Expo 2015 e mezzi pubblici ATM: cosa pensano i viaggiatori?

Recentemente vi abbiamo parlato di Mobility Buzz, la piattaforma Web che abbiamo sviluppato con Uber per analizzare le opinioni espresse su Twitter circa la mobilità a Milano, durante Expo 2015. Ci siamo soffermati sulla descrizione dei domini semantici all’interno dei quali vengono segmentati i flussi di tweet raccolti dalla piattaforma, ma adesso, con i primi dati alla mano, entriamo nel vivo delle analisi quali-quantitative: il nostro primo focus riguarda la categoria (controversa) dei Mezzi Pubblici.

Dando un sguardo a Mobility Buzz vediamo che la piattaforma ci restituisce un dato poco confortante, ma non del tutto imprevisto: la reputazione del trasporto pubblico urbano è molto bassa. Ad oggi, infatti, il sentiment relativo alla categoria ‘Mezzi Pubblici’ risulta negativo per il 44% (su un totale di 77.845 tweet).

 

Mobility Buzz: Mezzi Pubblici

Mobility Buzz: Mezzi Pubblici

 

A fronte di questo dato ci siamo dunque chiesti cosa ci ‘fosse sotto’, ovvero: Che cosa non piace in particolare agli utenti dei mezzi pubblici? Di cosa si lamentano? C’è davvero solo negatività sotto un sentiment tanto negativo? Per rispondere a tali domande abbiamo approntato un piccolo esperimento, sviluppando un focus di analisi qualitativa su tutti i tweet relativi all’Azienda dei Trasporti Milanesi (ATM) inviati nell’ultimo mese –  ovvero tutti i tweet contenenti la mention @atm_informa inviati tra il 22 Maggio 2015 e il 23 Giugno 2015. Abbiamo scelto di concentraci sui tweet relativi ad @atm_informa al fine di avere un campione sufficientemente piccolo da poter essere sottoposto ad un’analisi qualitativa ma, allo stesso tempo, ‘rappresentativo’ della situazione del trasporto pubblico milanese durante Expo 2015.

 

Risultati dell’analisi

Tra il 22/05/2105 e il 23/06/2015 sono stati raccolti 4.544 tweet contenenti la mention @atm_informa, di cui ben 1.508 (33,2%) caratterizzati da sentiment negativo – il restante 56% e 9,9% è caratterizzato, rispettivamente, da sentiment neutro e positivo. Sotto questo sentiment negativo serpeggiano una miriade di critiche e lamentele nei confronti dei mezzi pubblici ATM. Al fine di poterle analizzare sistematicamente le abbiamo raggruppate all’interno di 6 macro-categorie principali. Andiamo dunque ad illustrarle cerando così di fare maggior luce sul contento specifico delle opinioni degli utenti Twitter.

 

1). Attesa

La lamentela più diffusa – e che sembra essere una delle principali fonti di stress per gli utenti di ATM – riguarda i tempi di attesa dei mezzi pubblici (sia sotterranei che di superficie), giudicati troppo lunghi. Questa è una pecca percepita come intollerabile da parte di una Città che, dati gli incalzanti ritmi di lavoro che la contraddistinguono, è costretta ad andare sempre di fretta:

– Aspettare la #70 minimo 15 minuti ogni volta perché @atm_informa non è in grado di rispettare orari. Basta abbonamento ho preso la bici! (22-05-15)

 

2). Disagi

In questa categoria abbiamo raggruppato tutti quei tweet che lamentano i disagi, sia personali che collettivi, derivanti dagli improvvisi blocchi delle linee:

– Ordinario #sabato di inefficienza @atm_informa linea 1 bloccata turisti smarriti #basta #Milano (23-05-15)

– @atm_informa buongiorno. La M3 è ferma a crocetta da almeno 5 minuti (23-06-15)     

 

3). Tecnologia

In questa categoria sia ritrovano tutti quei tweet che lamentano di inefficienze di carattere tecnico. Sono soprattutto due i bersagli delle critiche degli utenti: a) il biglietto digitale da App con qrcode che non sembra esserci verso di far funzionare; b) il funzionamento dell’aria condizionata, troppo calda di inverno e rotta d’estate:

– Comunque @atm_informa, il vostro biglietto mobile da app con qrcode da garibaldi m5 non funziona. #usertest questo sconosciuto (22-05-15)

– @atm_informa sono su un treno della rossa senza un alito di aria condizionata. Siete matti?! Si muore letteralmente! (23-06-15)

 

4). Personale

Il personale di ATM viene spesso tacciato di incompetenza:

– A Expo iniziata @atm_informa fa lavorare gente che urla in italiano in faccia agli stranieri in mezzo al tram. Complimenti, bella figura (23-05-15)

 

