Your SlideShare is downloading. ×
0
INDICE1.  Overview	                                                   5	  2.  Contesto	  di	  analisi	                    ...
INDICE16. Conoscenza	  di	  Linkedin	                                                             29	  18. Mo<vo	  di	  u<...
INDICE30. Pun<	  di	  forza	  e	  debolezza	  di	  Facebook	                 84	  31. Pun<	  di	  forza	  e	  di	  debolez...
OVERVIEWQuando	   parliamo	   di	   social	   network	   ci	   riferiamo	   ad	  unespressione	   u<lizzata	   in	   ambit...
CONTESTO DI ANALISILa	   ricerca	   è	   stata	   condoXa	   sugli	   uten<	   dei	   social	  network	  concentrando	  la...
FOCUS SU LINKEDINL’azienda	  ormai	  è	  una	  delle	  realtà	  più	  interessan<	  (e	  concrete)	  del	  web	  con	  i	 ...
METODOLOGIA DI RACCOLTA DEI DATI•  	  Analisi	  qualita<va:	                       –  5	  Depth	  Interviews	  face	  to	 ...
RICERCA QUALITATIVALa	   ricerca	   qualita<va	   è	   stata	   effeXuata	   mediante	   cinque	   depth	   interviews	   s...
RICERCA QUALITATIVACon	  par<colare	  riferimento	  a	  linkedin…	  5.  Qual	  è	  stato	  il	  principale	  mo<vo	  che	 ...
RICERCA QUALITATIVA9.     Precedentemente	  ha	  affermato	  che	  il	  network	  in	  ques<one	  le	  permeXe	  di	       ...
MEANS-END CHAIN   Valori	                           Autos<ma	              Appagamento	                        Serenità	  ...
RICERCA QUANTITATIVAAl	   fine	   di	   oXenere	   i	   da<	   necessari	   per	   svolgere	   la	   nostra	   analisi,	   ...
RICERCA QUANTITATIVA3.  Valutazioni	  di	  importanza	  sugli	  aXribu<	  e	  Customer	  Sa<sfac<on:	      –  Individua<	 ...
RICERCA QUANTITATIVA4.  Informazioni	  Socio-­‐demografiche:	    –  Sesso	    –  Età	    –  Professione	    –  Titolo	  di	...
VARIABILI SOCIO-DEMOGRAFICHE                                                                                            SE...
FACEBOOKSulla	   totalità	   del	   campione	   è	   stato	   verificato	   che	   l’88%	   degli	  intervista<	   u<lizza	...
LINKEDIN•  È	   stato	   verificato	   che	   il	   62,2%	   degli	   intervista<	   u<lizza	     Linkedin	   e	   il	   37...
TWITTER•  È	   stato	   verificato	   che	   il	   30,4%	   degli	   intervista<	   u<lizza	     TwiXer	   e	   il	   69,6%...
SOCIAL NETWORK vs PROFESSIONEPer	   quanto	   riguarda	   i	   da<	   aggrega<	  no<amo	   che	   il	   numero	   di	   u<...
SOCIAL NETWORK vs TITOLO DI STUDIO                                     21	  
SOCIAL NETWORK vs TITOLO DI STUDIO                                                            DIPLOMATI	                FA...
SOCIAL NETWORK vs TITOLO DI STUDIO                                                   LAUREATI	  DI	  2°	  LIVELLO	        ...
ETA’ DEL CAMPIONE DI RIFERIMENTOLa	  fascia	  d’età	  più	  numerosa	  risulta	  essere	  quella	  compresa	  tra	  i	  21...
CAMPIONE DI RIFERIMENTO:                           VARIABILE STATUSAbbiamo	  aXribuito	  al	  possesso	  di	  un	  oggeXo	...
CAMPIONE DI RIFERIMENTO: FREQUENZA DI                  UTILIZZO SOCIAL NETWORKAbbiamo	  riclassificato	  la	  variabile	  “...
CAMPIONE DI RIFERIMENTO: QUALI STRUMENTI           VENGONO UTILIZZATI PER TROVARE LAVORO           CANALI&OFF)LINE&       ...
CAMPIONE DI RIFERIMENTO: COME SONO GIUDICATI  I SERVIZI OFFERTI DAGLI STRUMENTI IN QUESTIONE                     μ        ...
CAMPIONE DI RIFERIMENTO: CONOSCENZA DI LINKEDIN         DA#AMICI/FAMILIARI#                                   DA#SCUOLE/UN...
CAMPIONE DI RIFERIMENTO: MOTIVO DI UTILIZZO DI                     LINKEDINSi	   osserva	   che	   il	   mo<vo	   principa...
CAMPIONE DI RIFERIMENTO: QUANTE PROPOSTE    HANNO RICEVUTO IN UN MESE ATTRAVERSO LINKEDINAbbiamo	   trasformato	   le	   v...
CAMPIONE DI RIFERIMENTO: DIFFUSIONE E                           PERCEZIONE DEL SERVIZIO MOBILEAbbiamo	   riscontrato	   ch...
CAMPIONE DI RIFERIMENTO: POSSESSO DELL’ACCOUNT                   PREMIUM All’interno	  del	  campione	  analizzato	  abbia...
COSA SPINGE GLI UTENTI ALL’UTILIZZO                             DEI SOCIAL NETWORKAbbiamo	  chiesto	  ai	  nostri	  interv...
COSA SPINGE GLI UTENTI ALL’UTILIZZO                        DEI SOCIAL NETWORK                                Eigenvalues(b...
COSA SPINGE GLI UTENTI ALL’UTILIZZO                            DEI SOCIAL NETWORK    Functions9at9Group9Centroids         ...
COSA SPINGE GLI UTENTI ALL’UTILIZZO       DEI SOCIAL NETWORK                                      37	  
COSA SPINGE GLI UTENTI ALL’UTILIZZO DEI SOCIAL                  NETWORK                                             38	  
COSA SPINGE GLI UTENTI ALL’UTILIZZO DEI SOCIAL                  NETWORKCome	   si	   evince	   dalla	   Mappa	   di	   Pos...
COSA SPINGE GLI UTENTI ALL’UTILIZZO DEI SOCIAL        NETWORK: REGRESSIONE LINEARE FACEBOOKIn	  seguito	  alla	  domanda	 ...
COSA SPINGE GLI UTENTI ALL’UTILIZZO DEI SOCIAL       NETWORK: REGRESSIONE LINEARE FACEBOOK                      ModelSumma...
COSA SPINGE GLI UTENTI ALL’UTILIZZO DEI SOCIAL     NETWORK: REGRESSIONE LINEARE FACEBOOK            PESOPERCENTUALEDEIDRIV...
COSA SPINGE GLI UTENTI ALL’UTILIZZO DEI SOCIAL    NETWORK: REGRESSIONE LINEARE LINKEDIN                                   ...
COSA SPINGE GLI UTENTI ALL’UTILIZZO DEI SOCIAL       NETWORK: REGRESSIONE LINEARE LINKEDIN                                ...
COSA SPINGE GLI UTENTI ALL’UTILIZZO DEI SOCIAL   NETWORK: REGRESSIONE LINEARE TWITTER                                Model...
COSA SPINGE GLI UTENTI ALL’UTILIZZO DEI SOCIAL       NETWORK: REGRESSIONE LINEARE TWITTER                              Coe...
ANALISI FATTORIALEDall’analisi	   qualita<va	   sono	   emersi	   14	   aXribu<	   considera<	   rilevan<	   dai	   rispon...
ANALISI FATTORIALE•  Dopo	  diverse	  prove	  effeXuate	  con	  diverse	  tecniche	  si	  è	  optato	  di	  riportare	  sol...
ANALISI FATTORIALE                                                                    Total,Variance,Explained            ...
ANALISI FATTORIALE                                                                                                        ...
ANALISI FATTORIALE                     Come	   si	   evince	   dallo	   “Scree	                       P l o t ”	   l ’ u <...
