SlideShare a Scribd company logo
1 of 21
Social Network Analysis Applicata
                                                   di
                                          Giovanni Carturan



1.1 Introduzione



Un social network, termine che oggi nell’uso comune è direttamente associato a siti come Facebook e
altri, è definito da Freeman (2008) come un modo per descrivere sistemi composti da molteplici
elementi, legati fra loro in qualche modo; ognuno di questi elementi, detto nodo, può avere o meno
dei legami con gli altri nodi che lo circondano. La Social Network Analysis (SNA) guarda in modo
particolare a queste relazioni, proponendo strumenti e mezzi per osservare e analizzare i social
network.
Tornando per un attimo all’accezione comune che abbina Facebook o Twitter alla parola social
network, possiamo notare come questi non siano altro che piattaforme in cui ogni utente è legato ad
altri da rapporti molto vari, che vanno dall’amicizia, alla parentela, alla condivisione di interessi.
Possiamo immaginare queste piattaforme, richiamando la definizione di cui sopra, come grandi reti, in
cui gli utenti sono connessi tra loro da legami che individuano il tipo di rapporto che li accomuna.
Immaginando le piattaforme in questo modo, si può immediatamente cogliere i motivi per cui uno
strumento come la SNA possa essere utile al marketing di un’azienda: il poter tracciare i legami
all’interno di un gruppo, ad esempio, di appassionati di running, l’individuazione dei suoi utenti più
attivi o più influenti, lo studio del flusso delle informazioni, dello scambio di contenuti,
permetterebbero di sviluppare una comunicazione ad hoc molto più efficace rispetto ad una
generalizzata. Nello specifico, il poter sfruttare l’effetto rete e le sue dinamiche, genererebbe un
vantaggio non solo in termini di costo, ma potrebbe garantire una misurazione effettiva dell’efficacia
della comunicazione.
Gli elementi che questa tecnica permette di indagare sono vari, ma soffermeremo l’attenzione in
particolare su tre di questi:


•       Attori: sono gli elementi base di una rete, che non necessariamente devono corrispondere a
        degli individui, ma possono essere altresì associazioni, aziende o altre unità sociali.
•       Legami: sono gli elementi che possono collegare fra loro i diversi attori. Un legame unisce
        una coppia di attori, evidenziandone un collegamento di qualche tipo. Esempi di legame
possono essere i rapporti di tipo affettivo (amicizia, rispetto, attrazione), il trasferimento di
       materiali, l’interazione basata su uno scambio di informazioni.
•      Gruppi e sottogruppi: sono costituiti da insiemi finiti di attori che per ragioni concettuali,
       teoriche o empiriche vengono trattati come un insieme unico entro cui si possono fare
       misure di rete. Insieme agli attori, il gruppo o il sottogruppo sono costituiti anche dai legami
       che si presentano tra questi, unendoli o meno (Wasserman, 1994).


Il modello che andrò a proporre in questo capitolo è costituito essenzialmente in tre parti: nella prima
l’azienda, attraverso i concetti che vedremo all’inizio, sarà in grado di localizzare all’interno di un
gruppo i membri più adatti a diffondere l’informazione che verrà data loro; nella parte, dopo la
ricezione della comunicazione tali individui, sfruttando la loro posizione all’interno della rete, saranno
in grado di diffonderla in modo efficace, sfruttando il meccanismo denominato word-of-mouth; nella
terza parte, vedremo attraverso quali strumenti si potrà essere in grado di misurare lo sforzo compiuto.



1.2 I concetti teorici

In questa parte del capitolo, verranno illustrate alcune ricerche nel campo della SNA, evidenziandone
i concetti più rilevanti per la nostra analisi. Come letteratura di riferimento verranno utilizzati in modo
particolare gli scritti di Granovetter, Burt, Wasserman, Barabasi e Freeman, ricercatori che hanno
creato le basi di questa materia, per poi integrarla con la parte di letteratura emergente che più in
dettaglio si occupa di social network in ambito informatico.
Come abbiamo potuto vedere una rete è costituita da attori, uniti o meno tra loro da una serie di
legami. Gli studi che andremo ad analizzare verteranno in particolare sull’individuazione dei diversi
tipi di legami, delle dinamiche delle reti e sul ruolo del nodo in quanto tale, cercando di elencare le
misure a disposizione per coglierne le dimensioni più rilevanti per questa trattazione. Nella parte
seguente di questo stesso capitolo, dopo un breve excursus riguardante i software per la SNA,
concentreremo la nostra attenzione sull’utilizzo dei concetti che vedremo qui di seguito.


