Cos'è la social media analytics?

Sia i professionisti che gli analisti conoscono i social media attraverso numerosi siti Web e canali: Facebook, YouTube, Instagram, Twitter, LinkedIn, Reddit e molti altri.

Social Media Analytics è un'analisi più ampia rispetto a metriche come like, follower, retweet, anteprime, clic e impressioni raccolte da singoli canali. Inoltre, differisce dalla reportistica offerta dai servizi che supportano campagne di marketing come LinkedIn o Google Analytics.

Social Media Analytics utilizza piattaforme software appositamente progettate che funzionano in modo simile agli strumenti di ricerca sul web. I dati relativi a parole chiave o argomenti vengono recuperati tramite query di ricerca o web "crawler" che si estendono a tutti i canali. I frammenti di testo vengono restituiti, caricati in un database, categorizzati e analizzati per ricavare insight significativi.

La social media analytics include il concetto di social listening, che monitora i canali social alla ricerca di problemi e opportunità. Gli strumenti di social media analytics in genere incorporano il listening in una reportistica più completa che coinvolge l'ascolto e l'analisi delle prestazioni.

IBM® sottolinea che con la prevalenza dei social media: "La notizia di un ottimo prodotto può diffondersi a macchia d'olio. E le notizie su un prodotto scadente, o una brutta esperienza con un rappresentante del servizio clienti, possono diffondersi altrettanto rapidamente. I consumatori ora chiedono alle organizzazioni di rendere conto delle promesse del brand e condividono le loro esperienze con amici, colleghi e con il pubblico in generale".

Social Media Analytics aiuta le aziende ad affrontare queste esperienze e ad utilizzarle per:

• Individuare le tendenze relative alle offerte e ai marchi
• Comprendere le conversazioni: cosa viene detto e come viene recepito
• Ricavare il sentiment dei clienti nei confronti di prodotti e servizi
• Valutare la risposta ai social media e ad altre comunicazioni
• Identificare le funzionalità di alto valore di un prodotto o servizio
• Scoprire cosa dicono i concorrenti e la relativa efficacia
• Mappare il modo in cui partner e canali di terze parti possono influenzare le prestazioni

Questi insight possono essere utilizzati non solo per apportare modifiche tattiche, come rispondere a un tweet arrabbiato, ma anche per guidare le decisioni strategiche. Infatti, IBM ritiene che la social media analytics sia ormai "entrata nelle discussioni principali su come le aziende sviluppano le loro strategie".

Queste strategie influiscono su una serie di attività aziendali:

• Sviluppo del prodotto: l'analisi di un insieme di post di Facebook, tweet e recensioni di prodotti Amazon può fornire un quadro più chiaro dei punti critici, delle mutevoli esigenze e delle funzionalità desiderate dai clienti. È possibile identificare e monitorare le tendenze per modellare la gestione delle linee di prodotti esistenti e guidare lo sviluppo dei nuovi.
• Esperienza del cliente: uno studio IBM ha scoperto che "le organizzazioni si stanno evolvendo da aziende basate sui prodotti ad aziende basate sull'esperienza". L'analisi comportamentale può essere applicata su tutti i canali social per sfruttare i micromomenti e soddisfare i clienti, aumentando la fedeltà e il valore del ciclo di vita.
• Branding: i social media potrebbero essere il più grande focus group al mondo. L'elaborazione del linguaggio naturale e l'analisi del sentiment possono monitorare costantemente le aspettative positive o negative per mantenere lo stato di salute del marchio, affinare il posizionamento e sviluppare nuovi attributi.
• Analisi della concorrenza: la comprensione di cosa fanno i concorrenti e come rispondono i clienti è sempre fondamentale. Ad esempio, un concorrente può indicare che sta rinunciando a un mercato di nicchia, creando un'opportunità. Oppure, un picco di menzioni positive per un nuovo prodotto può allertare le organizzazioni sui fattori di disturbo del mercato.
• Efficienza operativa: l'analisi approfondita dei social media può aiutare le organizzazioni a migliorare il modo in cui valutano la domanda. I rivenditori e altri soggetti possono utilizzare queste informazioni per gestire l'inventario e i fornitori, ridurre i costi e ottimizzare le risorse.

Affinché Social Media Analytics sia efficace bisogna partire dallo sviluppo di un obiettivo. Gli obiettivi possono variare dall'incremento del fatturato all'individuazione dei problemi del servizio. Da lì, è possibile selezionare argomenti o parole chiave e impostare parametri come un intervallo di date. È inoltre necessario specificare le fonti: risposte ai video di YouTube, conversazioni su Facebook, argomentazioni su Twitter, recensioni di prodotti Amazon, commenti dai siti di notizie. È importante selezionare le fonti pertinenti a un determinato prodotto, servizio o marchio.

In genere, verrà stabilito un set di dati per supportare gli obiettivi, gli argomenti, i parametri e le fonti. I dati vengono recuperati, analizzati e riportati tramite visualizzazioni che semplificano la comprensione e la manipolazione.

Queste fasi sono tipiche di un approccio generale alla social media analytics che può essere reso più efficace dalle funzionalità presenti nelle piattaforme dedicate.

• Le tecnologie di elaborazione del linguaggio naturale e di machine learning identificano entità e relazioni nei dati non strutturati, informazioni non preformattate per funzionare con l'analytics dei dati. Quasi tutti i contenuti dei social media non sono strutturati. Queste tecnologie sono fondamentali per ricavare insight significativi.
• La segmentazione è un’esigenza fondamentale nella social media analytics. Classifica i partecipanti ai social media in base a geografia, età, sesso, stato civile, stato parentale e altri dati demografici. Può aiutare a identificare gli influencer in quelle categorie. I messaggi, le iniziative e le risposte possono essere meglio sintonizzati e mirati comprendendo chi sta interagendo su argomenti chiave.
• L'analisi del comportamento viene utilizzata per comprendere le preoccupazioni dei partecipanti ai social media assegnando tipi di comportamento come utente, raccomandante, potenziale utente e detrattore. Comprendere questi ruoli aiuta a sviluppare messaggi e risposte mirate per soddisfare, cambiare o deviare le loro percezioni.
• L’analisi del sentiment misura il tono e l’intento dei commenti sui social media. In genere si tratta di tecnologie di elaborazione del linguaggio naturale per comprendere entità e relazioni per rivelare attributi positivi, negativi, neutri o ambivalenti.
• La share of voice analizza la prevalenza e l'intensità delle conversazioni riguardanti il marchio, i prodotti, i servizi, la reputazione e altro ancora. Consente di determinare le questioni chiave e gli argomenti importanti. Inoltre, aiuta a classificare le discussioni come positive, negative, neutre o ambivalenti.
• L'analisi di clustering può scoprire conversazioni nascoste e insight inaspettati. Crea associazioni tra parole chiave o frasi che appaiono insieme frequentemente e ricava nuovi argomenti, problemi e opportunità. Le persone che producono bicarbonato di sodio, ad esempio, hanno scoperto nuovi usi e opportunità utilizzando l'analisi del clustering.
• Dashboard e diagrammi di visualizzazione, grafici, tabelle e altri strumenti di presentazione riassumono e condividono i risultati della social media analytics, una capacità fondamentale per comunicare e agire in base a ciò che è stato appreso. Consentono inoltre agli utenti di cogliere il significato e gli insight più rapidamente e di approfondire risultati specifici senza skill tecniche avanzate.