qwertyuiopasdfghjklzxcvbnmqw

ertyuiopasdfghjklzxcvbnmqwert

yuiopasdfghjklzxcvbnmqwertyui

opasdfghjklzxcvbnmqwertyuiop

asdfghjklzxcvbnmqwertyuiopas

dfghjklzxcvbnmqwertyuiopasdf

ghjklzxcvbnmqwertyuiopasdfgh

jklzxcvbnmqwertyuiopasdfghjkl

zxcvbnmqwertyuiopasdfghjklzx

cvbnmqwertyuiopasdfghjklzxcv

bnmqwertyuiopasdfghjklzxcvbn

mqwertyuiopasdfghjklzxcvbnm

qwertyuiopasdfghjklzxcvbnmqw

ertyuiopasdfghjklzxcvbnmqwert

yuiopasdfghjklzxcvbnmqwertyui

opasdfghjklzxcvbnmqwertyuiop

asdfghjklzxcvbnmrtyuiopasdfgh

Corso di “Metodologie Avanzate e Nuove Tecnologie per il Marketing” 2012/2013

23/05/2013

Loredana Liverani 640641

2

SOMMARIO

Scoprire gruppi interessanti per il marketing all’interno delle comunità virtuali:

proposta per un approccio integrato ......................................................... 3

Perché questo argomento? Letteratura di background e motivazioni socio-

culturali ............................................................................................. 3

Approfondimento sugli argomenti base della ricerca: Virtual Communities,

Social Network, WOM, SNA, Web Mining, Blog ......................................... 4

Metodologia di ricerca utilizzata: un accenno ........................................... 5

Nuovo sapere prodotto con questa ricerca, sviluppi futuri e considerazioni

personali ............................................................................................ 6

Appendice 1 .......................................................................................... 9

Viralità del WOM marketing................................................................... 9

Grafico (sample) dei tag relativi al Web 2.0 ............................................. 9

Social Network Graph of the “Cosmetics Community” ............................. 10

Hierarchical clustering result tree of the “Cosmetics Community” .............. 10

Recruiting (and Being) Social Media Influencer ...................................... 11

Riferimenti (estranei a quelli già citati nel paper) ................................... 13

3

SCOPRIRE GRUPPI INTERESSANTI PER IL MARKETING ALL’INTERNO

DELLE COMUNITÀ VIRTUALI: PROPOSTA PER UN APPROCCIO

INTEGRATO

Articolo in questione: “Wang, K.-Y., et al., Discovering interest groups

for marketing in virtual communities: An integrated approach, Journal

of Business Research (2012), doi:10.1016/j.jbusres.2012.02.037”

PERCHÉ QUESTO ARGOMENTO? LETTERATURA DI BACKGROUND E MOTIVAZIONI

SOCIO-CULTURALI

L’utilizzo delle tecnologie computazionali è ormai non sono largamente diffuso, è essenziale

per le imprese: permette di ottenere molteplici dati sui consumatori, in mole decisamente

superiore rispetto alle tecnologie del passato, e in un modo estremamente più semplice e

veloce. L’ambiente operativo delle imprese è cambiato non solo tecnologicamente ma anche

per quanto riguarda i canali di comunicazione per raggiungere (e farsi raggiungere) dai

consumatori: è da sottolineare infatti la rapida crescita della quota di popolazione che utilizza il

Web 2.0 1 , il quale enfatizza la comunicazione “two-sides” tra users e marketers. Grande

interesse è rivolto verso i siti di social networking (detti anche SNSs); infatti dalla letteratura

precedente al lavoro in questione emerge già un forte interessamento verso i social network,

soprattutto però per quanto riguarda il WOM marketing2. La ricerca in tal campo è quindi

ancora evidentemente limitata, bastano pochi numeri per far capire quanto andrebbe

approfondita: nel 2007 eMarketer ha trovato che negli U.S.A. il 37% degli adulti (con

previsione che abbiano raggiunto il 50% nel 2011) e il 70% dei teenager (con prevista crescita

all’84% sempre nel 2011) usavano già i SSNs.