Linkedin mario bencivinni daniela galati andrea steccati
Linkedin mario bencivinni daniela galati andrea steccati
Linkedin mario bencivinni daniela galati andrea steccati
Linkedin mario bencivinni daniela galati andrea steccati
Linkedin mario bencivinni daniela galati andrea steccati
Linkedin mario bencivinni daniela galati andrea steccati
Linkedin mario bencivinni daniela galati andrea steccati
Linkedin mario bencivinni daniela galati andrea steccati
Linkedin mario bencivinni daniela galati andrea steccati
Linkedin mario bencivinni daniela galati andrea steccati
Linkedin mario bencivinni daniela galati andrea steccati
Linkedin mario bencivinni daniela galati andrea steccati
Linkedin mario bencivinni daniela galati andrea steccati
Linkedin mario bencivinni daniela galati andrea steccati
Linkedin mario bencivinni daniela galati andrea steccati
Linkedin mario bencivinni daniela galati andrea steccati
Linkedin mario bencivinni daniela galati andrea steccati
Linkedin mario bencivinni daniela galati andrea steccati
Linkedin mario bencivinni daniela galati andrea steccati
Linkedin mario bencivinni daniela galati andrea steccati
Linkedin mario bencivinni daniela galati andrea steccati
Linkedin mario bencivinni daniela galati andrea steccati
Linkedin mario bencivinni daniela galati andrea steccati
Linkedin mario bencivinni daniela galati andrea steccati
Linkedin mario bencivinni daniela galati andrea steccati
Linkedin mario bencivinni daniela galati andrea steccati
Linkedin mario bencivinni daniela galati andrea steccati
Linkedin mario bencivinni daniela galati andrea steccati
Linkedin mario bencivinni daniela galati andrea steccati
Linkedin mario bencivinni daniela galati andrea steccati
Linkedin mario bencivinni daniela galati andrea steccati
Linkedin mario bencivinni daniela galati andrea steccati
Linkedin mario bencivinni daniela galati andrea steccati
Linkedin mario bencivinni daniela galati andrea steccati
Linkedin mario bencivinni daniela galati andrea steccati
Linkedin mario bencivinni daniela galati andrea steccati
Linkedin mario bencivinni daniela galati andrea steccati
Linkedin mario bencivinni daniela galati andrea steccati
Linkedin mario bencivinni daniela galati andrea steccati
Linkedin mario bencivinni daniela galati andrea steccati
Linkedin mario bencivinni daniela galati andrea steccati
Linkedin mario bencivinni daniela galati andrea steccati
Linkedin mario bencivinni daniela galati andrea steccati
Linkedin mario bencivinni daniela galati andrea steccati
Linkedin mario bencivinni daniela galati andrea steccati
Linkedin mario bencivinni daniela galati andrea steccati
Linkedin mario bencivinni daniela galati andrea steccati
Linkedin mario bencivinni daniela galati andrea steccati
Linkedin mario bencivinni daniela galati andrea steccati
Linkedin mario bencivinni daniela galati andrea steccati
Linkedin mario bencivinni daniela galati andrea steccati
Linkedin mario bencivinni daniela galati andrea steccati
Linkedin mario bencivinni daniela galati andrea steccati
Linkedin mario bencivinni daniela galati andrea steccati
Linkedin mario bencivinni daniela galati andrea steccati
Linkedin mario bencivinni daniela galati andrea steccati
Linkedin mario bencivinni daniela galati andrea steccati
Linkedin mario bencivinni daniela galati andrea steccati
Linkedin mario bencivinni daniela galati andrea steccati
Linkedin mario bencivinni daniela galati andrea steccati
Linkedin mario bencivinni daniela galati andrea steccati
Linkedin mario bencivinni daniela galati andrea steccati
Linkedin mario bencivinni daniela galati andrea steccati
Linkedin mario bencivinni daniela galati andrea steccati
Linkedin mario bencivinni daniela galati andrea steccati
Upcoming SlideShare
Loading in...5
×

Linkedin mario bencivinni daniela galati andrea steccati

865

Published on

Ricerca di Mercato: Social Network, focus su linkedin

Published in: Business
0 Comments
1 Like
Statistics
Notes
  • Be the first to comment

No Downloads
Views
Total Views
865
On Slideshare
0
From Embeds
0
Number of Embeds
0
Actions
Shares
0
Downloads
29
Comments
0
Likes
1
Embeds 0
No embeds

No notes for slide

Transcript of "Linkedin mario bencivinni daniela galati andrea steccati"

  1. 1. INDICE1.  Overview   5  2.  Contesto  di  analisi   6  3.  Focus  su  Linkedin   7  4.  Metodologia  di  raccolta  dei  da<   8  5.  Ricerca  qualita<va   9  6.  Means-­‐end  chain   12  7.  Ricerca  quan<ta<va   13  8.  Variabili  socio-­‐demografiche   16  9.  Social  network  e  professione   20  10. Social  network  e  <tolo  di  studio   21  11. Età  del  campione  di  riferimento   24  12. Variabile  status   25  13. Frequenza  di  u<lizzo  dei  social  network   26  14. Strumen<  per  cercare  lavoro   27  15. Giudizio  sugli  strumen<   28   2  
  2. 2. INDICE16. Conoscenza  di  Linkedin   29  18. Mo<vo  di  u<lizzo  di  Linkedin   30  19. Proposte  di  lavoro  ricevute  in  un  mese  tramite  Linkedin   31  20. Diffusione  e  percezione  del  servizio  mobile   32  21. Possesso  dell’account  premium   33  26. Mo<vazione  di  u<lizzo  dei  social  network:  analisi  discriminante   34  28. Mo<vazione  di  u<lizzo  dei  social  network:  regressione   39  29. Analisi  faXoriale   46  30. Cluster  analysis   52  31. Descrizione  dei  cluster   55  32. Regressione  lineare:  Facebook   70  33. Regressione  lineare:  Linkedin   74  34. Regressione  lineare:  TwiXer   77  35. Social  Network  ideale  vs  reali   80       3  
  3. 3. INDICE30. Pun<  di  forza  e  debolezza  di  Facebook   84  31. Pun<  di  forza  e  di  debolezza  di  Linkedin   86  32. Pun<  di  forza  e  di  debolezza  di  TwiXer   88  33. Analisi  quan<ta<va:  pun<  di  forza  di  Linkedin   90  34. Analisi  quan<ta<va:  pun<  di  debolezza  di  Linkedin   92  35. Analisi  discriminante   94  36. Implicazioni  di  Marke<ng   111  37. Limi<  della  ricerca   114       4  
  4. 4. OVERVIEWQuando   parliamo   di   social   network   ci   riferiamo   ad  unespressione   u<lizzata   in   ambito   anglosassone,   che  indica   una   o   più   re.   sociali.   Grazie   allavvento   di  internet  le  re.  sociali  di  <po  digitale  hanno  conosciuto  un   grande   sviluppo   e   sono   entra<   nel   quo<diano   delle  persone.  Un   social   network   è   in   grado   pertanto   di   collegare   in  molteplici   modi   le   persone   tra   di   loro,   facilitando   la  comunicazione   e   la   fruizione   dellinformazione.   Nei  social  network  si  è  potuto  assistere  alla  nuova  creazione  di  contenu<  e  valore  grazie  allagire  collabora<vo.     5  
