Social Data: analizzare i fenomeni virali e le discussioni online

Big Data. Open Data. Social Data. Le fonti di dati online sono molteplici. E il potenziale di business altrettanto. Il problema, però, è sempre lo stesso: come analizzarli? Come sfruttarli, in funzione della comprensione dei fenomeni sociali, dello studio degli utenti della rete, della pianificazione della campagne di marketing o della definizione di modelli di business che sappiano sfruttarli?
Per rispondere ad alcune di queste domande LaRiCa (il Laboratorio di Ricerca sulla Comunicazione Avanzata dell’Università di Urbino) organizza ormai da tre anni il “WARM, il Workshop on advanced research methods“. Nell’edizione di quest’anno gli invited speaker sono stati Gilad Lotan e Vincenzo Cosenza che hanno parlato proprio degli strumenti e dei casi di analisi dei social data.

Mappare l’attenzione dei pubblici in rete

Gilad Lotan è il VP del Research and Development di SocialFlow, società neworkese che utilizza i social data per aiutare i brand ad acquisire visibilità e a creare engagement in Twitter e Facebook.

Durante il suo intervento ha analizzato criticamente alcuni fenomeni virali per mostrare come il passaparola attraverso la rete possa conferire popolarità a brand e media. Gilad sottolinea l’importanza di analizzare i social data per comprendere meglio le audience. I social data infatti consentono di capire da chi sono composti i pubblici online, che cosa li esalta e li stimola a ricondividere contenuto, cosa attiva i loro comportamenti, come si raggruppano e quali sono gli opinion leader.

Acquisendo, elaborando, analizzando e visualizzando i social data è così possibile avere degli insight sui comportamenti dei pubblici e dunque pianificare campagne virali di successo. Lavorare con i social data comporta tuttavia molte sfide. Prima di tutto è necessario avere accesso ai dati. Questa sfida è facilitata dalle API che molti servizi mettono a disposizione.

In secondo luogo è necessario gestirli. SocialFlow ha sviluppato differenti sistemi che consentono di maneggiare i social data. Ad esempio sono stati sviluppati sistemi che consentono di analizzare i dati di Twitter dal punto di vista tematico, quindi identitificarne la distribuzione geografica, linguistica o temporale al fine di individuare dei pattern. Un esempio è l’analisi dei tweet riferiti agli eventi sportivi: anche già prima di analizzare il contenuto è possibile identificare i momenti del gioco in base alla quantità di tweet condivisi.
La terza sfida riguarda le tecniche di analisi giuste. Una delle più importanti è la mappatura dei social network. Tale mappatura consente di identificare i nodi più rilevanti, sia dal punto di vista tematico, che come fonti di contenuti.

Gilan ha quindi mostrato il fenomeno Kony2012 di Invisible Childred, uno dei più rilevanti casi di video virale che ha ottenuto più di 100 milioni di visualizzazioni in pochi giorni. Mappando il social network attraverso cui il video si è diffuso è stato possibile identificare dei cluster geografici e delle similarità tematiche nelle descrizioni dei profili Twitter che lo hanno diffuso. Da questo si è dedotto come il caso di Kony2012 sia stato pianificato strategicamente al fine di utilizzare network esistenti di supporter che sono stati attivati in contemporanea per consentire la diffusione globale del contenuto.

Analyzing Italian Twittersphere

Anche Vincenzo Cosenza, autore di Social Media ROI e social media strategist a BlogMeter, ha mostrato un’indagine empirica questa volta sul pubblico italiano.

Nel suo intervento “Analyzing Italian Twittersphere” ha innanzitutto sottolineato l’importanza dello studio di Twitter per comprendere opinioni ed emozioni degli utenti della rete, in relazione ad eventi, così come a brand e aziende. L’importanza deriva dal fatto che si tratta di un social media non più rivolto ad una nicchia, ma che si apre sempre di più alla massa.

Cosenza ha quindi presentato i risultati della più grande indagine empirica sulla twittersfera italiana. Analizzando più di 50 milioni di tweet e integrando tecniche di sentiment analysis è stato possibile sia monitorare l’evoluzione dei network sociali all’interno di tale contesto, sia decifrare il mood degli utenti. In questo modo i brand possono non solo comprendere le reazioni dei pubblici rispetto ai propri messaggi, ma anche sapere come è possibile pianificare strategicamente una campagna, conoscendo ad esempio le ore e i giorni in cui gli utenti sono più predisposti a condividere contenuti.