I marketers hanno visto la grande potenzialità dei social network per promuovere, valorizzare

e far conoscere velocemente i nuovi prodotti. 3 Tuttavia negli ultimi anni la conoscenza e

l’applicazione di tali importanti strumenti (sia a livello accademico che pratico) è stata limitata,

e quindi sono stati riportati scarsi progressi conoscitivi. Risultato di questa scarsa conoscenza è

che i marketers spesso ignorano (o meglio, non conoscono bene come, invece, dovrebbero) le

strutture dei social network nel momento in cui vanno ad impiantarci sopra le loro strategie di

marketing.4

Ecco quindi l’obiettivo di questo lavoro di Wang et al.: proporre alle imprese l’adozione di un

approccio integrato che utilizzi sia l’analisi dei social network (SNA5) che alcune specifiche

tecniche di Web Mining6 , al fine di individuare gruppi interessanti -target dei marketers-

all’interno delle comunità virtuali. Questa ricerca vuole certamente dimostrare come usare

propriamente le apposite tecniche per fare un marketing d’effetto all’interno di comunità

virtuali ma, soprattutto, rendere tali tecniche il più accessibili possibile per i marketers. Fine

ultimo di questo lavoro è quindi aiutare i marketing manager a raggiungere i consumatori,

1 Si indica come Web 2.0 l'insieme di tutte quelle applicazioni online che permettono un elevato livello di interazione

tra il sito web e l'utente come i blog, i forum, le chat, i wiki, le piattaforme di condivisione di media come Flickr, YouTube, Vimeo, i social network come Facebook, Myspace, Twitter, Google+, Linkedin, Foursquare, etc. ottenute

tipicamente attraverso opportune tecniche di programmazione Web afferenti al paradigma del Web dinamico in

contrapposizione al cosiddetto Web statico (o Web 1.0). 2 Van den Bulte & Wuyts, 2007. 3 Algesheimer, Dholakia, & Hermann, 2005. 4 Van den Bulte & Wuyts, 2007. 5 abbreviazione di Social Network Analysis. 6 Il Web Mining è l’applicazione di tecniche di Data Mining ai dati provenienti dal Web al fine di scoprire modelli di comportamento degli utenti, per poter capire, e meglio soddisfare, le necessità delle applicazioni basate sul Web.

4

comunicandoci bidirezionalmente, in questo nuovo ambiente digitale, caratterizzato dall’utilizzo

del Web 2.0 e dalla forte crescita delle virtual communities.

APPROFONDIMENTO SUGLI ARGOMENTI BASE DELLA RICERCA: VIRTUAL

COMMUNITIES, SOCIAL NETWORK, WOM, SNA, WEB MINING, BLOG

Con il termine social network si fa riferimento a gruppi complessi formati da un gran numero

di individui e alle relazioni e interazioni che esistono tra questi (sia tra individui singolarmente

che tra gruppi di individui). 7 I social network sono quindi in grado di influenzare il

comportamento dei consumatori in vari modi: modificando le strategie di ricerca delle

informazioni, i processi decisionali8, nonché ovviamente le decisioni di consumo.9 Le comunità

virtuali sono gruppi di users, dislocati ognuno su un diverso computer, che scambiano tra loro

amicizia, risorse sociali, informazioni. Gli utenti sviluppano un forte senso di appartenenza al

gruppo, a questa comunità. Un SNS (come Facebook) è un esempio di comunità virtuale.

Queste sono estremamente importanti nel WOM marketing. Il word of mouth, o passaparola,

prende vita quando un consumatore dona delle informazioni ad un altro consumatore.

Attualmente, attraverso blog, forum e community di ogni sorta, i clienti possono scambiarsi

consigli ed opinioni su tutte le tipologie di prodotti e/o servizi. Il WOM marketing è basato,

quindi, sulle motivazioni che i marketers devono dare alle persone per parlare di un

determinato prodotto/servizio e favorire quel genere di conversazione. D’altronde stiamo

parlando del più potente strumento promozionale esistente, che fa perno sulla fiducia e si

appoggia necessariamente su una customer satisfaction reale e guadagnata, sulle effettive

qualità di un prodotto o servizio, sul desiderio sincero delle persone di comunicare ad altri

un’esperienza che le ha appagate: sono i consumer stessi a fare marketing verso altri

consumer. Se ciò è vero, è lampante la forte importanza del WOM marketing per i marketers:

capire la struttura dei social network e le strette relazioni che intercorrono tra i membri di

questi è importantissimo, poiché vi è la possibilità che ogni singolo individuo possa diffondere il

messaggio di marketing dei marketers, con un potenziale effetto virale nella comunità.