  5. 5. CONTESTO DI ANALISILa   ricerca   è   stata   condoXa   sugli   uten<   dei   social  network  concentrando  la  nostra  analisi  sugli  u<lizzatori  di   “Linkedin”:   il   social   network   “professionale”.   Lo  studio   è   stato   effeXuato   partendo   da   un’analisi  qualita<va   volta   a   far   emergere   le   caraXeris<che   e   gli  aXribu<   più   rilevan<   dell’oggeXo   di   studio.   A   tal  proposito  sono  sta<  soXopos<  a  interviste  in  profondità  cinque   soggee   par<colarmente   informa<   e   aevi  sull’uso   di   “Linkedin”.   Dai   risulta<   oXenu<   è   stato  possibile   formulare   un   ques<onario   idoneo   a   far  emergere  le  peculiarità  del  social  network  in  ques<one  e  gli  aspee  più  importan<  in  relazione  ai  social  network  più  diffusi:  “Facebook”  e  “TwiXer”.   6  
  6. 6. FOCUS SU LINKEDINL’azienda  ormai  è  una  delle  realtà  più  interessan<  (e  concrete)  del  web  con  i  suoi  1800  impiega<,  di  cui  una  decina  a  Milano  (presso  la  sede   aperta   in   data   29/11/11   in   zona   Stazione   Centrale).   La   società  è  quotata  in  borsa  a  New  York  e  la  metà  dei  guadagni  li  oeene  con  le   soluzioni   per   la   ricerca   del   personale   messe   a   disposizione   dei  clien<  (in  Italia  tra  gli  altri  Star  e  Telecom),  un  35%  circa  viene  dalle  soluzioni  di  marke<ng  e,  infine,  poco  meno  di  30  milioni  di  dollari  provengono  dalle  soXoscrizioni  a  pagamento  degli  uten<.  In  Italia,  secondo  i  da<  forni<  da  Albergoni  (Senior  Sales  Manager  presso  “Linkedin  Italia”),  gli  uten<  registra<  sono  circa  due  milioni  con   una   crescita   del   107%   in   un   anno   ed,   effeevamente  l’impressione   comune   è   che   solo   in   quest’ul<mo   periodo   Linkedin  s<a   realmente   prendendo   piede   nel   nostro   paese.   “LItalia,  sos<ene   Albergoni,   è   il   secondo   per   tasso   di   crescita   in   Europa   e  l’apertura  di  un  ufficio  fisico  lo  dimostra”.   7  
  7. 7. METODOLOGIA DI RACCOLTA DEI DATI•   Analisi  qualita<va:   –  5  Depth  Interviews  face  to  face  •  Analisi  quan<ta<va:     Somministrazione  di  un  ques<onario  struXurato  in  lingua  italiana  e   -  inglese:                Face  to  face  presso  l’Università  “Luigi  Bocconi”,  il  “Politecnico  di                    Milano”,  l’Università  “CaXolica  del  Sacro  Cuore”  di  Milano  e  in            Corso  Italia  (data  l’alta  concentrazione  di  lavoratori  durante  le  pause      pranzo).      On-­‐Line  tra  i  contae  personali  in  ambito  universitario;  nei  gruppi          di  “Facebook”:  “Ninja  Marketer”,  “Social  Network”,  “Web                Marke<ng”,  “e-­‐Marke<ng  Studies”,  “Web  Marke<ng  Associa<on”;        nei  gruppi  di  “Linkedin”:  “Alumni  Bocconi”  “e-­‐marke<ng  e  Social          Media  Profs”,  “e-­‐MC”,  “e-­‐Marke<ng  Associa<on”,  “Linkedin              Mobile”  e  “Ninja  Marke<ng”.   8  
  8. 8. RICERCA QUALITATIVALa   ricerca   qualita<va   è   stata   effeXuata   mediante   cinque   depth   interviews   semi-­‐struXurate   dalle   quali   sono   emerse   le   seguen<   informazioni,   sulle   quali   ci   siamo  focalizza<   per   la   realizzazione   del   ques<onario.   Di   seguito   abbiamo   sinte<zzato   le  domande  e  le  risposte  più  rilevan<  oXenute  mediante  le  interviste:  1.  Qual  è  il  mo<vo  che  l’ha  spinta  ad  iscriversi  ai  social  network?   –  Per  mantenere  i  contae   –  Per  trovare  informazioni  od  opportunità  sul  mondo  del  lavoro  2.  Qual  è  stata  l’impressione  che  ha  avuto  nel  primo  periodo  di  u<lizzo?   –  Possibilità  di  nuove  conoscenze   –  Possibilità  di  avere  una  visibilità  nazionale/internazionale  3.  Qual  è  la  prima  aevità  che  svolgi  subito  dopo  aver  effeXuato  l’accesso?   –  Controllo  eventuali  richieste  di  amicizia  e/o  nuovi  contae   –  Se  ho  ricevuto  nuove  proposte  di  lavoro  4.  Ha  mai  avuto  problemi  tecnici  o  personali  durante  l’u<lizzo?   –  Spam  eccessiva   –  Profili  invasivi   9  
  9. 9. RICERCA QUALITATIVACon  par<colare  riferimento  a  linkedin…  5.  Qual  è  stato  il  principale  mo<vo  che  l’ha  spinta  ad  iscriversi  a  Linkedin?   –  Mantenere  i  contae   –  Cogliere  opportunità  lavora<ve   –  Metodo  alterna<vo  ai  canali  off-­‐line  per  la  ricerca  di  un  impiego  7.  Quindi  è  per  lei  importante  avere  una  strada  alterna<va  ai  canali  off-­‐line?   –  Sì,  a  causa  della  difficoltà  odierna  nella  ricerca  di  un  impiego   –  Sì,  per  via  della  maggiore  estensione  della  rete  di  contae  che  esso  comporta  9.  Perché  ri<ene  importante  possedere  una  maggior  rete  di  contae?   –  Possibilità  di  entrare  in  contaXo  con  profili  professionali  che  lavorano  in  diversi   ambi<  lavora<vi  e  che  sono  operan<  anche  all’estero   –  Adesione  ai  gruppi  di  interesse  11.  Per  entrare  in  contaXo  con  i  profili  d’interesse  il  sito  è  sufficientemente  chiaro  e   di  semplice  u<lizzo?   –  Sì,  grazie  alla  grafica  di  chiara  e  facile  comprensione   –  StruXura  completa  e  non  complessa   10  
  10. 10. RICERCA QUALITATIVA9.  Precedentemente  ha  affermato  che  il  network  in  ques<one  le  permeXe  di   entrare  in  contaXo  con  profili  professionali,  per  lei  è  quindi  importante  la   credibilità  dei  suoi  contae?   –  Sì,  per  l’oXenimento  di  informazioni  veri<ere   –  Sì  perché  nel  caso  io  ricevessi  una  reale  proposta  di  lavoro  mi  sen<rei  appagato  e   soddisfaXo  11.  Le  è  mai  capitato  di  essere  contaXato  da  profili  falsi  e/o  invasivi?   –  No,  in  quanto  l’aXenta  tutela  della  privacy  crea  un  forte  senso  di  sicurezza  13.  In  conclusione  si  ri<ene  complessivamente  soddisfaXa  dal  servizio  offerto?   –  Sì,  sopraXuXo  nel  momento  in  cui  ricevo  concrete  proposte  di  lavoro   –  Sì,  perché  mi  permeXe  di  avere  ampia  visibilità  in  un  contesto  internazionale   11  
  11. 11. MEANS-END CHAIN Valori   Autos<ma   Appagamento   Serenità   terminali   Valori   Riconoscimento  strumentali   Benefici   Maggiore   Maggiore   Profili  credibili   tranquillità  psicologici   visibilità   Opportunità  di   lavoro   Semplice  u<lizzo   Mantenere  i  contae   Benefici   Semplificazione   funzionali   ricerca  impiego   Informazioni   Estensione  rete   veri<ere   Maggiore  sicurezza   contae   del  sito   AXribu<   astrae  e   Professionalità   Forte  tutela   Grafica  chiara   Alterna<vità   concre<   del  sito   della  privacy   12  