Granovetter, senza dubbio uno fra gli autori più rilevanti in materia di SNA, si focalizza in maniera
particolare sulla caratteristica rappresentata dalla forza dei legami tra gli attori e sulle conseguenze
che questa può avere nelle dinamiche riguardanti lo scambio di informazioni. La forza che unisce una
parte dei nodi all’interno di una rete interpersonale viene definita come la combinazione
dell’ammontare di tempo, intensità, intimità e reciproci servizi che caratterizzano il legame
(Granovetter, 1973). Essa può essere oggetto di una macroclassificazione all’interno di tre classi, a
seconda che tale forza sia assente, presente debolmente (weak tie) o presente in modo intenso (strong
tie) e l’autore evidenzia come essa abbia un ruolo fondamentale sia nel caso di diadi o triadi (fig. 3.1),
sia nel caso di reti allargate (fig. 3.2).




                              Figura 3.1: Diade (sopra)     Figura 3.2: Esempio di rete un
                                      e Triade            legame debole tra due individui di
                                                                    gruppi diversi


In particolare, data la definizione di forza di un legame, essa diviene strettamente legata alla
somiglianza tra i nodi: un individuo tenderà a stringere i legami più forti con gli individui della rete
più simili a lui, in termini di interessi, valori e frequentazioni, mentre i legami più deboli (o nessun
legame) caratterizzeranno relazioni del segno opposto.
Procedendo nel ragionamento, se un nodo A possiede un legame di tipo forte con B e un legame forte
con C, vi è un’alta probabilità che anche B e C possano essere uniti da un legame dello stesso genere,
in quanto dipendente in parte (ad esempio) dal tempo che A passa con B e C rispettivamente. Si può
perciò affermare che i legami forti permettono il collegamento tra nodi simili, rappresentanti individui
che potranno sfruttarli in caso di necessità.
D’altra parte, l’autore evidenzia come i legami di tipo debole non debbano essere tralasciati, ma
rappresentino anzi una grande risorsa nell’ambito della rete sociale: essi infatti uniscono
tendenzialmente attori con frequentazioni, valori e nozioni che hanno poco in comune e proprio per
questo sono di elevata importanza nella diffusione di novità, innovazioni e informazioni inedite.
Considerando ad esempio la fig.3.2, supponiamo che il legame tra A e D sia di tipo debole, mentre
quelli che uniscono il resto dei nodi sia di tipo forte, individuando in tal modo due gruppi all’interno
della rete. Le informazioni che circoleranno in questi due gruppi saranno tendenzialmente dello stesso
tipo, essendo gli individui al loro interno omogenei, in termini di caratteristiche personali, tra loro; il
legame debole tra A e D costituisce perciò un ponte locale (local bridge), attraverso cui i gruppi
possono entrare in possesso di nuove informazioni.
Granovetter sottolinea per questo motivo il ruolo fondamentale dei legami deboli, rivendicandone
l’importanza in meccanismi quali la diffusione delle innovazioni e delle informazioni. Nello specifico,
egli evidenzia come spesso un early innovator altri non sia che un individuo con un numero molto
elevato di legami deboli, alcuni dei quali costituiscono dei ponti verso gruppi locali. Al contrario,
persone con pochi legami deboli e con una prevalenza di quelli forti, saranno escluse dalla
circolazione delle informazioni nelle parti loro lontane della rete, rimanendo confinate alle attività del
proprio gruppo e alle informazioni che circolano all’interno del gruppo degli amici più vicini.
Lo studio di Granovetter rappresenta una delle basi da cui partire nello studio della SNA e rappresenta
per tale motivo uno degli scritti più citati dagli autori di questa materia. In particolare, grande
attenzione è stata rivolta alla diffusione delle informazioni e delle comunicazioni all’interno di una
rete sociale.
Il concetto elaborato da Granovetter, è stato poi punto di riferimento per molti studiosi di SNA, tra cui
Burt (2004). Egli focalizza la propria attenzione a livello di struttura sociale, definendola come un
insieme di gruppi altamente connessi al loro interno, connessi tra loro da ponti occasionali. In questo
modo, gli individui all’interno dei propri gruppi tendono a concentrarsi sulle attività di quelli,
ignorando ciò che accade negli altri. Essi formano in questo modo dei buchi nella struttura sociale
(structural holes), in termini di scambio di informazioni tra i diversi gruppi.
Secondo l’autore, richiamando in parte quanto già detto da Granovetter, assumono un’importanza
fondamentale gli individui che si trovano in una posizione di intermediazione (brokerage) tra i diversi
gruppi. Tale posizione, tuttavia, non può avere una definizione assoluta, ma è relativa al punto di
osservazione.