In appendice: simpatica rappresentazione della viralità del WOM marketing

La Social Network Analysis fu sviluppata per trovare ed analizzare le relazioni esistenti tra

gli “attori” di un social network. Ogni attore può essere rappresentato da un nodo; ogni paio di

nodi può essere connesso da linee che mostrano la relazioni esistente fra essi. Il network

structure graph è il grafico che si forma a partire da questi nodi e linee e la SNA è la

metodologia utilizzata per capire il grafico e quindi le relazioni esistenti tra gli attori del social

network.10 Sono tre gli elementi importanti da individuare11 per capire la struttura di un social

network:

1. Attori: sono gli elementi essenziali del social network; con il termine attore si fa

riferimento ad una persona, ad un’organizzazione, o ad un evento.

2. Legami: sono gli elementi utilizzati per descrivere le relazioni tra gli attori; sono una

sorta di “sentieri” tra essi; tali legami possono essere forti o deboli, a seconda della

forza e della vicinanza della relazione che vanno a descrivere.

3. Relazioni: sono gli elementi utili per individuare eventuali sottogruppi, legati tra loro.

7 Iacobucci & Hopkins, 1992. 8 lett. “decision-making processes”. 9 Flynn, Goldsmith & Eatman, 1996. 10 Borgatti et al., 2007. 11 Scott, 2002.

5

Per capire la struttura del social network, così come le relazioni che si sono formate al suo

interno, o le diverse relazioni esistenti tra i suoi membri, l’uso della SNA è essenziale e

importantissimo. La SNA può mettere a nudo la struttura del social network aggregando i suoi

membri in sottogruppi, basandosi sul pattern di relazioni esistenti.12

Tra le tecniche informatiche utilizzate per analizzare i social network nelle comunità virtuali, il

web mining è spesso indicata come la migliore. Il web mining è l’applicazione di tecniche di

data mining ai dati provenienti dal Web; è utilizzato per scoprire ed estrarre informazioni da

database di enormi dimensioni. Il web mining può essere di tre tipi:13

1. Web structure mining: utilizzato per analizzare i link e la struttura dei siti web.

2. Web usage mining: utilizzato per analizzare come i siti web sono usati (analizzando ad

esempio comportamenti di navigazioni degli user del sito web).

3. Web content mining: utilizzato per analizzare i contenuti dei siti web (come ad esempio

i testi pubblicati).

Queste tre tecniche non vengono utilizzate da sole, ma combinate insieme. In questa ricerca

vengono utilizzate le tecniche di web structure mining e web content mining per scoprire le

regole di associazioni tra i contenuti pubblicati in un blog e i contenuti di risposta.

Un blog (che originariamente veniva chiamato weblog), SNS molto popolare, è un sito web

personale nel quale si postano propri articoli o si condividono storie e articoli di terzi. Altri user,

con interessi simili a quelli del proprietario del blog, possono commentare tali post.

Normalmente è possibile aggiungere dei tag14 ai contenuti pubblicati: questi sono parole-

chiave che facilitano la ricerca dei contenuti e permettono di classificare gli argomenti trattati

nel blog stesso; i tag sono quindi certamente già essi un “sistema di raccomandazioni”, come

quello che si propone di divulgare questo articolo.

In appendice: “nuvola” di tag relativi al concetto di web 2.0

METODOLOGIA DI RICERCA UTILIZZATA: UN ACCENNO

Step seguiti nella ricerca:

Step 1: ottenere un esempio di SNS.

Step 2: utilizzare SNA e web mining per analizzare i dati ottenuti.

Step 3: sviluppare un “meccanismo di raccomandazione” e costruire un “sistema di

raccomandazioni”.

Sviluppo della ricerca nelle sue diverse fasi:

1. Preparazione dei dati: vengono scritti i programmi computazionali per ottenere dati da

un SNS. L’SNS utilizzato in questione è un esempio di una comunità virtuale che

condivide interessi nella cosmetica (il blog Wretch, popolare SNS di Taiwan). I dati

vengono raccolti tra Gennaio 2008 e Marzo 2009, permettendo di identificare più di

5000 user attivi del blog.