  12. 12. RICERCA QUANTITATIVAAl   fine   di   oXenere   i   da<   necessari   per   svolgere   la   nostra   analisi,   abbiamo  somministrato  un  ques<onario  struXurato  composto  da  22  domande  a  217  individui  di  età  compresa  tra  i  16  e  i  58  anni  aXraverso  la  modalità  dell’auto-­‐compilazione.  Il  suddeXo  ques<onario  è  stato  così  suddiviso:  1.  Informazioni  sulle  abitudini  di  u<lizzo  dei  social  network:    Dopo  una  domanda  di  screening  che  ci  ha  consen<to  di  individuare  gli  u<lizzatori  dei  tre  social        network  abbiamo  rilevato:   –  Mo<vo  di  u<lizzo   –  Frequenza  di  u<lizzo   –  Modalità  di  ricerca  di  un  nuovo  impiego  2.  Informazioni  specifiche  su  “Linkedin”:   –  Modalità  di  contaXo   –  Mo<vo  di  u<lizzo   –  Numerosità  dei  feedback  lavora<vi   –  U<lizzo  dell’applicazione  Mobile   –  Pun<  di  forza  e  di  debolezza   –  U<lizzo  dell’account  Premium   13  
  13. 13. RICERCA QUANTITATIVA3.  Valutazioni  di  importanza  sugli  aXribu<  e  Customer  Sa<sfac<on:   –  Individua<   12   Items   emersi   come   rilevan<   dall’analisi   qualita<va,   è   stato  chiesto  all’intervistato  di  aXribuirne  un  giudizio  di  importanza   su   una   scala   da   1   a   9   (1-­‐3   Poco   Importante,   4-­‐6   Abbastanza   importante  e  7-­‐9  Molto  Importante).   –  All’intervistato   viene   inoltre   richiesto   di   aXribuire   una   valutazione   di   soddisfazione   rela<vamente   ai   tre   social   network   presi   in   considerazione   (“Facebook”   Linkedin”   e   “Twi5er”)   in   merito   ai   12   items   considera<   precedentemente   e   un   giudizio   sinte<co   sulla   soddisfazione  globale  dei  social  network.   –  Infine   i   12   Items   sono   sta<   u<lizza<   per   ricavare   un   giudizio   sulle   caraXeris<che  ricercate  in  un  profilo  di  social  network  ideale.   14  
  14. 14. RICERCA QUANTITATIVA4.  Informazioni  Socio-­‐demografiche:   –  Sesso   –  Età   –  Professione   –  Titolo  di  studio   –  Status  sociale  (verificato  mediante  il  possesso  di   determina<  beni  in  ambito  domes<co)   –  Provincia  di  residenza   15  
  15. 15. VARIABILI SOCIO-DEMOGRAFICHE SESSO$•  Sesso   –  Maschi:  126  (58,1%)   –  Femmine:  91  (41,9%)   41,90% Maschi Femmine –  Totale  risposte  valide:  217   58,10% ETA%DEL%CAMPIONE% 1,40%& 2,30%& 0,50%& 5,10%& Per  quanto  riguarda  i  social  network   2,30%& 4,60%& 16,20&ANNI& 21,25&ANNI& in   generale   la   fascia   d’età   più   26,30&ANNI& numerosa   risulta   essere   quella   tra   i   24%& 31,35&ANNI& 36,40&ANNI& 21   e   i   25   anni   (59,9%)   seguita   dalla   59,90%& 41,45&ANNI& fascia   26-­‐30   anni   (24%).   La   meno   46,50&ANNI& 56,60&ANNI& numerosa  invece  va  dai  56-­‐60  anni.   16  
  16. 16. FACEBOOKSulla   totalità   del   campione   è   stato   verificato   che   l’88%   degli  intervista<   u<lizza   facebook   e   il   12%   non   lo   u<lizza.   Con  riferimento   alle   classi   d’età   il   59,9%   degli   u<lizzatori  appar<ene   alla   fascia   d’età   21-­‐25   anni   e   il   24%   appar<ene   alla  fascia   26-­‐30.   Per   pra<cità   analizziamo   nel   deXaglio   solo  queste  due  classi  che  congiuntamente  rappresentano  l’83,9%  delle  informazioni.  Fascia  21-­‐25:  il  91,5%  u<lizza  Facebook,  l’8,5%  non  lo  u<lizza.  Fascia  26-­‐30:  l’86,5%  u<lizza  Facebook,  il  13,5%  non  lo  u<lizza.   17  
  17. 17. LINKEDIN•  È   stato   verificato   che   il   62,2%   degli   intervista<   u<lizza   Linkedin   e   il   37,8%   non   lo   u<lizza.   Le   classi   numericamente   più   rilevan<   u<lizzano   il   social   network   con   le   seguen<   percentuali:   –  Fascia  21-­‐25:  il  56,2%  u<lizza  Linkedin,  il  43,8%  non  lo  u<lizza.   –  Fascia  26-­‐30:  il  75%  u<lizza  Linkedin,  il  25%  non  lo  u<lizza.  •  È  opportuno  soXolineare  come  al  crescere  della  fascia  d’età   aumen<  la  percentuale  di  u<lizzatori  all’interno  della  classe,   seppur  risul<no  essere  meno  numerose.   –  Fascia   31-­‐35:   il   90%   u<lizza   Linkedin,   il   10%   non   lo   u<lizza   (10   osservazioni).   –  Fascia  36-­‐40:  il  100%  u<lizza  Linkedin  (5  osservazioni).   –  Fascia  46-­‐50:  il  100%  u<lizza  Linkedin  (5  osservazioni).     18  
  18. 18. TWITTER•  È   stato   verificato   che   il   30,4%   degli   intervista<   u<lizza   TwiXer   e   il   69,6%   non   lo   u<lizza.   Le   classi   numericamente   più   rilevan<   u<lizzano   il   social   network   con   le   seguen<   percentuali:   –  Fascia  21-­‐25:  il  28,5%  u<lizza  Linkedin,  il  71,5%  non  lo  u<lizza.   –  Fascia  26-­‐30:  il  40,4%  u<lizza  Linkedin,  il  59,6%  non  lo  u<lizza.   SINTESI Dall’analisi   emerge   quindi   che   il   social   network   più   diffuso   è   Facebook   seguito   da   Linkedin   e   TwiXer.   TuXavia   è   u<le   osservare   come  la  percentuale  degli  u<lizzatori  di  Linkedin  aumen<  al  crescere   dell’età   (fenomeno   che   conferma   la   specificità   del   social   network   riguardante   l’inserimento   nel   mondo   lavora<vo   o   le   opportunità   ad   esso  connesse).   19  
  19. 19. SOCIAL NETWORK vs PROFESSIONEPer   quanto   riguarda   i   da<   aggrega<  no<amo   che   il   numero   di   u<lizzatori  di   Facebook   presenta   dei   valori  eleva<   per   quanto   riguarda   gli  studen<  o  gli  impiega<.  Le   altre   professioni   presentano   una  percentuale   di   osservazioni   scarse  che   rendono   impossibile   un’analisi  s t a < s < c a m e n t e   s i g n i fi c a < v a .  TuXavia,   con   riferimento   a   Linkedin,  si  osserva  che  per  le   Facebook   Linkedin   TwiHer  professioni  più       Sì   No   Sì   No   Sì   No  qualificate  la   Impiegato   84,60%  15,40%   75%   25%   34,60%  65,40%  percentuale  di  u<lizzo   Studente   93,20%   6,80%       57,30%  42,70%       28,20%  71,80%   Facebook   Linkedin   TwiHer  si  aXesta  al  1  00%.     Sì   No   Sì   No   Sì   No   Dirigente                                                   0,5%   0   100%   100%   0   0   100%   Doc.  Universitario                   0,5%   100%   0   100%   0   0   100%   Imprenditore                                   0,9%   0   100%   100%   0   100%   0   Libero  professionista         5,1%   9,10%   90,90%       90,90%   9,10%       45,50%   54,50%   20  
  20. 20. SOCIAL NETWORK vs TITOLO DI STUDIO 21  
  21. 21. SOCIAL NETWORK vs TITOLO DI STUDIO DIPLOMATI   FACEBOOK( LINKEDIN TWITTER&17,60% 14,70% 29,40% USANOFACEBOOK USANOLINKEDIN USANOTWITTER NONUSANOFACEBOOK NONUSANOLINKEDIN NONUSANOTWITTER 70,60% 82,40% 85,30% LAUREATI  DI  1°  LIVELLO   FACEBOOK( LINKEDIN TWITTER& 7,10%& 36,70%& 32,70% USANO&FACEBOOK& USANO&LINKEDIN& USANOTWITTER NON&USANO&FACEBOOK& NON&USANO&LINKEDIN& NONUSANOTWITTER 63,30%& 67,30% 92,90%& 22  
  22. 22. SOCIAL NETWORK vs TITOLO DI STUDIO LAUREATI  DI  2°  LIVELLO   FACEBOOK( LINKEDIN TWITTER&13,60% 18,20%& 22,70%& USANOFACEBOOK USANO&LINKEDIN& USANO&TWITTER& NONUSANOFACEBOOK NON&USANO&LINKEDIN& NON&USANO&TWITTER& 86,40% 81,80%& 77,30%& LAUREA  SUPERIORE   FACEBOOK( LINKEDIN TWITTER& 5,90% 29,40%& USANOFACEBOOK USANO$LINKEDIN$ USANO&TWITTER& NONUSANOFACEBOOK NON$USANO$LINKEDIN$ NON&USANO&TWITTER& 70,60%& 94,10% 100%$ 23  
