La voce del dato offre piccole dimostrazioni a scopi didattici. Simulazioni, con dati veri e informazioni reali, per spiegare l’architettura e i risultati possibili di varie attività di intelligence. In questo caso di consumer intelligence. Per capire com’è strutturata una nicchia di mercato e cosa fanno e pensano le persone che frequentano quella nicchia, attraverso dei dati conversazionali e comportamentali. La domanda di oggi è: come si possono usare, a questo scopo, le opinioni e le recensioni dei prodotti?
Prima, come sempre, riepiloghiamo le pubblicazioni di tropic nella settimana che ci separa dall’uscita del numero precedente della newsletter, il 32. I link valgono come al solito come riferimenti bibliografici.
Dopo aver pubblicato il primo resoconto bimestrale del 2024, continuano le attività di content intelligence ospitate dalle nostre due rubriche settimanali, Parole d’Italia, che monitora l’infosfera italiana, e Share of Words, che monitora l’infosfera internazionale.
Abbiamo poi completato il resoconto bimestrale con uno sguardo ai comportamenti di ricerca, ovvero a una delle fonti informative pregiate delle nostre attività di total intelligence. Abbiamo dato uno sguardo ai dieci websites più visitati in Italia nel periodo compreso tra dicembre 2023 e febbraio 2024, e alle parole-chiave non-branded che hanno portato più traffico al sito di e-commerce (l’unico) incluso in quella lista.
Nella nostra demo settimanale abbiamo analizzato più di 550.000 messaggi in cui c’è il lessema “odio”, pubblicati su Facebook dal 2014 al 2024. La possibilità di monitorare, ed esportare, i dati “storici” è di importanza capitale per le analisi di intelligence, e lo sarà ancor di più di qui a poco, visto che gli strumenti per farlo si vanno riducendo. Bisogna organizzarsi per tempo.
Lo stiamo seguendo sin dal principio: il caso del pandoro griffato. Solo nelle sue implicazioni che riguardano il marketing, ovviamente. C’è un piccolo, ma rilevante aggiornamento e lo abbiamo perciò rilevato.
È il momento della simulazione di questa settimana. Alla review culture abbiamo dedicato il numero 30 de La voce del dato, quando ricordavano un paper di qualche anno fa in cui si diceva che, nella platform society, “[…] every customer who leaves feedback is now an influencer – and every potential buyer is ready to be influenced”. Oggi facciamo un passo in più e mostriamo cosa accade se si analizzano i feedback su due prodotti lasciati, quotidianamente, su un sito di e-commerce.
Vediamo prima uno dei percorsi possibili di un’attività di intelligence che conduce ai quei feedback. Tra i tanti bersagli che questa attività potrebbe selezionare scegliamo due prodotti. Non brand, né aziende: come chi ci legge sa, in questi esiti divulgativi non stiliamo classifiche di nessuna sorta, né vogliamo dare consigli non richiesti.
Anche questa volta, scegliamo come fonte informativa primaria i comportamenti di ricerca. Vediamo perciò cosa accade se monitoriamo le chiavi “opinioni” e “recensioni”: quali sono le keywords (pertinenti) correlate, e con quali volumi e a quali siti (tra quelli pertinenti per la nostra indagine) portano più traffico quelle chiavi in una certa finestra temporale.
La risposta al primo quesito sono due prodotti: friggitrice ad aria e spazzolino elettrico.
Vediamo a quali siti portano più traffico.
Teniamo ferme queste informazioni e andiamo a monitorare social e web, per provare a carpire delle altre informazioni dalle analisi del dato conversazionale.
La chiave “opinioni” ci offre pochi spunti; i volumi sono discreti ma prevale la conversazione sui temi politici e sociali. Di prodotti ce ne sono pochi e soprattutto non ci sono quelli che abbiamo selezionato nell’attività di search intelligence.
Dal monitoraggio della chiave “recensioni” otteniamo invece qualche informazione in più e ritroviamo, tra le parole o tra gli hashtags che compaiono con maggiore frequenza nei messaggi, i nostri due prodotti. Non sono tra le parole più citate (lì compaiono soprattutto attributi di prodotto o di brand, e call to action), ma ci sono.
Qualcosa dunque abbiamo trovato, dobbiamo ora ripetere la ricerca sui social e nel web per quei due prodotti specifici: friggitrice ad aria e spazzolino elettrico. Nel primo caso, compaiono tante parole correlate alle attività e qualche attributo (prezzo, usato). Nel secondo, ci sono attributi, call to action, e parole correlate al macro-tema della salute.
Abbiamo ora le nostre prime informazioni sugli attributi di prodotto e sui temi correlati. Possiamo ora tornare alle attività di search intelligence per costruire il dataset di recensioni a quei due prodotti e allargare così lo spettro di dati e informazioni utili al nostro scopo.
Abbiamo visto dove va il traffico generato dalle nostre chiavi di ricerca. Tra quei websites, selezioniamo un popolare sito di e-commerce. Spulciamo la lista dei bestsellers nelle categorie sotto cui sono rispettivamente sussunti i nostri due prodotti. Scegliamo due degli articoli che hanno il maggior numero di recensioni (ma la scelta potrebbe cadere ovviamente su altre soluzioni). Una friggitrice ad aria con più di 80.000 recensioni e uno spazzolino elettrico con più di 40.000 recensioni. Abbiamo il nostro dataset.
Prendiamo ora un campione di 500 recensioni, sia in un caso che nell’altro. Sono le più recenti. Sottoponiamole a un’analisi del contenuto, supervisionata (quindi non esclusivamente meccanica, ma pure interpretativa). Analizziamo i titoli delle recensioni e le descrizioni, e incrociamo il dato con i punteggi assegnati. Con questi risultati. Parziali, perché ogni attributo individuato, e ogni parola o verbo d’azione, sono tracce per altri percorsi di indagine.
Prima di chiudere, e ancora alla ricerca degli attributi di prodotti e dei temi correlati, diamo una scorsa a una fonte informativa preziosa, ma troppo spesso trascurata. Siamo ancora nell’ambito della search intelligence: le cosiddette PPA. Cosa le persone chiedono ai motori di ricerca. Sono dati che quando analizzati offrono delle informazioni di valore sulle aspettative, sulle opinioni, sulle attività, e sui pain points associati a vari prodotti.
Questa è la rete tematica per la chiave “friggitrice ad aria”.
E questa è quella correlata a “spazzolino elettrico”.
È tutto. Grazie della pazienza e al prossimo episodio.