Social Listening, molti ne parlano, ma non sembra esserci ancora una definizione concreta.
Mi piace definirlo così:
Il Social Listening è un processo circolare e incrementale votato alla massimizzazione delle performance, online e non, mediante attività di raccolta dati, trattamento, analisi e produzione di strategie orientate all’ascolto e dall’ascolto della rete
Il concetto può apparire complesso, ma in realtà è solo molto articolato.
Partiamo da un assunto noto ma non banale: ciascun utente sulla rete, con attività più o meno volontarie, è un produttore di dati.
Brand e soggetti privati possono individuare in questi dati tutta una serie di informazioni che possono risultare cruciali per le strategie che si vanno ad applicare.
Essere presenti in rete vuol dire essere esposti alla pubblica opinione.
Come facciamo a conoscerla? Come facciamo a sapere se sulla rete un gruppo di opinione sta seminando informazioni scorrette, o negative, sul nostro conto?
Abbiamo bisogno di fare attività di ascolto e ricerca.
Abbiamo bisogno di fare social listening.
Come si fa Social Listening?
Provo a sintetizzare la metodologia in pochi passaggi.
Fonti
Il primo passaggio per fare social listening è l’individuazione delle fonti di dati.
La prima fonte di dati è, banalmente, il nostro spazio sulla rete, ad esempio, la nostra pagina Facebook.
Un soggetto (persona o brand) particolarmente attivo, e che quindi riceve quotidianamente interazioni sulla rete, quanto è in grado di monitorarle?
Per quanto l’analisi del nostro spazio possa risultare saliente, è fondamentale andare a ricercare tutte le restanti informazioni che non governiamo, procedendo quindi per estrazioni di dati, ad esempio, in riferimento a pagine Facebook o ad hashtag che possano risultare pertinenti alle nostre attività per cui vogliamo procedere all’ascolto.
Metriche e scenario
Si parte da un’analisi che nella letteratura tradizionale viene definita scenario, forse termine improprio per il caso specifico ma che credo possa rendere l’idea.
In questa fase ci vengono incontro le statistiche che le varie piattaforme offrono, mediante le quali possiamo cominciare a comprendere quanto e se stiamo intercettando il nostro pubblico in termini di fasce orarie, demografia e interessi categorizzati per macro aree.
Nell’analizzare, più nello specifico, ciò che accade sulle nostre pagine si parte da attività che prevedono l’utilizzo e il calcolo di metriche, che riferiscono in termini quantitativi se le nostre attività stanno ottenendo risultati.
Per menzionare alcune metriche partiamo dall’engagement (coinvolgimento), che riferisce la nostra capacità di stimolare il pubblico all’interazione.
Esistono molte altre metriche, per diverse finalità, come Response Rate e Response Time, che invece risultano essenziali per attività di auto-monitoraggio, riferendo la nostra capacità di rispondere, rispettivamente, al maggior numero di istanze degli utenti e nel minor tempo possibile.
Una volta stabilito quanto e se siamo capaci di generare interazioni, abbiamo necessità di andare a fondo alla qualità di queste.
Ottenere innumerevoli condivisioni e commenti non ci assicura rispetto alla bontà delle stesse.
Analisi Testuale
Parto da una mia convinzione: non esiste sistema automatizzato che individui il “sentiment” online.
Esistono, tuttavia, una serie di strumenti semi-automatici che possono aiutarci a lavorare in questo senso, facilitando attività che andranno condotte (o supervisionate) inevitabilmente da uno dei dispositivi che risulta ancora uno dei più efficaci in tema di analisi qualitativa: l’uomo.
Nella fase dell’analisi testuale si richiede l’ausilio di strumenti e algoritmi di linguistica computazionale, capaci di rilevare all’interno di enormi corpus di testi, diversamente ingestibili, degli elementi di senso e di ricorrenza, capaci di fungere da informazioni grezze o indici di ricerca.
Non è sufficiente analizzare la frequenza delle parole nei testi, producendone successivamente delle word cloud, ma esistono tecniche più complesse per comprendere quali siano effettivamente i temi trattati nelle conversazioni.
A un primo livello si può lavorare sia procedendo all’estrazione di coppie (o triple) di parole concatenate e ricorrenti, così da estrarre dai corpus testuali concetti rilevanti.
Esistono tuttavia tecniche più sofisticate che consentono di individuare cluster tematici all’interno dei testi, che vanno poi successivamente etichettati a posteriori dall’analista, al fine di decodificarne il topic.
Teniamo a mente un passaggio fondamentale: tutto ciò che andiamo a produrre nei vari step dell’analisi va rigorosamente catalogato in un unico database.
Data Visualization
Questo è un punto a cui tengo in particolar modo e che ritengo fondamentale per le sorti di un’analisi.
Ciascun passaggio finora illustrato va a gremire le fila di un database che già in partenza si configura come complesso e illeggibile.
Al netto di tutte le operazioni che si vanno a produrre passo dopo passo, il grado di complessità andrà irrimediabilmente ad aumentare e avremo bisogno di governarla.
La visualizzazione dei dati, mediante sistemi che non siano di mera rappresentazione ma che consentano un’esplorazione sensata, va a rappresentare uno step fondamentale dell’analisi.
Sistematizzando i dati in visualizzazioni avremo la possibilità di esplorare i dati e di procedere, in questa fase, all’analisi.
È solo in questa fase che comprenderemo se possiamo passare allo step successivo o se abbiamo necessità di integrare gli step precedenti di ulteriori elementi.
Analisi del pubblico
A questo punto, una volta creata la nostra cassetta degli attrezzi, è dovere dell’analista tirare le somme di tutto quanto è stato prodotto.
Un passo fondamentale dell’analisi sarà quello di individuare, all’interno del dataset dei contenuti user-generated, l’eventuale presenza di influencer, ossia soggetti spesso non noti (troppo facile definire un personaggio pubblico come influencer) capaci di orientare le sorti delle nostre attività in termini positivi o negativi, e per cui dovremo quindi scegliere rispettivamente strategie per sostenerli o gestirli.
L’output dell’analisi sarà semplicemente l’implementazione di una nuova strategia onnicomprensiva, orientata a quanto abbiamo scoperto rispetto alle nostre attività, ma soprattutto rispetto a ciò che siamo riusciti a cogliere dal nostro pubblico.
Produrre un’analisi efficace vorrà dire produrre sicuramente più interazioni, che quindi genereranno ancor più numerosi dati, capaci di offrire quindi successive analisi sempre più efficaci.
Ecco perché parlavo di “processo circolare e incrementale”.
Ora che hai scoperto cosa è il Social Listening e come si fa Social Listening, se avessi bisogno di essere guidato in questo percorso impervio e stimolante con un corso di formazione o un progetto non esitare a contattarmi.