Reips, U.-D., & Garaizar, P. (2011). Mining Twitter: Microblogging as a source
for psychological wisdom of the crowds. Behavior Research Methods, 43, 635642.
Scott J. (2002). Social network analysis: Critical concepts in sociology. New
York, NY: Routledge Publisher.
Seale C., MacFarlane A., McPherson A. (2010). Interviews and Internet forums: a
comparison of two sources of qualitative data. Qualitative Health Research 20(5)
595-606.
Slywotzky A., Shapiro B.P., (1994), Per attivare i clienti non si spende, ma si
investe. Harvard Business Review, May-June
Smith M., Rainie L., Himelboin I., Shneiderman B., (2014), Mapping Twitter
Topic Networks: From Polarized Crowds to Community Clusters. Pew Research
Center
Smith T., Coyle J., Lightfoot E., Scott, A. (2007). Reconsidering models of
influence: The relationship between consumer social networks and word-of-mouth
effectiveness. Journal of Advertising Research, 47 (4).
Smith, Fisher e Yongjian (2012). How Does Brand-related User-generated
Content Differ across YouTube, Facebook, and Twitter? Journal of Interactive
Marketing, 26, 102 – 113.
Steinman e Hawkins (2010). When marketing through social media, legal risks
can go viral. Intellectual Property & Technology Law Journal, 22(8), 1 – 9.
Thompson S., Sinha R. (2008). Brand communities and new product adoption:
The influence and limits of oppositional loyalty. Journal of Marketing 72 (6), 6580.
!
212!
Thomson M., Macinnis D., Park C. (2005). The ties that bind: Measuring the
strength of consumers’ emotional attachements to brands. Journal of Consumer
Psychology 15(1), 77-91.
Trusov M., Bodapati A.V., Bucklin R.E., (2010). Determining influential users in
Internet social networks. Journal of Marketing Research XLVII 643-658.
U.M. Dholakia et al. (2004). A social influence model of consumer participation
in network-and small group-based virtual communities. Intern. J. of Research in
Marketing 21 (2004) 241–263
Valdani E., (1995). Marketing. UTET, pag. 918
Van den Bulte C., Wuyts S., (2007). Social Networks and Marketing. Marketing
Science Institute.
Wang K., Ting I., Wu H., (2012). Discovering interest groups for marketing in
virtual communities: An integrated approach. Journal of Business Research 66
(2013).
Watts D., Dodds P. (2007). Influentials, networks, and public opinion information.
Journal of Consumer Research 34(4) 441-458.
Watts D., Peretti J. (2007). Viral marketing for the real world. Harvard Business
Review 85(5) 22-23.
Webster C.M., Morrison P.D., (2004). Network Analysis in Marketing.
Australasian Marketing Journal 12 (2).
Wellman B. (1988). Structural analysis in social structures. Cambridge
University Press.
!
213!
Zaglia M. (2013). Brand communities embedded in social networks. Journal of
Business Research 66 (2013).
Zhu Z., (2013). Discovering the influential users oriented to viral marketing
based on online social networks. Physica A 392 (2013).
SITOGRAFIA
Ama.org
Amazon.com
Comscore.com
Epinions.com
Facebook.com
Flickr.com
Google.com/drive
Instagram.com
Linkedin.com
Marketresearch.org.uk
Networklab.univpm.it
Nodexl.codeplex.com
Nytimes.com
Opendatanow.com
!
214!
Pinterest.com
Qmee.com
Qualtrics.com
Slashdot.org
Smrfoundation.org
Support.twitter.com
Surveygizmo.com
Surveymonkey.com
Tumblr.com
Twitrratr.com
Twitter.com
Wikipedia.org
Youtube.com
!
215!