12 Wasserman & Faust, 1994. 13 Cooley et al., 1997. 14 Un tag (o metadato) è una parola chiave o un termine associato a un'informazione che descrive l'oggetto rendendo

possibile la classificazione e la ricerca di informazioni basata su parole chiave. Tipicamente a ogni oggetto sono applicati più tag. I tag sono generalmente scelti in base a criteri informali e personalmente dagli autori/creatori

dell'oggetto dell'indicizzazione. I tag sono associati al concetto di web 2.0 e ai cosiddetti servizi di social bookmarking.

6

2. Sviluppo di un “consumer” social network: vengono identificati i blogger influenti

all’interno della community (circa 30 – di cui 3 estremamente influenti - sui 5000

individuati); a seconda delle caratteristiche più riscontrate e delle interazioni tra i

diversi user vengono inoltre classificati diversi sottogruppi e messe a nudo le relazioni

esistenti tra questi. Vengono utilizzate tre tipologie di interazione per misurare le

relazioni esistenti tra i membri della comunità: risposte, citazioni e raccomandazioni.

In appendice: rappresentazione del social network graph di questa “cosmetics community”

3. Ricerca delle regole di associazione e sviluppo di una strategia di raccomandazioni:

dopo aver classificato inizialmente i gruppi con la SNA (sono stati individuati 4 cluster

attraverso una cluster analysis gerarchica), vengono applicate su questi le tecniche di

web mining per scoprire le regole di associazione tra i contenuti pubblicati nel blog e

quelli pubblicati in risposta ai primi.

Per analizzare i contenuti è stato usato il software informatico di data mining WEKA15, il

quale ha permesso di individuare 4 regole di associazione. Usando tali regole

associative, è stato quindi possibile identificare le relazioni più profonde che legavano i

nodi al loro interno, nonché tra loro nel network.

In appendice: rappresentazione dei 4 cluster individuati attraverso un albero di clustering

4. Costruzione di un “sistema di raccomandazioni”: è il risultato della ricerca e può

permettere, ai consumatori, di risparmiare tempo quando navigano nella “blogosfera16”

cercando topic e discussioni di loro interesse e, alle imprese, di promuovere i prodotti al

giusto target (osservando gli individui già classificati in gruppi). Nel blog oggetto della

ricerca vengono identificate, come già detto, 4 “categorie di raccomandazione” riguardo

i contenuti: make-up, skin care, hair design e fashion information.

Qual è il collegamento tra il “sistema di raccomandazioni” promosso con questa

metodologia integrata di analisi e la potente viralità offerta dal WOM marketing? Il

sistema sviluppato può intensificare l’efficacia del WOM marketing e quindi permettere di

raggiungere meglio (o più velocemente) gli obiettivi di marketing strategicamente

programmati.

NUOVO SAPERE PRODOTTO CON QUESTA RICERCA, SVILUPPI FUTURI E

CONSIDERAZIONI PERSONALI

Questo lavoro di Wang et al. ha contribuito ai metodi di ricerca del marketing sui SNS in vari

modi, integrando la SNA e il web mining, due tecniche non nuove ed anzi discretamente già

utilizzate, ma in grado di produrre, congiuntamente impiegate, interessanti risultati. Dapprima,

con la SNA si identificano le posizioni e i ruoli dei vari nodi e dei cluster da questi formatisi,

quindi anche l’intensità dei legami tra i nodi stessi (la quale appunto da vita ad eventuali

cluster): la SNA presenta quindi qual è la struttura del social network, nonché i legami

relazionali tra i vari user, tra loro strettamente interconnessi.

Dopo aver classificato i vari gruppi del network attraverso la SNA, il web mining va a scoprire

le regole associative tra i contenuti del blog, per produrre un sistema di raccomandazioni.

Questo sistema è in grado di trovare le informazioni più rilevanti in maniera estremamente

efficace, utilizzando una strategia che diverge dai tradizionali metodi di tipo content-based e da

15 WEKA, acronimo di "Waikato Environment for Knowledge Analysis", è un software per l'apprendimento automatico

sviluppato nell'università di Waikato in Nuova Zelanda. WEKA è un ambiente software interamente scritto in Java. Un

semplice metodo per utilizzare questo software consiste nell'applicare dei metodi di apprendimento automatici (learning methods) ad un set di dati (dataset), e analizzarne il risultato. È possibile attraverso questi metodi, avere

quindi una previsione dei nuovi comportamenti dei dati. 16 lett. “blogosphere”.

