influenza digitale

Diamo per assodato che si può misurare il ROI sui social media ma che il RITORNO non è facilmente misurabile, nel breve termine, in termini di fatturato. Prestigio, diffusione del brand, penetrazione, positività, posizionamento...tutti fattori che poi vanno ad influire certamente sul fatturato ma trovare una corrispondenza tra un like e un euro in più di fatturato è un'impresa da sofisti...
Tempo fa ho letto un articolo molto interessante di Michael Wu* che spiega quali sono le problematiche relative alla misurazione dell'influenza digitale.
Non è banale è non è così facile, soprattutto se siete digiuni di queste dinamiche.
Ma è un ottimo spunto per addentrarsi nel mondo della misurazione dell'influencer marketing uno dei capisaldi de marketing sui social media.

influenza digitaleI social media sono la strada preferenziale che le aziende devono imboccare per coinvolgere i loro clienti.
In ogni caso, il coinvolgimento sui social media è basato soprattutto su conversazioni e interazioni personalizzate che sono difficili da portare avanti.
Il marketing degli influencer fornisce ai brand la leva per raggiungere molte persone grazie all'aiuto di pochi individui selezionati e molto in vista: questa strategia si basa sulla misurazione precisa dell'influenza digitale delle persone, grazie alla quale le aziende possono rendersi conto di chi dovranno ingaggiare.
Tutto questo ha dato origine ad un nuovo interessante settore di studi sulle modalità di misurazione dell'influenza, che comunque presentano delle zone d'ombra che le aziende dovrebbero tenere in considerazione.

Una delle ragioni per cui le aziende non capiscono cosa sia l'influenza digitale è che non sembrano rendersi cono che in realtà nessuno possiede "dati" misurabili sull'influenza (ovvero dati espliciti che indichino precisamene chi influenza chi, quando, dove, come etc).
Tutti i punteggi relativi all'influenza sono calcolati a partire dall'attività social degli utenti secondo alcuni modelli e algoritmi che determinano il livello di influenza. In ogni caso, chiunque può creare questi modelli e algoritmi.
Insomma qual è la verità?
Come possiamo essere sicuri che il vostro punteggio da influencer sia corretto?
In altre parole, come possiamo fidarci del modello che i fornitori di questi servizi usano per prevedere l'influenza delle persone?

Per illustrare come funziona la validazione statistica dei dati, vi farò un esempio semplice e pratico, in cui si  cerca di prevedere il prezzo delle azioni di un'azienda, nel caso specifico di Apple.

Costruire un modello predittivo per le azioni di un'azienda e validarlo

Prima di tutto, abbiamo bisogno di costruire un modello (o un algoritmo) che considera vari dati di input di Apple che possono essere predittivi del prezzo delle sue azioni.
Come input, possiamo letteralmente scegliere tutti i dati che potrebbe potenzialmente influenzare il prezzo delle sue azioni: i dati di vendita, i dati fondamentali sull'azienda, i dati social, i dati sulla concorrenza e i dati relativi al settore o al mercato.
Indipendentemente da quanti dati inseriamo in questo modello, e quanto complesso e ottimo esso possa rivelarsi per combinare questi dati, il banco di prova finale per sapere se il modello funzionerà dipenderà dalla sua capacità di prevedere il vero prezzo delle azioni di Apple.

Ci sono tre requisiti necessari per convalidare qualunque modello o algoritmo statistico:

  1. Abbiamo bisogno di un modello o di algoritmo che calcoli un certo risultato previsto (per es. il prezzo delle azioni di un' azienda, il meteo di domani a San Francisco, un terremoto oppure l'influenza di qualcuno)
  2. Una misura indipendente dal risultato che il modello sta cercando di prevedere.
  3. Una misura che confronti e quantifichi con che livello di precisione il risultato previsto corrisponde al risultato misurato in maniera indipendente.

Il punto più importante è il secondo: avere una misura indipendente del risultato.
È piuttosto ovvio se ci pensate: per valutare se che il vostro modello può prevedere accuratamente il prezzo delle azioni di Apple, vi servirà il prezzo reale dell'azione di Apple in modo da poter confrontare la previsione con il prezzo dell'azione attuale.

Cosa significa misurare l'influenza digitale indipendente dal risultato previsto e perché questo è un punto così importante.