  23. 23. ETA’ DEL CAMPIONE DI RIFERIMENTOLa  fascia  d’età  più  numerosa  risulta  essere  quella  compresa  tra  i  21  e  i  25  anni  (53,9%)  e  quella  tra  i  26  e  i  30  anni  (24%)  con  un  peso  aggregato  sul  totale  del  campione  del  77,9%.   ETA%DEL%CAMPIONE% 1,40%& 2,30%& 0,50%& 5,10%& 2,30%& 16,20&ANNI& 4,60%& 21,25&ANNI& 26,30&ANNI& 24%& 31,35&ANNI& 36,40&ANNI& 59,90%& 41,45&ANNI& 46,50&ANNI& 56,60&ANNI& 24  
  24. 24. CAMPIONE DI RIFERIMENTO: VARIABILE STATUSAbbiamo  aXribuito  al  possesso  di  un  oggeXo  di  status  un  valore  pari  a  uno,  lo  status  sociale  è  dato  da:  STATUS=  Σ  n°  oggee  possedu<.    Sulla   totalità   del   campione   la   media   e   la   deviazione   standard   della   variabile   STATUS   sono  μ=3,36  e  σ=2,141.  Mediana=3.  La  suddeXa  distribuzione  è  asimmetrica  verso  sinistra  in  quanto  si  rilevano  più  osservazioni  di  soggee  con  uno  status  <  3  rispeXo  alle  persone  che  hanno  uno  status  maggiore.  Prendendo  in  considerazione  gli  u<lizzatori  di  Linkedin  si  osserva  che  la  media  e  la  deviazione  standard  si  aXestano  a  μ=3,53  e  σ=2,065.  Mediana=3.  La  media  è  leggermente  maggiore  e  la  distribuzione   è   asimmetrica   a   sinistra   in   quanto   anche   in   questo   caso   la   maggioranza   dei  soggee  hanno  uno  status  <  3  rispeXo  a  quelli  che  hanno  uno  status  maggiore.   μ"TOTALE"CAMPIONE 3,36 μ"UTILIZZATORI"LINKEDIN 3,53 σ"TOTALE"CAMPIONE 2,141 σ"UTILIZZATORI"LINKEDIN 2,065 25  
  25. 25. CAMPIONE DI RIFERIMENTO: FREQUENZA DI UTILIZZO SOCIAL NETWORKAbbiamo  riclassificato  la  variabile  “frequenza  di  u<lizzo  social  network”  con  i  seguen<  valori:  ogni  giorno=1,  più  di  una  volta  a  seemana=2,  meno  di  una  volta  a  seemana=3  e  meno  di  una  volta  al  mese=4.  Abbiamo  considerato  l’intervallo  1-­‐4  come  una  variabile  numerica  con<nua  e  poi   abbiamo   calcolato   media   e   deviazione   standard   in   riferimento   all’u<lizzo   di   tue   e   tre   i  social  network  oXenendo  i  seguen<  risulta<:   FACEBOOK LINKEDIN TWITTER μ 1,19 2,21 2,54 σ 0,461 0,961 1,138Dalla   tabella   emerge   che   Facebook   è   mediamente   u<lizzato   ogni   giorno   (in   quanto   1,19   è  approssimabile  a  1),  Linkedin  viene  u<lizzato  mediamente  più  di  una  volta  a  seemana  (2,21  approssimabile  a  2)  mentre  TwiXer  presenta  un  valore  vicino  alla  media  tra  l’u<lizzo  del  social  network   più   di   una   volta   a   seemana   e   meno   di   una   volta   a   seemana.   Su   TwiXer   è  importante   notare   che   la   deviazione   standard   presenta   il   valore   maggiore   dei   tre   quindi   la  variabilità   delle   risposte   è   superiore   rispeXo   all’u<lizzo   degli   altri   social   network.   Inoltre   la  distribuzione   di   TwiXer   è   asimmetrica   a   destra.   Mediana=3   e   Media=2,54.   Questo   significa  che  ci  sono  più  soggee  che  lo  u<lizzano  raramente  rispeXo  a  coloro  i  quali  lo  u<lizzano  più  frequentemente.   26  
  26. 26. CAMPIONE DI RIFERIMENTO: QUALI STRUMENTI VENGONO UTILIZZATI PER TROVARE LAVORO CANALI&OFF)LINE& KIJIJI$ TROVA&LAVORO& 20,30%& 24,40%& UTILIZZANOCANALIOFF5 UTILIZZANO&TROVA&43,80% LINE UTILIZZANO&KIJIJI& LAVORO& 56,20% NONUTILIZZANOCANALI NON&UTILIZZANO&KIJIJI& NON&UTILIZZANO&TROVA& OFF5LINE LAVORO& 79,70%& 75,60%& LINKEDIN GAZZETTA&DEL&LAVORO& MONSTER( 14,70% 35,50% UTILIZZANOLINKEDIN UTILIZZANOGAZZETTA 29,50% UTILIZZANOMONSTER DELLAVORO NONUTILIZZANO NONUTILIZZANO NONUTILIZZANO 64,50% LINKEDIN GAZZETTADELLAVORO MONSTER 70,50% 85,30%Dall’analisi   si   può   notare   che   i   metodi   di   ricerca   impiego   che   presentano   una   percentuale  maggiore   sono   i   CANALI   OFF-­‐LINE   e   LINKEDIN.   Tale   risultato   è   in   linea   con   l’immagine   di  alterna<vità  tra  i  due  canali  emersa  durante  le  interviste  effeXuate  .     27  
  27. 27. CAMPIONE DI RIFERIMENTO: COME SONO GIUDICATI I SERVIZI OFFERTI DAGLI STRUMENTI IN QUESTIONE μ σ La   distribuzione   delle   valutazioni   sui   canali   off-­‐line   è  CANALI(OFF+LINE 5,71 2,24 asimmetrica   a   destra   ossia   sono   presen<   più  KIJIJI 4,15 2,048 valutazioni   migliori   rispeXo   ai   giudizi   bassi,   così   come   per   quanto   riguarda   i   giudizi   sul   trova   lavoro   e   su  TROVA(LAVORO 4,38 2,116 Monster.   La   distribuzione   dei   giudizi   su   Linkedin   (che  LINKEDIN 6,12 1,977 presenta   la   media   maggiore   e   uno   scarto   minore  GAZZETTA(DEL(LAVORO 4,04 2,027 rispeXo   agli   altri   metodi   di   ricerca   di   un   impiego)   è  MONSTER 5,21 2,28 molto  asimmetrica  a  destra.   Ra<ng  in  ordine  di  preferenza:   1.  LINKEDIN   2.  CANALI  OFF-­‐LINE   3.  MONSTER   4.  TROVA  LAVORO   5.  KIJIJI   6.  GAZZETTA  DEL  LAVORO   28  
  28. 28. CAMPIONE DI RIFERIMENTO: CONOSCENZA DI LINKEDIN DA#AMICI/FAMILIARI# DA#SCUOLE/UNIVERSITA# MASS$MEDIA(TRADIZIONALI( 3,70%& 16,60%& 35,90% SI SI& SI& NO NO& NO& 64,10% 83,40%& 96,30%& SU#INTERNET# DA#DATORI#DI#LAVORO/COLLEGHI# 12%$ 32,70% SI SI$ NO NO$ 67,30% 88%$ Come  evidenziato  dai  risulta<  oXenu<  la  promozione  di  Linkedin  risulta  efficace  per  quanto   riguarda   internet   e   il   passaparola   (valori   superiori   al   30%)   mentre   le   scuole,   le   università,   i   datori   di   lavoro   e   i   colleghi   rivestono   un   ruolo   marginale   (valori   compresi   tra   12%   e   16,6%)   mentre  il  canale  dei  mass-­‐media  tradizionali  non  risulta  sfruXato  dall’azienda  in  quanto  solo  il   3,7%  degli  intervista<  ha  dichiarato  di  esserne  venuto  a  conoscenza  grazie  a  essi.   29  
  29. 29. CAMPIONE DI RIFERIMENTO: MOTIVO DI UTILIZZO DI LINKEDINSi   osserva   che   il   mo<vo   principale   di   u<lizzo   di   Linkedin   risulta   essere   il   mantenere   le  relazioni   in   ambito   lavora<vo   con   una   percentuale   superiore   al   58%.   La   seconda  mo<vazione  in  ordine  di  importanza  è  per  trovare  nuove  opportunità  di  lavoro  (54,4%).  Per   mantenere   i   contae   ricopre   un   ruolo   marginale   se  paragonato   alle   prime   due   scelte   degli   intervista<   infae   si   PER$MANTENERE$LE$RELAZIONI$IN$ AMBITO$LAVORATIVO$aXesta   al   12,9%.   Tra   gli   uten<   che   hanno   indicato   “Altro”   le  risposte   più   interessan<   sono:   “per   raccogliere   informazioni”,  “ho  scelto  di  iscrivermi  perché  può  essere  un  opportunità  come   41,90% SIunaltra,   ma   è   una   cosa   che   non   ritengo   funzionale   e   non   credo   58,10% NOpossa  portare  a  veri  risulta<”  e  “per  i  gruppi”.   PER$TROVARE$NUOVE$ PER$MANTENERE$I$CONTATTI$ ALTRO& OPPORTUNITA$DI$LAVORO$ 12,90% 5,10%& SI SI& 45,60%& SI& NO NO& 54,40%& NO& 87,10% 94,90%& 30  
