di Samuele Franceschetto
Il marketing data driven
Al giorno d’oggi la maggior parte delle aziende basa le proprie scelte e le proprie strategie su uno specifico piano di marketing, costruito attentamente per andare incontro alle esigenze e ai bisogni dei consumatori, e seguendo dunque le informazioni ricavate da una serie di dati accuratamente raccolti e studiati. Questo processo si rivela determinante per la costruzione di una strategia funzionante, sia per quanto riguarda il reparto marketing e comunicazione del brand, sia per la gestione dell’azienda in generale. Per ottenere una base solida su cui prendere le proprie decisioni, negli ultimi anni rivestono un ruolo sempre più centrale in questa fase i Big Data, che permettono di trarre informazioni utili a partire da grandi quantità di dati. Tutto ciò, però, non sempre è sufficiente per indagare i bisogni delle persone, soprattutto quelli impliciti e inespressi che sono più facili da individuare attraverso un diverso approccio ai dati, ovvero tramite una Small Data analysis.
Obiettivo della ricerca
L’obiettivo del mio progetto di tesi è partire da uno studio sui Big Data prima e sugli Small Data poi, indagandone la natura, le principali caratteristiche e le metodologie di raccolta e analisi, per dimostrare come la loro unione e contaminazione possa conferire un valore aggiunto alle informazioni di cui necessità un brand per strutturare la propria strategia di marketing.
A seguito di un’introduzione teorica su queste tematiche ho approfondito le metodologie con cui Big Data e Small Data si possono integrare, prendendo come caso pratico il flow di analisi e gli strumenti messi a disposizione da Maxfone tramite la SocialMeter Suite. Nel concreto ho utilizzato un progetto sviluppato col team dell’azienda sulla moda italiana e l’ho approfondito cercando di evidenziare le potenzialità di un’analisi che sfrutti Big e Small Data insieme.
Cosa sono i Big Data?
I Big Data sono grandi quantità di dati che vengono generati dalle persone o dalle macchine, anche in modo automatico, e che in seguito vengono raccolte ed elaborate all’interno di database. Per fare questo vengono sfruttate determinate tecniche e metodologie che consentono poi di estrarre delle informazioni utili dal dato. Spesso, proprio per l’alto numero di dati che viene generato, ci si basa prevalentemente su analisi di tipo quantitativo. Le informazioni generate in questo modo possono poi essere messe in relazione con altri dati per produrre nuove forme di analisi e conoscenza e giungere infine a insight rilevanti.
In generale, in una Big Data Analysis si cerca di ricavare qualcosa di utile dalla grande quantità di materiale che si ha a disposizione.
Cosa sono gli Small Data?
Gli Small Data, invece, prevedono un approccio differente. Si tratta sempre di dati, ma essi sono ben strutturati. Sono pensati per essere precisi e per fornire informazioni puntuali che si basano sull’analisi dei dettagli. In questo caso il valore generato dai dati non dipende necessariamente dalla loro quantità, ma piuttosto dalla loro natura. A monte di una Small Data Analysis, infatti, va sempre definita una specifica domanda di ricerca che permette di focalizzare i propri sforzi verso una precisa direzione.
Durante un’analisi di questo tipo si presta particolare attenzione ai dettagli, anche se sono apparentemente insignificanti; si studiano le abitudini e le caratteristiche delle persone coinvolte. Tutto ciò con l’obiettivo di mettere in evidenza i bisogni inconsci e i desideri inespressi dei consumatori.
Capire i Big Data attraverso gli Small Data
Le due metodologie di analisi portano a risultati differenti e sconnessi, ma a seguito di una loro integrazione e reciproca contaminazione ecco che possono emergere nuove informazioni e nuovi insight utili a rispondere alla propria domanda di ricerca. I Big Data, per esempio, possono essere utilizzati per una prima raccolta e analisi delle informazioni, in modo da generare una panoramica generale fatta di dati impersonali e numerici. Partendo da questi risultati si possono creare dei focus specifici tramite gli Small Data. A essi, quindi, si può assegnare l’incarico di dare un significato ai risultati precedenti, approfondendo le informazioni trovate in modo qualitativo.