7

quelli della tipologia di collaborative filtering (i quali ignorano l’influenza delle relazioni nel

social network e si basano soltanto su preferenze – manifeste o predette - del singolo user).

Caratteristiche positive del metodo integrato SNA-web mining:

Fornisce informazioni sostanziali e oggettive sui consumatori presenti nel SNS.

Minimizza la possibilità di invadere la privacy dei consumatori e/o accrescere i problemi

di sicurezza (lavora su informazioni rilasciate VOLONTARIAMENTE dagli user al grande

pubblico del web).

Accresce la conoscenza dei meccanismi e delle diverse applicazioni dei social network

nel marketing.

I diversi modi nei quali i risultati di questo lavoro possono essere utilizzati dai marketer:

Il “sistema di raccomandazioni” è un ottimo collegamento tra i marketer e gli user.

Deve essere user-friendly, semplificare i processi di ricerca e far risparmiare tempo ai

consumatori. Ciò permette di aumentare l’efficienza del servizio che il sito web fornisce

ai consumatori stessi: l’aumento della qualità del servizio non può che attirare nuovi

user ed accrescere la portata dello stesso (con evidente grande vantaggio dei marketer

in termini di visibilità).

Lo stesso “sistema di raccomandazioni” può essere utilizzato dall’azienda per i suoi

obiettivi di marketing, in quanto permette di identificare efficacemente i gruppi target

all’interno dei SNS, e di effettuare quindi su di loro una comunicazione più mirata. Una

comunicazione più mirata permette un advertising più efficace: la pubblicità online non

viene più visualizzata in modo random da tutti gli user, ma indirizzata soltanto verso

coloro che la dovrebbero trovare di loro interesse.

Il metodo proposto aiuta inoltre i marketer ad identificare gli opinion leader (ovvero gli

influencer17) all’interno dei vari SNS. Questi influenti user possono essere contattati

dalle società e utilizzati per veicolare in sinergia con i marketers i messaggi di

marketing che l’azienda vuole arrivino ai consumatori target. Gli influencer sono

“strumenti” molto importanti per le imprese dal punto di vista del WOM.

In appendice: alcune statistiche del 2012 riguardo i Social Media Influencer

Capire la struttura del network di un SNS aiuta i marketers a capire come i messaggi

si trasmettono all’interno del social, e tra gli individui della community.

L’importanza di capire la rete di relazioni, ingaggiare influencer e attrarre clienti:

Il risultato più interessante che emerge da questo lavoro è la “conoscenza relazionale” che

arriva a chi utilizza il metodo integrato di indagine per studiare i SNS: è proprio questa la

conoscenza in più rispetto ai tradizionali metodi di indagine sui social network. Le imprese

possono sfruttare tale conoscenza in vari modi, come da elenco soprastante, ma il “recruiting”

di influencer è senza dubbio uno dei metodi più “facili” per farsi conoscere ed apprezzare dai

fan (e sono moltissimi) degli influencer del web. Per sottolineare l’importanza dell’utilizzo degli

influencer da parte delle imprese riporto alcuni strabilianti dati ottenuti da “Technorati Media’s

2013 Digital Influence Report”, per comprendere meglio il ruolo degli influencer sui social

media e sul mercato in generale:

17 I Social Media Influencer sono personaggi, che attraverso il passa-parola on-line, hanno un grande seguito e un

enorme impatto mediatico, attraverso il passa-parola, su un mercato rilevante per il tuo business. Questa è la

definizione data dalla Word of Mouth Marketing Association (WOMMA).

8

I messaggi dei vari brand sono ormai largamente presenti sui social: il 91% dei brand è

gia presente su Facebook, l’85% su Twitter (giusto per richiamare i SNS più popolari).

Il 65% di questi brand partecipa ad un influenced-based marketing. I “Facebook

Friends” e i “Facebook Like” sono tra i più usati attributi per misurare l’efficacia di tale

influenza sui vari SNS.

