Il futuro del targeting per la pianificazione di campagne digital si dirige senza dubbio verso le analisi predittive dei dati. Le previsioni si basano su comportamenti dei consumatori, contesto e applicazioni degli strumenti di analisi. Strumenti che, sebbene da un lato possano potenzialmente aiutare moltissimo i marketer, dall’altro lato sono molto costosi e richiedono una mole enorme di dati (i famosi Big Data) che non sempre è disponibile, senza contare la potenza di calcolo spaventosa. Tutti questi elementi li rendono difficilmente accessibili se non ci chiamiamo Google (sono sicuro che avevate subito pensato a Google Trend, ma non stiamo parlando proprio della stessa cosa). Partiamo però dall’idea che sia possibile ridurre in scala l’analisi e sfruttare le potenzialità dei contenuti condivisi spontaneamente dagli utenti per prevedere trend e fenomeni virali del futuro (più o meno prossimo). I nostri partner del Centro Studi Etnografia Digitale, insieme ai ricercatori dell’università di Siena hanno trovato la soluzione in un tool accessibile a tutti, proprio perché analizza dei dati che sono lì e quasi aspettano di essere analizzati. Da parte nostra ci siamo subito interessati, perché le potenzialità a livello di raccolta di insight sul pubblico di riferimento sarebbero davvero immense. Come primo esperimento hanno pensato bene di analizzare il fenomeno virale per eccellenza: l’influenza.

Il metodo

Il progetto aveva come scopo quello di evidenziare le potenzialità dei famigerati UGC nell’individuazione di aree più sensibili di altre, in una misura tale che possano essere coinvolte o interessate per prime da un determinato fenomeno. Nel caso specifico si trattava dei sintomi influenzali anticipati dagli utenti, ma l’analisi è potenzialmente applicabile a qualunque oggetto, a patto che ci sia una quantità sufficiente di contenuti. Il primo passo è stato scaricare, attraverso un software completamente fatto in casa dal Laboratorio Ladest dell’Università di Siena, ben 5000 tweet contenenti le parole influenza, febbre, tosse, raffreddore pubblicati tra agosto e novembre 2013. Successivamente su questi contenuti sono state svolte tre analisi: 1) Conteggio dei tweet divisi per area geografica di provenienza e per momento di invio 2) Monitoring dei picchi statistici 3) Analisi qualitativa dei tweet inviati nei momenti corrispondenti ai picchi

Risultati

A parte le analisi quantitative, che possono essere svolte con diverse tecnologie già presenti sul mercato (che si tratti di Big data o meno), il punto più interessante è proprio il dato qualitativo: la maggior parte dei tweet riguardanti i sintomi influenzali veri e propri sono stati inviati in corrispondenza dei picchi di frequenza. Viene da chiedersi se a questo punto un’analisi del genere possa essere applicata per predire i trend futuri. Generalizzando il discorso per fare degli esempi, si potrebbe aggiungere la variabile geolocalizzazione incrociando gli hashtag con l’area da cui provengono e verificare se un trend è associato/associabile ad altri fenomeni, oppure aggiungere addirittura il sentiment, utile a comprendere se il trend è più o meno forte in alcune zone piuttosto che in altre. Quello che ci interessa ovviamente non è il dato numerico individuale, ma il vantaggio di poter utilizzare gli utenti come “sensori” per monitorare i trend in tempo reale, o addirittura prevederli, semplicemente seguendo il medium che utilizzano senza ricorrere a sofisticati e costosissimi software di analisi dei Big Data (dove in realtà, i Big Data non ci sono affatto). Siamo come sempre interessati alle vostre opinioni e le critiche (costruttive, si capisce) sono ben accette.