Imprese ed istituzioni utilizzano sempre più spesso la Social Network Analysis per comprendere il loro mercato e interagire con il mondo che le circonda: ampia disponibilità di dati e bassi costi di elaborazione cambiano il modo con cui imprese ed istituzioni li utilizzano.
Viviamo nell’era delle reti, o network: di persone, d’imprese, di città, di vie di trasporto. Il web. Reti fisiche o virtuali, come quelle che si creano con le email o sui social – Facebook, Linkedin, Twitter, Instagram. Siamo sempre (più) connessi.
Forse però non tutti si rendono conto di come ogni giorno i nostri click creino connessioni nell’etere. Tante. Connessioni che si possono analizzare. Con la tecnologia sempre meno costosa e l’enorme quantità di dati a disposizione (inclusi i leggendari Big Data, che anche quando sono Small risultano utilissimi), è sempre più frequente che imprese ed esperti di marketing, nonché agenzie governative e altre istituzioni, ricorrano all’analisi di tali dati.
Quando ci sono da analizzare connessioni si tira in ballo la Social Network Analysis, disciplina che fa uso delle Network Theory o Teoria dei Grafi. È una branca delle matematica-statistica dalle origini antiche (la paternità è attribuita al grande matematico Eulero, vissuto nel XVIII secolo) diventata oggi di moda per lo studio dei sistemi complessi. La svolta l’ha data il fatto che finalmente i dati sono, costa poco macinarli ed è possibile trarne informazioni utili.
Si tratta di studiare persone, imprese, o altre organizzazioni, non come soggetti e strutture a sé stanti, bensì come parti di un sistema, analizzandone le relazioni per capire come influiscano sui comportamenti dei singoli e del tutto.
In AdviseOnly, ad esempio, abbiamo applicato questo tipo di analisi al rischio di contagio bancario: per capire quanto l’eventuale fallimento di una banca possa ripercuotersi sulle altre banche e sull’economia. Oppure per mappare la relazione tra le varie tipologie di rischi finanziari.
Ma le applicazioni di questa tecnica di Data Science sono vastissime e stanno cambiando il modo con cui le imprese interagiscono con il mondo circostante. La Network Theory è alla base del meccanismo con cui Google effettua il rank delle pagine, del sistema con cui Spotify raccomanda brani musicali e Netflix suggerisce i film, giusto per fare qualche esempio. Serve a studiare la rete di contatti, la reputazione e i meccanismi di trasmissione delle informazioni relative ad un’azienda sui social network. Vediamo un esempio concreto.
La rete di AdviseOnly
La teoria ci piace, ma la pratica anche di più. Quindi abbiamo condotto uno studio esplorativo, con l’Università di Pavia, utilizzando i dati relativi al nostro account Twitter per capire come ci inseriamo nell’ecosistema delle informazioni legate ad economia e finanza. Noi abbiamo circa 40.000 follower, e durante il giorno iniziamo molte conversazioni, oppure veniamo ingaggiati da altri: insomma, si tratta di una montagna di dati. Una volta raccolti, filtrati e ordinati, però ne emergono informazioni interessanti. La struttura del nostro network, tanto per cominciare. Eccola:
Il grafico (che si chiama “grafo”) mostra una serie di punti e di linee: sono utenti Twitter che hanno un certo volume di interazione tra loro. Se due user interagiscono, allora sono puntini (detti “vertici”) collegati da una linea (o “link”). Noterete al centro del grafo una nuvola di punti che attornia un singolo punto: quello è AdviseOnly. Gli altri puntini sono utenti Twitter che interagiscono con noi e con altri.
Dal grafo e dalla sua struttura matematica si capiscono molte cose. Ad esempio che la struttura è simile a quella di un piccolo mondo (“small world”) nel quale ci sono sì differenti gruppi di utenti, ma contigui tra loro: con pochi passaggi l’informazione (un tweet) passa da un gruppo all’altro, diffondendosi nel grafo. È l’idea alla base dell’idea dei “sei gradi di separazione”, un concetto del quale probabilmente avrete sentito parlare: si presume che ogni persona sia collegata ad una qualsiasi altra persona da una catena di conoscenze fatta da non più di sei persone (spesso meno).
La reputazione è tutto
Si può capire molto della reputazione di un’azienda, utilizzando la Network Analysis. Per esempio, applicando la cosiddetta Sentiment Analysis, il flusso di informazioni che circola intorno ad AdviseOnly può essere classificato, separando tweet tecnici e puramente informativi da tweet sarcastici, o da tweet con connotazioni negative. Fortunatamente per noi, è emerso che chi ci segue è per lo più soddisfatto (l’86% dei follower) e apprezza lo sforzo di educazione finanziaria.
È chiaro che questo tipo di informazione di prima mano, ottenibile anche da altri social network è oro per un’azienda che voglia realmente capire come è percepita dai suoi utenti.
Una situazione dinamica
Naturalmente le cose cambiano velocemente: il bello di quest’analisi è che consente di monitorare la situazione in modo dinamico. Proseguendo nell’esempio di AdviseOnly, la seguente immagine dà un’idea intuitiva di come, settimana dopo settimana, cambia la struttura delle relazioni di chi interagisce incisivamente con l’account Twitter di AdviseOnly.
La centralità di AdviseOnly varia, così come il livello di connessione con altri gruppi rilevanti, talvolta più grandi e significativi, dominati da singoli influencer, talvolta più piccoli e dispersi. Capire quali circostanze hanno favorito questa o quella struttura di circolazione delle informazioni è cruciale: è alla base del cosiddetto influencer marketing, utilizzatissimo nel campo dell’abbigliamento e design (ma non solo), tuttavia non così popolare nel mondo finanziario-bancario, fermo su modelli più…uhm, vintage.
L’idea è che, anziché assoldare il “vip” di turno, pagandolo perché pubblichi sul suo profilo Facebook qualche contenuto relativo al prodotto da promuovere, si identificano i veri influencer, cioè gli opinion leader per il proprio target. In modo misurabile. Scientifico. E questo cambia modo di fare impresa e di offrire servizi ai clienti.