I consumatori utilizzano molto i social network (il 74% di loro utilizza Facebook, un

80% YouTube), e credono molto in ciò che apprendono/vedono nei SNS (un 51% dei

consumatori ha fiducia nei siti di news, ma ben un 32% - ed è la seconda maggior

statistica – ha fiducia nei post di Facebook!).

Facebook è in grado di influenzare un acquisto con una probabilità del 30,8% (i siti di

retail presentano una probabilità del 56% di influenzare l’acquisto).

L’86% degli influencer ha almeno un blog. Sono proprio i blog i principali canali

attraverso i quali si sono fatti conoscere ed hanno acquistato popolarità. Il 31% ha

questi blog da almeno 5 anni. Tuttavia, data la crescente importanza dei social network,

oggi gli influencer sono diffusamente presenti – e decisamente attivi nel creare

contenuti – nei maggiori SNS: il 92% è su Facebook, l’88% su Twitter... un 37%

addirittura su Instagram.

Gli influencer sono spesso pagati per il loro “lavoro”: ben un 65% di questi è pagato per

sponsorizzare determinati post o articoli, un 5% ha intrapreso un programma di “Brand

Ambassador”.

Ecco quindi i suggerimenti di marketing che arrivano alle imprese attraverso gli influencer:

I marketer possono utilizzare una serie di partnership con social media influencer

oppure divenire essi stessi influencer. Individuare dove (su quale SSN e in che modo) il

proprio target è presente e dove è maggiormente attivo è fondamentale, tuttavia non si

può prescindere dalla presenza su Facebook e probabilmente su Twitter (ormai troppo

popolari).

La maggior parte degli influencer ha un Blog. Il Blog consente di costruire il proprio

marchio e crearsi una certa autorità in una nicchia del mercato. I marketer potrebbero

utilizzare il pubblico dell’influencer per distribuire, rafforzare e aggiungere valore al

proprio brand e per diffondere informazioni e messaggi.

Gli influencer creano ottimi contenuti: soprattutto in quanto blogger, sanno ben usare il

potere del content marketing di qualità, ben comprendendo quanto sia essenziale per la

condivisione efficace e le profittevoli relazioni sociali.

Gli influencer fanno un largo uso dei social media e monitorano – costantemente -

l’efficacia del loro lavoro. Sono professionisti nell’ottimizzare ogni aspetto dei loro sforzi

sui social media per massimizzare feedback e condivisioni (il loro obiettivo primario –

non economico - è incrementare sempre più la loro popolarità e visibilità).

Ecco i motivi per i quali “being influencer” è oggi il segreto del successo, prima social, ma

successivamente tangibile, dei brand: le aziende dovrebbero divenire Social Media Influencer oppure, per lo meno, inserire tra le proprie strategie la relationship con uno o più influencer, in

linea con il proprio audience e il proprio segmento di mercato.

Quale tecnica è oggi migliore dell’approccio integrato, divulgando in questo articolo da Wang

et al., per scoprire chi sono i giusti influencer e come questi effettivamente influenzano i clienti target?

9

APPENDICE 1

VIRALITÀ DEL WOM MARKETING

18

GRAFICO (SAMPLE) DEI TAG RELATIVI AL WEB 2.0

19

18 Immagine presa dal web, fonte non nota. 19 Wikepedia IT.

10

SOCIAL NETWORK GRAPH OF THE “COSMETICS COMMUNITY”

20

HIERARCHICAL CLUSTERING RESULT TREE OF THE “COSMETICS

COMMUNITY”

21

20 Wang, K.-Y., et al., Discovering interest groups for marketing in virtual communities: An integrated approach,

Journal of Business Research (2012). 21 come sopra.

11

RECRUITING (AND BEING) SOCIAL MEDIA INFLUENCER

22

23

24

22 Technorati Media’s 2013 Digital Influence Report. 23 come sopra.

12

25

26

27

24 Technorati Media’s 2013 Digital Influence Report. 25 come sopra. 26 come sopra.

13

RIFERIMENTI (ESTRANEI A QUELLI GIÀ CITATI NEL PAPER)

Blog di Heidi Cohen: www.heidicohen.com

Technorati Media’s 2013 Digital Influence Report (reperibile sul web:

technoratimedia.com/publishers)

Wikipedia IT

27 Technorati Media’s 2013 Digital Influence Report.