Discussione critica dell'articolo “Wang, K.-Y., et al., Discovering interest groups for marketing in virtual communities: An integrated approach, Journal of Business Research (2012)”, con approfondimento su SNA e virtual communities, in particolar modo riguardo l'importanza degli "influencer".
Welcome message from author
This document is posted to help you gain knowledge. Please leave a comment to let me know what you think about it! Share it to your friends and learn new things together.
Transcript
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-
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.
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.
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”.
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.