Molte persone non comprendono il significato della parola "indipendente".
Essere misurato in modo indipendente significa che il risultato misurato sarà completamente indipendente dal modello.
Nell'esempio delle previsioni sul prezzo delle azioni di Apple, ciò significa che non potete usare nessuno dei dati relativi al prezzo attuale come parte dell'input per il modello.
Se invece ne utilizzate, allora il modello dovrebbe naturalmente riuscire a prevedere il prezzo, perché dovrebbe già avere informazioni sul prezzo attuale dell'azione.
Quindi, il prezzo reale che pensavate di aver misurato in maniera indipendente non sarà più totalmente indipendente dal modello.

Di conseguenza, non ha senso dire che questo modello è in grado di prevedere correttamente il prezzo delle azioni di Apple, perché in realtà non ha previsto proprio nulla.
Fondamentalmente, conosce già il prezzo reale che sta cercando di prevedere: questo modello, di fatto, vi sta ingannando perché si affida al ragionamento circolare.
Tutti i servizi che analizzano l'influenza delle persone si basano su modelli che, per essere affidabili, devono essere validati.

In ogni caso, questi servizi non validano correttamene i loro algoritmi per i seguenti motivi:

  • Mancanza di dati: non possiedono una fonte indipendente di dati sull'influenza. Quindi, possono soltanto validare il loro algoritmo seguendo il loro istinto "di pancia" e le loro intuizioni, che spesso non sono abbastanza affidabili: voi investireste il vostro denaro su un modello azionario che si basa su scelte fatte d'istinto?
  • Generalizzazione eccessiva: loro validano l'algoritmo in base a una manciata di influencer famosi e cercano di generalizzare eccessivamente questo algoritmo per applicarlo a milioni di utenti.
  • Validazione circolare: per la validazione, utilizzano dati derivanti da interazioni reciproche, come i like e i retweet (che sono degli indicatori affidabili del' influenza digitale), ma usano questi dati anche nel loro algoritmo.
    Questo è un errore comune nella validazione del modello, perché è un processo di validazione circolare che non vi dà nessuna informazione sull'affidabilità dell'algoritmo.
    Per validare correttamente qualunque modello, dovete avere una misura indipendente dal risultato e ciò significa che non potete mai affidarvi ad esso nel vostro modello.

Quindi perché dovreste credere ai punteggi relativi all'influenza?
Chiedete semplicemente al fornitore del servizio in che modo valida il proprio modello.

L'antica questione dell'Ottimizzazione per i Motori di Ricerca

Un altro problema che interessa la maggior parte dei modelli di valutazione dell'influenza è lo IEO (Influence angine optimization, l'ottimizzazione sui motori di influenza) diversa dall'ottimizzazione sui motori di ricerca (SEO).

Negli anni novanta, a mano a mano che il web cresceva e si tramutava in un gran bel casino di dati, le directories web gestite manualmente non erano più una soluzione scalabile per il recupero delle informazioni su Internet. Per questo motivo, erano stati sviluppati dei motori di ricerca più potenti (come Lycos, AltaVista, Excite, Yahoo, Inktomi, Google) per indicizzare il web, al fine di recuperare le informazioni in modo efficace e scalabile.
Al fine di presentare all'utente un'informazione più comprensibile, i motori di ricerca dovevano ordinare i loro risultati di ricerca in ordine di importanza e mostrare prima di tutto le pagine più rilevanti.
Google aveva sviluppato un innovativo algoritmo di posizionamento relativo alla rilevanza - PageRank - basandosi sulla struttura ad hyperlink della rete.
L'algoritmo PageRank fondamentalmente prende gli imput (per es. le strutture ad hyperlink dell'intera Rete) ed estrapola un punteggio per ogni pagina che, in teoria, rappresenta la sua credibilità sul web.