Così facendo gli Small Data diventano una “chiave di lettura” per i Big Data. Attraverso la combinazione di Big e Small Data si possono creare delle analisi più complete che offrono da un lato una panoramica generale del mercato e degli utenti coinvolti, dall’altro delle informazioni più specifiche sul parlato e sulle conversazioni che avvengono sul web e sui social, e sulle abitudini di consumo delle persone.
Un caso studio tratto dalla moda italiana
A dimostrazione dell’efficacia di un approccio di questo tipo, all’interno del mio progetto di tesi ho descritto la metodologia utilizzata da Maxfone per la data analysis e gli strumenti messi a disposizione tramite la SocialMeter Suite. Essi, infatti, combinano l’analisi delle conversazioni sul web e sui social network e l’analisi semantica delle immagini. Ciò permette di rispondere in modo esaustivo e completo, tenendo in considerazioni diversi punti di vista, alla domanda che ci si è posti all’inizio della ricerca.
Nella parte finale del progetto di tesi ho inserito un caso studio sviluppato con SocialMeter e con Esc Group che aveva lo scopo di disegnare una panoramica del settore della moda italiana e comprendere come questo viene comunicato a livello visivo nei social. Esc Group è un’agenzia multi brand del settore moda che si occupa di collezioni premium e lusso accessibile. L’analisi ha preso in considerazione un periodo di 3 mesi durante il quale sono state raccolte le immagini pubblicate su Instagram e Twitter con l’hashtag #modaitaliana.
A seguito di una prima panoramica sull’andamento del conversato sui due social sono state approfondite le fasce orarie e i giorni della settimana in cui vengono pubblicati più post e gli hashtag utilizzati dagli utenti. È stato svolto un focus sui colori presenti all’interno delle fotografie, sui soggetti presenti al loro interno e sulle cromie preferite dalle diverse fasce di età delle persone.
La comunicazione nel mondo footwear
Infine, sono stati isolati tutte quei contenuti che parlavano di abbigliamento footwear per studiare le diverse modalità di comunicazione. Sono stati distinti infatti tre tipologie di utenti con abitudini differenti: i brand o i negozi; influencer, modelle, modelli o fashion blogger; utenti “normali”. All’interno del mondo footwear sono state infine distinte le fotografie che rappresentavano delle calzature streetwear e quelle che invece rappresentavano delle calzature eleganti. Per ognuna delle due categorie è stato svolto un confronto tra i post degli utenti “normali” e i post di brand e influencer. Questo analizzando gli elementi presenti all’interno delle immagini e i colori utilizzati per definire al meglio lo stile comunicativo.
Conclusioni
Il caso studio analizzato è un esempio di come tramite un corretto approccio ai dati e utilizzando gli strumenti adatti, si è in grado di leggere e creare una descrizione approfondita di un determinato ambito e delle persone che lo popolano. Attraverso una metodologia ben costruita, che combina più tipologie di dati e di analisi, e che è in grado di evolvere e di adattarsi col tempo, andando incontro alle diverse necessità, si possono indagare molteplici scenari della vita che le persone vivono online e dei momenti che poi vengono trasposti nella vita reale.
La trasformazione digitale è un processo lungo e ancora in atto, che coinvolte le persone, i brand e le aziende e porta con sé un nuovo modo di vivere i prodotti, gli eventi e le relazioni che gli utenti creano con le aziende, col mondo online e con quello offline. Più questa evoluzione prosegue, più la sua complessità aumenta e di conseguenza si rende necessaria una continua innovazione anche nelle metodologie di ricerca e di analisi che vogliono studiare e comprendere al meglio le persone.