Skip links

Interest detection a partire dai social media. Come funziona?

Gli interessi sono una componente fondamentale del nostro pubblico, degli stakeholder e dei clienti. Ci dicono come coinvolgere le persone, come parlare con loro e, in ultima analisi, gli argomenti che possiamo utilizzare per ottenere la loro attenzione. E ogni marketer sa quanto preziosa e rara sia oggi questa risorsa.

Come oggetto qualitativo e non discreto, gli interessi un tempo erano un’informazione difficile da ottenere. Fortunatamente ora abbiamo i social media, che vantano un’enorme varietà di dati utilizzabili per dedurre gli interessi. Strumenti di ascolto come KPI6 possono realizzare questo potenziale per te – il che significa che possono estrarre gli interessi dalla tua fanbase e riportarli in una dashboard facile da interpretare. Impariamo insieme come possiamo farlo.

Vuoi iniziare ad utilizzare l’analisi degli interessi a beneficio del tuo brand?

Richiedi subito una consulenza con i nostri esperti:

RICHIEDI UNA CONSULENZA

Interest Analysis

La Social Media Analysis offre una vasta gamma di strumenti che possiamo utilizzare per migliorare il nostro modo di cercare una particolare tendenza. Avere una comprensione visiva di ciò di cui una persona parla è un grande vantaggio che può farci risparmiare un’enorme quantità di tempo, soprattutto se stiamo per analizzare non una singola persona, ma un grande gruppo di persone – una audience.

Per esempio, potremmo voler capire che tipo di persone acquistano un dato prodotto, o i followers di un particolare influencer, o ancora una volta potremmo voler lanciare una campagna di marketing rivolta agli utenti che vedono i contenuti della nostra pagina Facebook. Per aiutare i nostri clienti, i ricercatori AI di KPI6 hanno sviluppato un sistema intelligente che allevia rapidamente il dolore di navigare tra più di mille interessi.

Seguiamo lo standard stabilito dallo IAB (Interactive Advertising Bureau), dove gli interessi sono raggruppati in più di 20 categorie principali, ognuna delle quali contiene fino a quattro livelli di precisione. Possiamo mostrare se un pubblico parla di più di musica rock – e che quindi rientrerà nella classe denominata | Arte e Spettacolo | Musica | Musica | Rock Music; o forse preferisce viaggiare, se scrive molto spesso di Disneyland.

Knowledge Graph

Di solito si parte dal presupposto che se una persona scrive frequentemente di un’entità come “Cristiano Ronaldo”, si può dire che parla spesso di calcio. In altre parole, possiamo dedurre che un’entità (Cristiano Ronaldo) è legata ad un interesse (calcio). Ma come possiamo farlo su una piattaforma di analisi? Scrivere manualmente tutte le coppie possibili tra entità e interessi è impossibile, perché richiederebbe troppi sforzi.

Ma come si può sapere che “Cristiano Ronaldo” è un giocatore di calcio?

Grazie ad una tecnologia all’avanguardia – non così all’avanguardia in realtà – che è stata ampiamente utilizzata da grandi e piccole aziende per dare ai loro prodotti un po’ di appeal aggiuntivo. Pensa a quello che Google ha fatto con le ricerche online: se digitiamo “Cristiano Ronaldo” il motore di ricerca ci mostra altre informazioni al di fuori delle solite pagine web. Appare una tabella che mostra informazioni come l’età, il partner, i figli e le statistiche personali, così come lo stipendio e quanti gol ha segnato nella stagione in corso.

Google non lo sta facendo a mano e nemmeno con una bacchetta magica. La risposta è in realtà piuttosto semplice: la parola “Cristiano Ronaldo” è abbinata ad una singola voce in un grande archivio privato di dati che memorizza tutte le informazioni sul popolare calciatore: il cosiddetto “Knowledge Graph“.

Il problema della corrispondenza con le identità

Non ti annoieremo con dettagli tecnici e cercheremo invece di mantenere le cose semplici come dovrebbero essere. Immagina che abbiamo entità come città, cibo, persone e così via. Abbiamo anche qualità come date, professioni, età. Una singola entità contiene collegamenti ad alcuni di questi tratti, perché esiste una relazione che collega l’entità e la qualità. Le relazioni possono anche collegare entità con altre entità, ma non qualità su altre qualità.

Ora abbiamo alcune regole di base che ci diranno che, se troviamo l’entità “Cristiano Ronaldo” con la relazione “professione” e la qualità “calcio”, sapremo che la suddetta entità è un giocatore di calcio.