  30. 30. CAMPIONE DI RIFERIMENTO: QUANTE PROPOSTE HANNO RICEVUTO IN UN MESE ATTRAVERSO LINKEDINAbbiamo   trasformato   le   variabili   in   oggeXo   in   un   segmento   Non  considerando  i  missing  values  si  con<nuo  così  composto:  1  =  0  proposte,  2  =  1  o  2  proposte,   oeene  una  distribuzione  così  formata:  3  =  3  o  4  proposte  e  4  =  più  di  4  proposte.    Abbiamo   oXenuto   151   risposte   in   merito   alla   suddeXa   QUANTEPROPOSTEDILAVOROHAinformazione   e   abbiamo   rilevato   66   missing   values.   Le   risposte   RICEVUTO?osservate   presentano:   media   =   1,58   (il   campione   dichiara   di   aver   5,30% 3,30%ricevuto   mediamente   un   ammontare   di   proposte   pari   a   zero,   una   o   0PROPOSTEal  massimo  due  offerte  di  impiego);  e  σ  =  0,743.  La  distribuzione  è   DA1A2PROPOSTEfortemente   asimmetrica   a   sinistra   ossia   mol<   soggee   non   hanno   37,70% 53,60% DA3A4PROPOSTEricevuto  proposte  rispeXo  a  coloro  i  quali  ne  hanno  ricevute.   PIUDI4PROPOSTE PERSONECHEHANNO EFFETTIVAMENTETROVATOLAVORO GRAZIEALINKEDIN Escludendo   i   soggee   che   hanno   risposto   nega<vamente   18,65% alla   precedente   domanda   (0   offerte   di   impiego   ricevute)   SI abbiamo   s<mato   quante   persone   hanno   effeevamente   81,40% NO trovato  lavoro  dopo  le  proposte  ricevute  grazie  a  Linkedin:   31  
  31. 31. CAMPIONE DI RIFERIMENTO: DIFFUSIONE E PERCEZIONE DEL SERVIZIO MOBILEAbbiamo   riscontrato   che   il   25,3%   degli   u<lizzatori   di   PERSONECHEUTILIZZANOLinkedin   possiede   anche   l’applicazione   mobile.   Il   LAPPLICAZIONEMOBILEgiudizio,   espresso   su   una   scala   da   1   a   9,   risulta   avere  media   =   5,03   ossia   si   reputano   abbastanza   soddisfae.  Lo  scarto  quadra<co  e  pari  a  σ  =  1,899.  Il  restante  74,7%   25,30% SIdegli  intervista<  non  possiede  l’applicazione  mobile.     NOCiononostante  il  16,1%  di  chi  dichiara  di  non  possedere   74,70%l’applicazione  la  giudica  ugualmente.  La  media  risultante  da   queste   valutazioni   è   4   (ossia   inferiore   rispeXo   al  valore  precedentemente  iden<ficato).   PERSONECHENONPOSSIEDONOCon  riferimento  a  questo  16,1%,  il  69%  di  essi  dichiara  di   LAPPLICAZIONEMOBILEMALApossedere  oggee  quali  smartphone  oppure  I-­‐pad  quindi   GIUDICANOUGUALMENTEpossiamo   supporre   che,   essendo   in   possesso   di  disposi<vi   mobile   abbiano   posseduto   l’applicazione   di  Linkedin   ma,   giudicandola   nega<vamente,   abbiano   31%$ POSSIEDONO$DISPOSITIVI$smesso   di   u<lizzarla   dopo   un   periodo   di   prova   a   causa   MOBILI$dell’insufficiente   soddisfazione   legata   alla   scarsa   69%$ NON$POSSIEDONO$ DISPOSITIVI$MOBILI$funzionalità  percepita.  Il  restante  31%  la  giudica  pur  non  essendo  in  possesso  di  disposi<vi  mobili.   32  
  32. 32. CAMPIONE DI RIFERIMENTO: POSSESSO DELL’ACCOUNT PREMIUM All’interno  del  campione  analizzato  abbiamo  oXenuto  179  risposte  e  38  missing  values.  Per   quanto  riguarda  le  osservazioni  valide  si  riscontra  la  seguente  distribuzione:   POSSESSORIDELLACCOUNT PREMIUM 2,20%% SI% NO% 97,20%% 33  
  33. 33. COSA SPINGE GLI UTENTI ALL’UTILIZZO DEI SOCIAL NETWORKAbbiamo  chiesto  ai  nostri  intervista<  di  rispondere  ad  una  domanda  struXurata  rela<va  al  mo<vo  che  li  spinge  all’u<lizzo  dei  diversi  Social  Network.  Si  rilevano  436  osservazioni  valide  e  in  un  solo  caso  viene  riscontrato  almeno  una  variabile  discriminante  mancante   Analysis/Case/Processing/Summary Unweighted/Cases N PercentValid 436 67Excluded Missing/or/out3of3range/group/codes 0 0 At/least/one/missing/discriminating/variable 1 0,2 Both/missing/or/out3of3range/group/codes/and/at/least/one/missing/discriminating/variable 214 32,9 Total 215 33Total 651 100 Il  potere  discriminante  delle  variabili   TestsofEqualityofGroupMeans esplica<ve  segue  l’ordine  (dal  più   WilksLambda F df1 df2 Sig. importante  al  meno  importante)  Nuove_Conoscenze_FB 0,954 10,44 2 433 0 secondo  il  valore  di  F.  Tanto  più  è  Mantenere_Contatti_FB 0,531 191,289 2 433 0 elevato  F  tanto  più  discriminan<  sono  Informarti_FB 0,921 18,513 2 433 0 gli  item,  abbiamo  evidenziato  in  giallo  Opportunità_Lavoro_FB 0,467 246,803 2 433 0 le  due  variabili  maggiormente   discriminan<.   34  
  34. 34. COSA SPINGE GLI UTENTI ALL’UTILIZZO DEI SOCIAL NETWORK Eigenvalues(b) Function Eigenvalue %/of/Variance Cumulative/% Canonical/Correlation 1 1,890a 70,9 70,9 0,809 2 ,776a 29,1 100 0,661Si  nota  come  le  prime  due  funzioni  discriminan<  risul<no  più  che  sufficien<  per  l’analisi  in  quanto  se  considerate  congiuntamente  permeXono  di  spiegare  il  100%  della  varianza  dei  gruppi.   Wilks%Lambda Test%of%Function(s) Wilks%Lambda Chi:square df Sig. 1"through"2 0,195 705,694 8 0 2 0,563 247,786 3 0Il  P-­‐value  pari  a  zero  che  emerge  aXraverso  il  test  Lambda  di  Wilks  conferma  che  le  variabili  in  ques<one  sono  significa<ve.   35  
  35. 35. COSA SPINGE GLI UTENTI ALL’UTILIZZO DEI SOCIAL NETWORK Functions9at9Group9Centroids I   valori   espressi   dalla   tabella   riportata   esprimono   i   punteggi   Function standardizza<   e   le   coordinate   sulla   mappa   di   posizionamento  Brand 1 2 dei   brand   (valori   presi   dalle   funzioni   dei   baricentri   dei   gruppi)  FACEBOOK #1,109 0,918 rispeXo   alle   funzioni   lineari   discriminan<.   La   mappa   di  LINKEDIN 1,689 #0,226 posizionamento   viene   costruita   u<lizzando   i   punteggi,   rispeXo  TWITTER #0,33 #1,87 alle  prime  due  funzioni  discriminan<  degli  aXribu<  (dato  preso  Unstandardized5canonical5discriminant5 dalla  matrice  di  struXura  e  degli  oggee).   functions5evaluated5at5group5meansLa  matrice  di  struXura  ruotata   Matrice*di*struttura*ruotataindica  i  coefficien<  di   Funzionecorrelazione  tra  i  valori  della   * 1 2variabile  e  fra  i  valori  delle   Opportunità*di*Lavoro 0,853 0,02funzioni  discriminan<.  Il  potere   Mantenere*Contatti 80,167 0,809discriminante  della  variabile  è   Informarti 80,118 80,303direXamente  proporzionale  alla   Nuove*Conoscenze 0,156 0,19grandezza  (in  valore  assoluto)  del  valore  della  correlazione.  Abbiamo  evidenziato  i  due  risulta<  più  significa<vi.   36  
  36. 36. COSA SPINGE GLI UTENTI ALL’UTILIZZO DEI SOCIAL NETWORK 37  
  37. 37. COSA SPINGE GLI UTENTI ALL’UTILIZZO DEI SOCIAL NETWORK 38  