                               Figura 3.3: Esempi di individui in posizioni di intermediazione




Come possiamo notare dalla fig.3.3 (Burt, 2004), infatti, considerando l’insieme dei tre gruppi è
evidente la posizione di Robert come intermediario (broker) fra i tre. Considerando invece la
posizione di James all’interno del gruppo B, possiamo notare come egli sia il punto d’unione tra
l’estremità superiore e quella inferiore del gruppo, assumendo una posizione di intermediario in
questo contesto.
L’autore sottolinea come attori che si trovino in una posizione simile, godano di un vantaggio
strategico, specie nell’individuazione e nascita di nuove idee; l’essere a contatto con gruppi diversi
permette loro di essere più familiari nell’approccio a diversi modi di pensare, diventando così in grado
di coglierne gli aspetti migliori.
Un altro studio riguardante i legami tra gli attori e i flussi d’informazioni all’interno di una rete è il
lavoro di Borgatti (2003). Egli sposta l’attenzione dall’informazione alla ricerca dell’informazione:
l’oggetto della sua ricerca non è il suo spostamento tra un nodo e l’altro, oppure la sua creazione, ma
le variabili che influenzano l’individuo nel momento in cui deve decidere a chi rivolgersi per
ottenerla.
La ricerca di una specifica informazione da parte di un individuo è influenzata dal tipo di relazioni che
questi ha con il gruppo di persone che considera in grado di fornirgliela. All’interno di questo cerchio
ristretto, egli deve tuttavia sviluppare una scelta mirata dell’altro nodo cui rivolgersi. L’autore
sviluppa per questo un modello costituito su quattro variabili:


•       Grado di conoscenza dell’altro individuo: la decisione dell’attore i di ricercare
        l’informazione presso l’attore j, è determinata dalla percezione che i ha della competenza di
        j riguardo la materia che sta ricercando. È per questo motivo necessario che i abbia qualche
        conoscenza delle caratteristiche e conoscenze di j a tal proposito, prima di contattarlo.
•       Valore attribuito all’altro individuo: la probabilità che i si rechi da j nel corso della sua
        ricerca, è proporzionale al valore che egli attribuisce alla conoscenza di j riguardo la materia
        ricercata.
•       Grado di accesso: la conoscenza e le capacità dell’attore j potranno essere utili ad i, solo nel
        caso in cui i le possa sfruttare a suo beneficio in un lasso di tempo per lui rilevante.
        L’accessibilità di j e delle informazioni che possiede diventano perciò una delle variabili che
        i prende in considerazione.
•       Costo dell’informazione: l’attore i non ricercherà l’informazione da j, se reputa che tale
        ricerca possa essere troppo costosa in termini di rapporti personali o di obblighi da sostenere
        in un secondo momento.


In questo modo si viene a creare un modello che combina variabili fisiche, come ad esempio la
prossimità fisica, ad altre legate alla pura valutazione personale che un individuo ha dell’altro.
Tuttavia, dopo la formulazione teorica, l’autore sperimenta questo modello empiricamente,
riscontrando come la variabile legata al costo dell’informazione non sia rilevante quanto le altre nel
processo di ricerca da parte degli individui del campione.
Dopo aver analizzato una serie di studi riguardanti la struttura della rete sociale e le sue dinamiche
nella creazione, passaggio e ricerca delle informazioni, ci concentreremo ora su alcuni scritti che
hanno come oggetto principale d’analisi l’individuo e la sua posizione all’interno della rete stessa.
Freeman (1977), come molti autori, concentra la sua attenzione in particolare sullo studio della
centralità (centrality), che permette di comprendere il ruolo di un individuo all’interno di una rete in
termini di influenza e potere. Egli sottolinea come il punto fondamentale di questa caratteristica sia il
potenziale che ogni nodo assume nel flusso di informazioni all’interno di una rete; questo potenziale è
tanto più alto, quanto un attore si trova in una posizione intermedia rispetto agli altri, potendone così
facilitare, impedire o influenzare la trasmissione dei messaggi: la centralità fondamentale è quindi quella
definita come betweenness centrality.