Ma c’è un pezzo mancante nel puzzle: abbiamo bisogno di un modo per sapere se stiamo ancora parlando dell’entità del knowledge graph “Cristiano Ronaldo”, anche se incontriamo parole come “Cristiano Ronaldo”, “Ronaldo” o “CR7”.

Quando l’utente menziona un’entità, la riconosciamo prima nel testo; solo allora la colleghiamo ad un’entità del grafico di conoscenza senza la tecnologia NLP (Natural Language Processing). Quando la previsione è stata fatta, estraiamo tutte le informazioni rilevanti che vogliamo mostrare nel grafico. Organizziamo tutte le informazioni in modo gerarchico, mostrando solo le classi di interesse generale come “Arte e Spettacolo” e “Automotive”. È il cliente, secondo le proprie esigenze, ad ampliare una categoria. Ad esempio, nella categoria Automotive, possiamo vedere sotto-interessi come “Sports Car” sull’80%, “Utility Cars” 15% e “SUV” 5%. Chiaramente, a questo particolare pubblico piace parlare di articoli di lusso e le persone che ne fanno parte avranno probabilmente un reddito elevato.

Da un grande potere derivano grandi responsabilità

Quando i nostri interlocutori ci chiedono di arruolare tutti gli interessi che possiamo prevedere, ci sentiamo un po’ in difficoltà. Non lo sappiamo! Quello che possiamo fare è generare un sottoinsieme della gerarchia degli interessi. Ricorda: una gerarchia è il ramo di un albero che va dall’astratto allo specifico, come Veicoli |Automobili|Automobili Sportive. L’altra parte è nota solo quando l’entità è valutata. Non scriviamo a mano tutti gli interessi, ma lasciamo invece che il sistema ci faccia dedurre ciò che i nostri grafici mostreranno.

Per esempio, immagina quanti generi musicali esistono nel mondo. Immagina che esista anche un grande database che li memorizza tutti – The Knowledge Graph – e che possiamo accedere a queste informazioni con pochissimo sforzo. Per fare questo, abbiniamo il nome della canzone all’entità correlata nel database, e cerchiamo la relazione “genere”. Se si trova una hit, ci atteniamo al genere “Rock Music“, e lo attacchiamo alla previsione come interesse specifico di “Music”.

In questo modo possiamo prevedere più di 1000 interessi, ma non possiamo farlo in anticipo. Tuttavia, pensiamo di aver guadagnato molto di più di quanto abbiamo perso.

Supporto linguistico

L’Interests Detection di KPI6 supporta sia l’inglese che l’italiano e stiamo progettando di estendere la compatibilità al francese, lo spagnolo, il tedesco e l’arabo. La cosa interessante è che, dato che il nostro strumento è più un “Entity Detection” che un interest detection, possiamo trovare entità in inglese e italiano all’interno di qualsiasi altro testo in lingua. Quindi, funziona bene se si vuole analizzare un testo francese!

Il pubblico giapponese o cinese è ancora difficile da gestire, perché non siamo ancora in grado di leggere gli ideogrammi, ma siamo riusciti ad estrarre gli interessi degli utenti arabi. Quindi è molto probabile che possiamo trovare risultati nell’analisi del pubblico perché ci sono più persone e quindi, una maggiore possibilità di trovare una parola inglese o italiana nel testo.

Vuoi iniziare ad utilizzare l’analisi degli interessi a beneficio del tuo brand?

Richiedi subito una consulenza con i nostri esperti:

RICHIEDI UNA CONSULENZA

La Interest Detection, come puoi vedere, funziona in modo complesso, ma è stato sviluppato per rendere le cose più semplici per i nostri utenti e per trasformare questa complessità in intuizioni potenti e comprensibili.

È probabile che tu possa fare un buon uso di interessi ben classificati: qualsiasi azienda vorrebbe conoscere uno o due argomenti chiave che possono coinvolgere rapidamente e con certezza il proprio pubblico. A volte gli interessi sono imprevedibili e senza uno strumento rischi di investire i tuoi soldi in attività forse non redditizie convincendoti che i tuoi clienti amano il calcio, mentre trascorrono le loro domeniche giocando a golf…. e il tuo budget per gli spot televisivi è andato!

La Interest Detection è solo uno dei nostri tool basati sull’ Artificial Intelligence. Scopri tutti gli strumenti che possiamo offrirti per incrementare il ROI della tua azienda:

RICHIEDI UNA CONSULENZA

Iscriviti alla community KPI6 e ricevi news e report riguardanti le più importanti tematiche della tua professione: Social Media Listening, Big Data Analysis, Influencer Marketing e molto altro ancora.