  38. 38. COSA SPINGE GLI UTENTI ALL’UTILIZZO DEI SOCIAL NETWORKCome   si   evince   dalla   Mappa   di   Posizionamento   i   tre   social   network   sono   percepi<   come  piaXaforme  che  offrono  un  diverso  servizio  e  hanno  un  diverso  <po  di  potenziale:    FACEBOOK:   Si   posiziona   nel   quadrante   in   cui   si   collocano   i   Social   Network   con   un   alto      potenziale  sociale;  anali<camente  è  percepito  come  il  miglior  Social  da  poter  u<lizzare    per  mantenere  i  propri  conta>.    LINKEDIN:   Si   posiziona   nel   quadrante   in   cui   si   collocano   i   Social   Network   con   un   alto       potenziale   lavora?vo   (e   risulta   avere   anche   un   discreto   potenziale   informa?vo);     anali<camente   risulta   essere   percepito   come   il   miglior   Social   da   poter   sfruXare   per    cogliere  opportunità  nel  mondo  del  lavoro  e  per  fare  nuove  conoscenze.    TWITTER:   Si   posiziona   nel   quadrante   in   cui   si   collocano   i   Social   Network   con   un   alto     potenziale   informa?vo;   anali<camente   è   percepito   come   il   miglior   Social   da   poter    u<lizzare  per  tenersi  informa?  (seguito  da  Facebook).   39  
  39. 39. COSA SPINGE GLI UTENTI ALL’UTILIZZO DEI SOCIAL NETWORK: REGRESSIONE LINEARE FACEBOOKIn  seguito  alla  domanda  volta  a  far  emergere  le  mo<vazioni  che  spingono  gli  uten<  all’u<lizzo  dei  diversi   Social   Network   (che   prevedeva   come   risposte:   u?lizzo   il   social   network   in   ques?one   per  mantenere  i  miei  conta>,  per  fare  nuove  conoscenze,  per  cogliere  opportunità  nel  mondo  del  lavoro  e   per   tenermi   informato)   abbiamo   infine   chiesto   di   dare   un   giudizio   sulla   soddisfazione   globale  verso  il  social  network.  L’analisi   di   regressione   lineare   serve   ad   individuare   la   relazione   esistente   tra   una   variabile  dipendente  (variabile  obieXvo,  nel  nostro  caso  soddisfazione  globale  verso  il  Social  Network)  e  un  insieme  di  variabili  indipenden<  (variabili  esplica.ve).  Abbiamo   u<lizzato   la   tecnica   Stepwise   in   quanto   consente   di   oXenere   output   molto   precisi   dal  momento  che  alterna  automa<camente  e  nel  modo  più  opportuno  passi  forward  e  passi  backward  ed   include   nell’analisi   solamente   gli   item   che   impaXano   significa<vamente   sulla   soddisfazione  globale.  Abbiamo  u<lizzato  la  stessa  tecnica  per  tue  e  tre  i  social  network.   Model VARIABILI,UTILIZZATE Le   variabili   prese   in   considerazione   vengono   escluse   dal   1 Mantenere_Contatti_FB modello  se  il  livello  di  significa<vità  del  loro  F  è  maggiore   2 Informarti_FB o  uguale  a  0,10  E  vengono  inserite  nel  modello  se  il  livello   3 Nuove_Conoscenze_FB di  significa<vità  di  F  è  inferiore  o  uguale  a  0,08.   a.,Dependent,Variable:,Giudizio_Globale_FB 40  
  40. 40. COSA SPINGE GLI UTENTI ALL’UTILIZZO DEI SOCIAL NETWORK: REGRESSIONE LINEARE FACEBOOK ModelSummary 2   Il   valore   R   indica   la   significa<vità  Model R RSquare AdjustedRSquare Std.ErroroftheEstimate 1 ,364a 0,132 0,128 1,349 globale  del  modello.   2 ,407b 0,166 0,158 1,326 Dalla   tabella   “Model   Summary”   si   3 ,432c 0,187 0,175 1,313 evince   come   tra   i   modelli   propos<   il   ANOVA(d) migliore   sia   il   numero   tre   in   quanto   2  Model Sum)of)Squares df Mean)Square F Sig. presenta  un  valore  di  R  maggiore.   Regression 56,16 1 56,16 30,846 ,000a Per  quanto  riguarda  il  p-­‐value  tue  e  tre  i   1 Residual 367,776 202 1,821 Total 423,936 203 valori   risultano   significa<vi   in   quanto   Regression 70,316 2 35,158 19,984 ,000b inferiori  allo  0,05.   2 Residual 353,62 201 1,759 In   conclusione   abbiamo   quindi   optato   Total 423,936 203 Regression 79,195 3 26,398 15,315 ,000c per   il   modello   tre   in   quanto   presenta   il   2   3 Residual 344,741 200 1,724 valore  di  R  maggiore  in  assoluto.   Total 423,936 203 Coefficienti)non)standardizzati Coefficienti)standardizzatiI  coefficien<   ) B Errore)std. Beta (Costante) 2,712 0,627determina<  sono  i   Mantenere)i)Contatti 0,374 0,08 0,309seguen<:   Informarsi 0,121 0,041 0,193 Fare)Nuove)Conoscenze 0,081 0,036 0,145 41  
  41. 41. COSA SPINGE GLI UTENTI ALL’UTILIZZO DEI SOCIAL NETWORK: REGRESSIONE LINEARE FACEBOOK PESOPERCENTUALEDEIDRIVER Calcolando   il   coefficiente   Beta   in  MantenereiContatti 0,4775889 47,8% valori   percentuali   è   possibile  Informarsi 0,2982998 29,8% determinare   con   che   peso   le   variabili  FareNuoveConoscenze 0,2241113 22,4% ritenute   rilavan<   impaXano   sulla   soddisfazione   globale.   Con   questo  60,0%& procedimento   è   possibile   ricavare  50,0%& 47,8%& l’influenza   delle   singole   variabili.   Le  40,0%& più   rilevan<   in   ordine   di   importanza  30,0%& 29,8%& risultano  essere:  Mantenere  i  conta>,   22,4%& Informarsi  e  Fare  nuove  conoscenze.  20,0%&10,0%& 0,0%& Mantenere&i&Conta7& Informarsi& Fare&Nuove&Conoscenze& 42  
  42. 42. COSA SPINGE GLI UTENTI ALL’UTILIZZO DEI SOCIAL NETWORK: REGRESSIONE LINEARE LINKEDIN Model VARIABILI,UTILIZZATE 1 Opportunità_Lavoro_LK 2 Informarti_LK 3 Nuove_Conoscenze_LK a.#Dependent#Variable:#Giudizio_Globale_LK ModelSummaryModel R RSquare AdjustedRSquare Std.ErroroftheEstimate Dal  Model  Summary  risulta  che  il  modello  con   1 ,552a 0,304 0,3 1,174 2 ,638b 0,407 0,399 1,088 l’R   square   più   elevato   è   il   terzo   pertanto   3 ,663c 0,439 0,428 1,061 abbiamo  optato  per  questa  opzione.   ANOVA(d)  Model Sum)of)Squares df Mean)Square F Sig.   Regression 89,31 1 89,31 64,786 ,000a 1 Residual 204,024 148 1,379   Total 293,333 149 Il  livello  di  significa<vità  è  adeguato  anche  con   2 Regression Residual 119,272 2 174,061 147 59,636 1,184 50,365 ,000b riferimanto  ai  p-­‐value  dal  momento  che  sono   Total 293,333 149 tue  inferiori  a  0,05.   Regression 128,904 3 42,968 38,152 ,000c 3 Residual 164,43 146 1,126 Total 293,333 149 43  
  43. 43. COSA SPINGE GLI UTENTI ALL’UTILIZZO DEI SOCIAL NETWORK: REGRESSIONE LINEARE LINKEDIN Coefficienti)non)standardizzati Coefficienti)standardizzati) B Errore)std. Beta t Sig.(Constant) 2,415 0,443 5,455 0Cogliere)Opportunità)di)Lavoro 0,361 0,058 0,413 6,234 0Informarsi 0,186 0,041 0,301 4,515 0Fare)Nuove)Conoscenze 0,106 0,036 0,189 2,924 0,004Variabile(dipendente:(Soddisfazione(globale(Linkedin PESO(PERCENTUALE(DEI(DRIVER Gli  item  vengono  Cogliere(Opportunità(di(Lavoro 0,4573643 45,7%Informarsi 0,3333333 33,3% evidenzia<  nella  prima  Fare(Nuove(Conoscenze 0,2093023 20,9% tabella.  Successivamente,   aXraverso  il  calcolo  del  50,0%& 45,7%& peso  percentuale  dei  45,0%&40,0%& cluster  è  possibile  35,0%& 33,3%& calcolare  l’influenza  delle  30,0%&25,0%& 20,9%& singole  variabili.  Le  più  20,0%& rilevan<  risultano  essere  15,0%&10,0%& Cogliere  nuove   5,0%& opportunità  di  lavoro  e   0,0%& Cogliere&Opportunità&di&Lavoro& Informarsi& Fare&Nuove&Conoscenze& informarsi.   44  