                                     Figura 3.4: Rete costituita da quattro soggetti




Consideriamo, ad esempio, la rete rappresentata nella fig.3.4 (Freeman, 1977) e il rapporto fra i
nodi P1 e P3: non vi è un legame diretto, ma la comunicazione tra loro viene mediata dai nodi P2 e
P4; questi ultimi, possiedono un certo tipo di influenza, pur non controllando singolarmente il flusso
di informazioni tra i restanti due. L’autore considera, in generale, che il potenziale di un punto Pk di
controllare le informazioni tra due nodi Pi e Pj, possa essere definita come la probabilità che questo
cada all’interno dei cammini più brevi che connettono i due nodi; definito gij questo insieme e
gij(Pk) il sottoinsieme che contiene Pk, tale probabilità risulta essere:
Tale misura viene poi estesa, trovando applicazione anche considerando il complesso di un’intera
rete, attraverso una formula di tipo binario, ove il valore 1 viene assunto solo dal punto più centrale
della rete stessa.
Un individuo che possiede un alto grado di betweenness, inoltre, può essere il nodo chiave nella
risoluzione di un problema, attraverso la mediazione che è in grado di fare. In questo caso, il grado
di soddisfazione del singolo nodo, sarà tanto più elevato quanto più alto sarà il grado di centralità
che egli possiede. Queste due voci risultano essere infatti altamente correlate, come si può osservare
dalla fig.3.5 (Freeman, 1977), dove Cb(Pk) è un indice della betweenness totale di un punto nella
rete.




                         Figura 3.5: Correlazione fra betweenness e soddisfazione del singolo individuo




Lo stesso Freeman (1979) evidenzia come il concetto di centralità possa essere declinato, oltre che
nella misura basato sulla betweenness, anche attraverso altri due tipi di misurazione: la degree
centrality e la closeness centrality.
La prima è definita come il numero di nodi adiacenti ad uno stesso e con cui questo, quindi, ha un
diretto contatto. Un individuo che in una rete possiede un’elevata degree centrality può essere visto
dagli altri come un canale di informazione, un punto focale nella comunicazione, diventando il
centro del flusso di messaggi all’interno della rete sociale.
La seconda è invece relativa al numero di legami che una persona deve percorrere per essere in
contatto con un altro nodo. L’individuo all’interno della rete con la più alta closeness centrality sarà
dunque quello che riesce a raggiungere il resto dei nodi nel modo più breve. Anche questo tipo di
misura è legato strettamente al concetto di controllo delle informazioni all’interno della rete, in
quanto più alto è l’indice di closeness di un attore, tanto più alta sarà la sua capacità di evitare il
controllo degli altri nodi sul flusso di informazioni che intende generare o ricevere. Esso è quindi
indice dell’indipendenza di un nodo rispetto agli altri.
Borgatti (2005), riprendendo tali misure, evidenzia come queste vadano adattate tenendo in
considerazione il tipo di percorso che seguono le informazioni all’interno di una rete sociale,
dipendendo strettamente dalle caratteristiche di quest’ultima. Il dettaglio più rilevante al fine della
nostra analisi risulta però essere la classificazione dei tipi di trasmissione, per cui egli propone tre
macro-categorie: duplicazione parallela (parallel duplication), duplicazione seriale (serial
duplication) e trasferimento (transfer). Queste sono individuate tenendo conto sostanzialmente di
due attributi: il tipo di diffusione diadica, se il trasferimento avviene attraverso la formazione di una
copia oppure attraverso un movimento materiale, e il tipo di diffusione nel caso di replicazione, se
in modo singolo o simultaneo. In questo modo l’autore fornisce una classificazione dettagliata delle
reti sociali a seconda dei meccanismi di trasferimento all’interno di esse.
Lo studio della centralità ha poi ispirato molti autori, che l’hanno utilizzata variamente per
l’individuazione di ruoli specifici all’interno della rete. Nello specifico, viene largamente utilizzata
come strumento per l’individuazione degli individui più influenti nella rete e delle loro
caratteristiche più rilevanti.
Wasserman (1994) a tale proposito collega il concetto di centralità a quello di rilevanza,
considerando un attore rilevante (prominent) nel momento in cui i suoi legami lo rendono
particolarmente visibile all’interno di una rete. Questa definizione, come abbiamo avuto modo di
vedere, può essere ampiamente legata alle tre misure di centralità. Inoltre viene definito un attore
come prestigioso (prestigious), quando egli è coinvolto all’interno di un ampio numero di legami,
che si focalizzano sull’attore stesso come termine ricevente.
Esfahanian, Scripps e Tan (2007) propongono una classificazione maggiormente dettagliata,
individuando quattro tipologie di nodi, rispettivamente definite come Big Fish, Ambassadors,
Loners e Bridges, a seconda delle caratteristiche delle relazioni possedute. I Big Fish saranno
dunque gli individui con una grande importanza all’interno di una comunità, gli Ambassadors
coloro che forniranno le connessioni fra un ampio numero di gruppi diversi, i Bridges avranno lo
stesso ruolo, ma per un numero ristretto di comunità, ed infine i Loners saranno coloro che
possiedono pochi legami sia all’interno del proprio gruppo che fra gruppi diversi. Questa
classificazione è dunque frutto dell’interazione di due misure: quella basata sul concetto di
centralità e quella che rileva l’appartenenza a diverse comunità (fig.3.6, Esfahanian, Scripps e Tan,
2007).
Figura 3.6: Classificazione degli indivui basata su centralità e appartenenza a comunità