5). Conflitto Sociale

I trasporti pubblici milanesi sembrano anche essere la piattaforma di vari conflitti sociali –  fortunatamente più immaginati che reali. A detta di alcuni utenti esistono delle categorie di persone che stanziano fraudolentemente all’interno degli spazi dell’Azienda dei Trasporti Milanesi e/o che con le loro attività intralciano la viabilità urbana. Al centro di questi ‘conflitti’ si ritrova @atm_informa, tacciata di non intervenire contro tali categorie di persone e dunque a favore dei cittadini:

– @atm_informa A Cascina Gobba le zingare stanno attorno alle macchinette distributrici di biglietti. Cacciatele per cortesia! (22-05-15)

– avete rotto il c*** cn queste manifestazioni podistiche che bloccano la città..fatele nel parco e @atm_informa  non fa percorsi alternativi (24-05-15)

 

6) Tornelli

Una cosa che fa senz’altro infervorare gli animi dei milanesi è la vista di persone che saltano impunemente i tornelli, sotto lo sguardo imbelle, o ancor peggio assente, del personale di servizio:

– @atm_informa alla fermata loreto m1 è un continuo vedere gente che scavalca tornelli, controllore non presente, è normale?  (24-05-15)

– @atm_informa Sempre troppa gente in metro che scavalca letteralmente i tornelli! Alla faccia di chi paga regolarmente! Più controlli (23-06-15)

 

Il rovescio della medaglia

Il risvolto positivo di tutto questo sentiment negativo che aleggia attorno ad @atm_informa lo si ritrova, inaspettatamente, all’interno del flusso dei retweet. Su 4.544 tweet relativi ad @atm_informa,  1.094 sono RT (24,1%); di questi 774, ovvero ben il 70,7% risultano essere RT di messaggi inviati da @atm_informa. Ma c’è di più i primi 42 RT con occorrenza significativa (ovvero ≥ 5) sono di nuovo tutti ‘a favore’ di @atm_informa.

Di seguito riportiamo i primi 3 RT per occorrenza, tutti e tre riguardanti la sospensione di scioperi precedentemente annunciati:

– RT @atm_informa: #Sciopero 11/06: la Prefettura ha comunicato la precettazione. A #Milano i servizi #ATM saranno regolari (81 RT)

– RT @atm_informa: 24/06: non si terrà lo #sciopero previsto. I servizi #ATM saranno regolari per tutta la giornata (41 RT)

– RT @atm_informa: 24/06: lo #sciopero è stato rinviato. A #Milano i servizi #ATM saranno regolari (26 RT)

 

Naturalmente, come è normale che sia, la parte del leone in questa intensa attività di retweetting è giocata da account istituzionali quali: @LuceverdeMilano (130 RT – account informativo gestito in collaborazione con l’ACI e la Polizia Locale di Milano ), @TelesiaTv (69 RT – account di una canale TV proprio del circuito dei mezzi pubblici), @Businewss_Bot (RT 36 – bot di un canale news), @InfomobilitaMi (RT 29 – account della Polizia Locale di Milano). Tuttavia nellìelenco compaiono anche moltissimi cittadini ordinari, come lo studente di ingegneria @A_Mambrini o @zok87 (dal cui profilo si evince solo che ha una predilezione per cappelli bizzarri).

Questi dati mostrano chiaramente come, se da una parte gli utenti che tweettano verso @atm_informa sono sempre prodighi di lamentele, dall’altra non mancano di essere estremamente collaborativi, impegnandosi a condividere e a mettere in circolo nel flusso della comunicazione Twitter importantissime informazioni di servizio circa lo stato della viabilità dei trasporti pubblici milanesi, utili a tutta la cittadinanza – informazioni che riprendono direttamente da @atm_informa.

In conclusione, quindi, non possiamo che affermare che l’utenza di ATM che utilizza Twitter si lamenta tanto ma, alla fine, collabora molto!

 

Metodologia   

La base dati su cui è stato sviluppata l’analisi consiste in 4.544 tweet in lingua italiana raccolti tra il 22 Maggio e il 23 Giugno 2015. I dati sono stati estratti tramite interrogazione diretta di Mobility Buzz, seguendo la mention ufficiale di ATM: @atm_informa.

Il sentiment dei tweet è stato calcolato automaticamente tramite l’ausilio di un software proprietario che utilizza algoritmi di machine learning (http://it.wikipedia.org/wiki/Apprendimento_automatico). L’analisi del contenuto è stata invece svolta manualmente.

 

Fatevi
sentire.

La vostra crescita parte da qui. Senza obblighi, senza bisogno di dettagli, iniziamo a conoscerci. Scriveteci e vi contatteremo, pronti ad ascoltare. E a proporre. Scoprirete cosa Viralbeat può fare per voi.