  44. 44. COSA SPINGE GLI UTENTI ALL’UTILIZZO DEI SOCIAL NETWORK: REGRESSIONE LINEARE TWITTER Model VARIABILI,UTILIZZATE 1 Informarti_TW 2 Nuove_Conoscenze_TW ModelSummary Dal   Model   Summary   risulta   che  Model R RSquare AdjustedRSquare Std.ErroroftheEstimate il   modello   con   l’R   square   più   1 ,677a 0,458 0,451 1,44 elevato   è   il   secondo,   pertanto   2 ,713b 0,508 0,496 1,38 abbiamo   optato   per   questa   opzione.   ANOVA(c)   Model Sum)of)Squares df Mean)Square F Sig. Il  livello  di  significa<vità  è   Regression 139,954 1 139,954 67,509 ,000a 1 Residual 165,851 80 2,073 adeguato  anche  con  riferimento   Total 305,805 81 ai  p-­‐value  dal  momento  che   Regression 155,446 2 77,723 40,836 ,000b sono  tue  inferiori  a  0,05.   2 Residual 150,359 79 1,903 Total 305,805 81 45  
  45. 45. COSA SPINGE GLI UTENTI ALL’UTILIZZO DEI SOCIAL NETWORK: REGRESSIONE LINEARE TWITTER Coefficienti)non)standardizzati Coefficienti)standardizzati) B Errore)std. Beta t Sig. La  tabella  indica  gli  (Constant) 1,908 0,474 4,029 0 item  presi  in  Informarsi 0,476 0,064 0,61 7,411 0 considerazione.  Fare9Nuove9Conoscenze 0,216 0,076 0,235 2,853 0,006 PESO,PERCENTUALE,DEI,DRIVER 80,0%% 72,2%%Informarsi 0,7218935 72,2% 70,0%%Fare,Nuove,Conoscenze 0,2781065 27,8% 60,0%% 50,0%% AXraverso   il   calcolo   del   peso   40,0%% percentuale  dei  cluster  è  possibile   27,8%% 30,0%% calcolare   l’influenza   delle   singole   20,0%% variabili.   La   più   rilevante   risulta   10,0%% essere  Informarsi.   0,0%% Informarsi% Fare%Nuove%Conoscenze% 46  
  46. 46. ANALISI FATTORIALEDall’analisi   qualita<va   sono   emersi   14   aXribu<   considera<   rilevan<   dai   risponden<   nella  valutazione  dei  social  network:  1.  Credibilità  dei  contae  2.  Tutela  della  privacy  3.  Interesse  di  chi  visita  il  tuo  profilo  4.  Veridicità  delle  informazioni  dei  tuoi  contae  5.  Innova<vità  degli  argomen<  traXa<  nei  gruppi  ai  quali  hai  aderito  6.  Coerenza  dei  contenu<  offer<  dai  gruppi  con  le  tue  esigenze  7.  Frequenza  di  aggiornamento  dei  contenu<  dei  gruppi  8.  Non  invasività  delle  segnalazioni  inviate  dal  social  network  9.  Grafica  del  social  network  10. Facilità  d’uso  del  social  network  11. Completezza  della  struXura  del  social  network  12. Este<ca  del  social  network  Agli  intervista<  è  stato  chiesto  di  aXribuire  un  giudizio  di  importanza  ai  suddee  item  secondo  la  scala:  1-­‐3  Poco  importante,  4-­‐6  Abbastanza  importante  e  7-­‐9  molto  importante.   47  
  47. 47. ANALISI FATTORIALE•  Dopo  diverse  prove  effeXuate  con  diverse  tecniche  si  è  optato  di  riportare  solamente   l’output  da  noi  giudicato  adeguato  ai  fini  dell’analisi  (è  possibile  visionare  le  diverse   prove  nell’output  allegato).    Descrizione  del  procedimento  u.lizzato:  •  Descrieve:  soluzione  iniziale  •  Estrazione   –  Metodo:  componen<  principali   –  Analizza:  matrice  di  correlazione   –  Visualizza:  soluzione  faXoriale  ruotata,  scree  plot   –  Numero  faXori:  3   Max  iterazioni  di  convergenza:  100   •  Rotazione:  Varimax   •  Opzioni:   Esclusione   listwise   (soppressione   coefficien<   piccoli   <   0,4   in   modo   da   rendere   migliore   la   leXura   dei   da<   dal   momento   che   i   gruppi   di   item   hanno   valori   >0,5)   48  
  48. 48. ANALISI FATTORIALE Total,Variance,Explained Initial,Eigenvalues Extraction,Sums,of,Squared,Loadings Rotation,Sums,of,Squared,Loadings Component Total %,of,Variance Cumulative,% Total %,of,Variance Cumulative,% Total %,of,Variance Cumulative,% 1 4,195 34,96 34,96 4,195 34,96 34,96 2,601 21,677 21,677 2 1,845 15,372 50,332 1,845 15,372 50,332 2,583 21,529 43,206 3 1,582 13,179 63,511 1,582 13,179 63,511 2,437 20,305 63,511 4 0,865 7,205 70,716 5 0,635 5,294 76,01 6 0,606 5,048 81,057 7 0,532 4,433 85,49 8 0,471 3,927 89,418 9 0,451 3,76 93,177 10 0,356 2,967 96,144 11 0,294 2,45 98,595 12 0,169 1,405 100 Extraction,Method:,Principal,Component,Analysis.  La  colonna  “%  of  variance”  riporta  la  percentuale  di  varianza  spiegata  da  ciascuna  componente.   In   generale   una   percentuale   cumulata   del   60-­‐70%   viene   considerata   acceXabile.   L’analisi   svolta   con   tre   faXori   permeXe   di   oXenere   un   valore   del   63,511%   e   questo   valore   è   da   considerare   unitamente   all’effeeva   riduzione   di   complessità   oXenuta:   oXenendo   una   forte   riduzione   di   complessità   si   può   acceXare   una   percentuale   di   varianza   spiegata   inferiore   dal   momento   che   considerando  quaXro  componen<  si  aumenterebbe  un  aumento  pari  solo  al  7%.   49    
  49. 49. ANALISI FATTORIALE Communalities Initial Extraction Credibilità_Professionalità_ID 1 0,609 Privacy_ID 1 0,644 Interesse_Visitatori_ID 1 0,343 Veridicità_Info_ID 1 0,574 Innovatività_ID 1 0,736 Coerenza_Esigenze_Informative_ID 1 0,831 Frequenza_Aggiornamento_ID 1 0,754 NON_Invasività_ID 1 0,55 Struttura_Grafica_ID 1 0,701 Facilità_Uso_ID 1 0,581 Estetica_ID 1 0,764 Completezza_ID 1 0,535 ExtractionPMethod:PPrincipalPComponentPAnalysis.Le  “Communali<es”  esprimono  l’ammontare  di  variabilità  che  una  singola  variabile  condivide  con  tuXe  le  altre  variabili.  Il  dato  del  63,511%  di  varianza  spiegata  è  una  media  per  tuXe  le  variabili;  come   si   può   notare   dalla   tabella,   per   le   singole   variabili,   tale   dato   varia   dal   34,3%   (INTERESSE  VISITATORI)  all’83,1%  (COERENZA  ESIGENZE  INFORMATIVE).  Si   è   scelto   di   u<lizzare   3   componen<   in   modo   da   ridurre   lo   scarto   al   minimo   in   quanto   con   le  soluzioni  scartate  si  sarebbe  oXenuto  un  risultato  non  significa<vo  (vedere  allegato).   50  
  50. 50. ANALISI FATTORIALE Come   si   evince   dallo   “Scree   P l o t ”   l ’ u < l i z z o   d i   t r e   componen<   risulta   oemale   in   quanto   è   evidente   che   la   pendenza   della   spezzata   è   più   marcata   dopo   il   terzo   faXore.   Considerandone   quaXro   si   oXerrebbe   un   aumento   della   complessità   dell’interpretazione   dal   momento   che   un   faXore   spiegherebbe   solamente   un   unico   item   che   invece   può   essere   efficacemente   incluso   in   uno   dei   tre   faXori   più   significa<vi   semplificando   notevolmente   la   leXura   dei   risulta<.     51  
  1. A particular slide catching your eye?

    Clipping is a handy way to collect important slides you want to go back to later.

×