In questa prima parte del capitolo abbiamo introdotto alcuni concetti chiave che saranno necessari
per il proseguimento della trattazione. Ci appresteremo ora a presentare alcuni strumenti informatici
che permettano di tradurre in pratica tali concetti teorici, con l’ausilio di rappresentazioni grafiche.
Procederemo poi con l’applicazione pratica di tali nozioni nell’ambito di social network come
Facebook e Twitter, proponendo un’integrazione con alcuni concetti molto noti del marketing.



1.3 I Software per la Social Network Analysis

Dopo aver analizzato alcuni concetti teorici che la SNA mette a disposizione per l’analisi delle reti
sociali, introdurremo ora una serie di applicativi, creati per l’elaborazione pratica delle definizioni
appena viste. Per fare questo, ci baseremo principalmente sugli scritti di Freeman (2000) e di
Huisman e van Duijn (2003).
Alcuni di questi software sono stati ideati esclusivamente per la visualizzazione delle reti e
mantengono tale profilo, mentre altri sono stati aggiornati con l’inserimento di strumenti di analisi
(ad esempio NetDraw), a differenza di quelli che sono stati concepiti sin dall’inizio per
l’integrazione delle due funzioni (ad esempio NetMiner).
Tuttavia, volendo fornirne una classificazione, tre sono le voci chiave che devono essere tenute in
considerazione:
•       Il tipo di dati che il programma può gestire, che dipendono dal tipo di rete che si vuole
        approcciare, dal genere di input di cui l’applicativo ha bisogno (sotto forma di matrice, o di
        nodi e legami) e dalla possibilità o meno di segnalare valori mancanti in alcune relazioni.
•       La possibilità o meno di opzioni di visualizzazione.
•       Il tipo di analisi che il programma può condurre sulla rete.
•       L’utilizzo che si può fare del programma, ovvero se sia esso a scopo commerciale o meno.


Questi programmi, tra cui vogliamo ricordare anche UCINET e Pajek, sono in grado di studiare vari
aspetti delle reti, alcuni indagando reti anche molto estese, altri concentrandosi nell’analisi dei
sottogruppi. Nello specifico, essi sono in grado di individuare la presenza di gruppi omogenei al
loro interno, utilizzando come parametro lo studio dei diversi tipi di centralità anche applicato al
gruppo stesso, per individuare qual è il più influente all’interno dell’intera rete.
Altri strumenti molto interessanti riguardano lo studio della structural equivalence, che viene
definita da Wasserman (1994) come la somiglianza di due nodi nella misura in cui essi possiedono
legami equivalenti. Gli applicativi sono in grado di analizzare le connessioni possedute dai
differenti nodi ed analizzarne al fine di evidenziare questa somiglianza, che può arrivare a
individuare due soggetti con in comune non solo i legami, ma pure le attitudini, i comportamenti e
le preferenze.
Le esplorazioni di tipo visivo che questi strumenti mettono a disposizione, create grazie
all’applicazione di diversi algoritmi, possono permettere inoltre di riconoscere i percorsi che
un’informazione o una comunicazione compiono all’interno di una struttura sociale, evidenziando i
nodi cruciali per la loro diffusione attraverso l’integrazione di tecniche visive con misure
dettagliate.
Figura 3.7: Elaborazione grafica ottenuta attraverso l’utilizzo di NetMiner II




