Motivational design inside social networks II (Marcello Mari)

705 views

Published on

La qualità del dato nelle piattaforme social media
Da sempre i social media hanno integrato nel loro meccanismi di sviluppo della base attivi concetti proprio della gamification. In un epoca nella quale tutti parlano di big data, proprio i social media vengono spesso nominati come una delle fonti primarie di dati di sia demografici che di comportamento. Ma quanto sono affidabili i dati raccolti sui Social Media? E quanto è importante la qualità del dato nella gamification e nei big data?
Marcello Mari ci aiuta a far luce su un aspetto spesso sottovalutato e che invece assume un enorme rilievo nel momento in cui ci si appresta sempre di piu a fare dei dati la propria bussola.

0 Comments
0 Likes
Statistics
Notes
  • Be the first to comment

  • Be the first to like this

No Downloads
Views
Total views
705
On SlideShare
0
From Embeds
0
Number of Embeds
2
Actions
Shares
0
Downloads
5
Comments
0
Likes
0
Embeds 0
No embeds

No notes for slide

Motivational design inside social networks II (Marcello Mari)

  1. 1. @DtNever marcello@globalwebindex.net +marcello mari
  2. 2. Processi di Gamificazione nei Social Media esistono a diversi livelli ••Espansione del proprio network di contatti Condivisione di informazioni su se stessi ••Condivisione dei proprio pensieri ed opinioni ••Condivisione dei luoghi preferiti Condivisione dei propri gusti televisivi…
  3. 3. Processi di Gamificazione nei Social Media esistono a diversi livelli ••Espansione del proprio network di contatti
  4. 4. Processi di Gamificazione nei Social Media esistono a diversi livelli
  5. 5. Processi di Gamificazione nei Social Media esistono a diversi livelli ••Condivisione dei proprio pensieri ed opinioni
  6. 6. Processi di Gamificazione nei Social Media esistono a diversi livelli ••Condivisione dei luoghi preferiti
  7. 7. Processi di Gamificazione nei Social Media esistono a diversi livelli Condivisione dei propri gusti televisivi, musicali etc..
  8. 8. Utenti attivi sui Social Media* = 737.92mln - Enorme quantità di dati prodotti ogni giorno *Fonte GlobalWebIndex; attivi su base mensile – Q2 2013
  9. 9. Sui Social Media vengono prodotti quantità enormi di dati
  10. 10. Perché’ quindi non possiamo fare affidamento ai social media per raccogliere dati?
  11. 11. Problemi della raccolta dei dati sui Social Media Chi alza di più la voce vince I Social Media non sono democratici Territorio di gruppi organizzati Chi non si esprime non viene considerato Il campione non è rappresentativo
  12. 12. Problemi della raccolta dei dati sui Social Media MANCANO GLI STRUMENTI NUMERO INFINITO DI VARIABILI Contrariamente al gioco in cui le variabili sono inevitabilmente limitate, sui social media le variabili sono troppe per poter essere catalogate e studiate Non esistono ancora strumenti che siano in grado di restituire un risultato accurato al 100% - è richiesta una analisi umana. I software non sanno interpretare il linguaggio umano NON STRUTTURABILITA’ A causa del numero troppo alto di variabili e della mancanza di strumenti adatti, la gran parte dei dati raccolti sulle piattaforme social, non sono strutturabili
  13. 13. Problemi della raccolta dei dati sui Social Media DIFFIDENZA DEGLI UTENTI Il 18% degli utenti al mondo dichiara di utilizzare I social per assumere una personalità diversa Il 45% degli utenti dichiara di essere preoccupato che internet possa erodere la sua privacy Il 46% non condividerebbe le sue abitudini di acquisto Gli utenti sui Social Media tendono a dare un immagine di se stessi che è diversa da quella reale
  14. 14. Problemi della raccolta dei dati sui Social Media Inaccuratezza delle informazioni e profili falsi Discrepanza tra analytics e dati raccolti tramite surveys Gli utenti possono fare errori di diverso tipo nel compilare le loro informazioni inquinando cosi la qualità del dato
  15. 15. Linkedin e il grafo sociale Dallo studio del grafo delle relazioni tra gli utenti di LinkedIn, i data scientist della popolare piattaforma, stanno puntando a creare un grafico delle relazioni professionali che intercorrono tra tutti i lavoratori e le compagnie del mondo, cercando di ridurre al minimo il gap tra chi cerca lavoro e chi lo offre.
  16. 16. Conclusioni Dobbiamo guardare all’utilizzo di algoritmi più complessi in grado di ottenere risultati più attendibili piuttosto che puntare sull’analisi di enormi quantità di dati La qualità dei dati è più importante della sua quantità.
  17. 17. DOMANDE?

×