Come la finanza comportamentale degli esseri umani ci insegna, quando diamo un punteggio a qualcosa creiamo un stimolo perché qualcuno cerchi di ottenere un punteggio più alto.
Questa è la nostra natura.
Dato che le persone si preoccupano per sé stesse, prendono a cuore ogni confronto che le riguardi, che si parli di siti web, automobili, case, il loro lavoro, o la loro personalità. Alcune potrebbero persino pensare di ingannare l'algoritmo solo per ottenere un punteggio più alto.
Non a caso, l'algoritmo PageRank di Google ha creato le condizioni (ovvero la SEO) per permettere alle persone di barare sui suoi punteggi. Anche se gli specialisti della SEO potrebbero negare il fatto che stanno ingannando l'algoritmo Pagerank, in realtà cercano costantemente dei metodi per aumentare artificialmente il PageRank dei vostri siti.

Questo atteggiamento è giusto o sbagliato?
Per Google, alcune tattiche di SEO sono accettabili, mentre altre sono comunemente considerate poco corrette (per esempio i link farm o lo spamdexing).

La nuova era dell'Ottimizzazione per i motori d'influenza

Oggi, il social web è cresciuto e ha raggiunto un'ampia diffusione.
Anche in questo caso, ci sono dei servizi online che assegnano un punteggio a qualcosa (in questo caso, all'influenza delle persone) e quindi ci saranno persone che cercheranno sotterfugi per aumentare artificialmente i loro livelli di influenza.
Ma questa volta entrano in gioco tre elementi diversi.

  1. Gli algoritmi di valutazione dell'influenza sono più suscettibili alle modifiche "ad hoc" rispetto a PageRank perché il punteggio relativo all'influenza di una persona dipende moltissimo da come questa si comporta: ciò deriva dal fatto che tutti i punteggi relativi all'influenza vengono calcolati grazie ai dati relativi alle attività degli utenti sui social media.
  2. Contrariamente al punteggio che PageRank assegna ad una pagina, il livello di influenza di una persona dipende direttamente dalla persona stessa. Ciò significa che non servirà un esperto di IEO per dire a qualcuno come si deve comportare per aumentare il suo livello di influenza. Un utente può tranquillamente scoprire da solo gli effetti del suo comportamento sul proprio livello di influenza. Quindi non soltanto l'algoritmo di valutazione dell'influenza è più suscettibile a modifiche arbitrarie, ma è proprio più facile da modificare secondo le proprie esigenze.
  3. Infine, rispetto a Google, questi servizi di valutazione sono quasi privi di meccanismi con i quali scoprire e combattere certi comportamenti scorretti.

Precisato che la IEO è una conseguenza inevitabile della valutazione dell'influenza delle persone, c'è da chiedersi se, i punteggi relativi all'influenza abbiano ancora un senso.
Sicuramente non dipendono direttamente dal livello di influenza delle persone; probabilmente, a causa della IEO, non sono più nemmeno una misura della loro influenza potenziale.

Il punteggio, in effetti, rappresenta soltanto la misura in cui le persone sfruttano l'algoritmo che determina il loro  livello di influenza.

Se per esempio ieri avete twittato molto e oggi il vostro punteggio è schizzato alle stelle, avrete semplicemente scoperto che potete aumentare la vostra influenza twittando di più.
Sapendo tutto questo, continuerete a twittare con questa frequenza?
Molte persone probabilmente risponderebbero di sì, soprattuto se sono interessate ad ottenere un certo punteggio.
Questo ha fatto emergere dei personaggi che, nonostante non siano influenti, cercano a tutti i costi di far sentire la loro voce: il loro alto livello di influenza deriva semplicemente del fatto che twittando di più sono riusciti a giocare con l'algoritmo, senza essere neanche lontanamente influenti.

Dato che i comportamenti che fregano il sistema sono generalmente molto più banali dei comportamenti veramente influenti, la IEO convincerà le persone a sembrare il meno influenti possibili.
Sembra un controsenso vero?
Beh, questa è quella che io chiamo l' ironia dell'influenza.

Cosa significa tutto questo?
Significa che i punteggi dell'influenza diventeranno sempre meno accurati come misura dell'influenza potenziale di una persona e saranno piuttosto il riflesso di quanto le persone sono riuscite a giocare (d'azzardo!) con l'algoritmo che stabilisce il grado di influenza.

* Nota sull'autore: il Dr Michael Wu è specialista di strumenti analitici per Lithium, dove sta attualmente applicando alcune metodologie basate sui dati per svolgere ricerche e comprendere le complesse dinamiche del social web.

[fonte: http://techcrunch.com/2012/11/09/can-social-media-influence-really-be-measured/]