Tali programmi, per lavorare al massimo delle proprie possibilità, devono essere però in grado di
dialogare con grandi banche dati, che mettano loro a disposizione gli input necessari ad un’analisi
completa della struttura sociale che si vuole approcciare. Per tale motivo, la SNA viene sempre più
frequentemente associata al CRM. Il vantaggio di questa convergenza nasce dall’esistenza di ricche
banche dati statiche costruite nel tempo dalle varie applicazioni CRM. Microsoft (2009) evidenzia
come gli strumenti SNA possano rendere queste informazioni dinamiche e ricche di conoscenza sulla
topologia della rete presa in esame, sul tipo di contatti e il livello di fiducia che esiste tra persone tra di
loro collegate, consentendo anche di migliorare la capacità di previsione e di favorire il marketing
virale e il passaparola.



1.4 L’applicazione dei concetti

Sino ad ora abbiamo potuto introdurre il concetto di Social Network Analysis, illustrare alcuni degli
aspetti di cui essa permette l’investigazione ed effettuare una breve parentesi riguardante i software
che sono al servizio di tale tipo di ricerca. Ora passeremo alla fase applicativa del problema che si
vuole risolvere, ovvero individueremo in che modo si possono sfruttare i concetti messi a
disposizione dalla SNA per una strategia di marketing efficace all’interno dei social network.
Per prima cosa, tuttavia, bisogna fare un passo indietro per poter osservare l’evoluzione della figura
consumatore in questi ultimi anni: l’individuo oggi non può essere più considerato all’interno di un
segmento definito, comprendente delle caratteristiche statiche che individuano il comportamento
dei membri al suo interno; egli viene oggi costantemente influenzato dalle sue conoscenze, dalle sue
relazioni interpersonali e dalle informazioni con cui viene in contatto ogni giorno. Il social network,
sotto forma di Facebook, Twitter e altri, non ha fatto altro che accelerare questo meccanismo,
portando gli studiosi di marketing a definire il concetto di marketing tribale, secondo cui concetti
come “segmenti di consumatori”, “nicchie di mercato” e “lifestyle” sono concetti superati, che
cedono il passo a gruppi di persone che condividono esperienze, emozioni e che sono legati fra loro
anche attraverso comunità differenti (Cova, 1999).
Utilizzando lo strumento dei social network, queste “tribù”, altrimenti difficilmente localizzabili,
possono essere individuate, sfruttando alcuni fra i concetti che abbiamo visto nella prima parte del
capitolo. Attraverso l’analisi della struttura sociale formata da una rete di amicizie online, ad
esempio, si possono individuare quali sono gli individui più attivi e quelli che tendono a trovarsi
nelle posizioni più adatte per sfruttare i meccanismi descritti dal marketing tribale.
Osserviamo ad esempio la fig.3.8 (Cova, 1999), che descrive i ruoli che un individuo può assumere
in una “tribù”.




                        Figura 3.8: Classificazione dei ruoli che un individuo può assumere in una tribù




I “membri” sono quelli che aderiscono ad istituzioni, i “partecipanti” quelli che aderiscono a
riunioni di tipo informale, i “praticanti” quelli che sono coinvolti quasi giornalmente nell’attività del
proprio gruppo, mentre i “simpatizzanti” sono gli individui che seguono le mode e i trend e che
sono integrati nella “tribù” a livello marginale (Cova, 2002). Questa stessa divisione dei ruoli è
facilmente individuabile, ad esempio, in Facebook: i membri di una comunità (ad esempio i
dipendenti di una compagnia, gli studenti di un’università o gli affiliati ad un’associazione) sono
facilmente individuabili direttamente dalla pagina contenente le informazioni del contatto; i
partecipanti sono coloro che accettano l’invito a presenziare ad un evento; i praticanti sono persone
che aderiscono a gruppi particolarmente attivi in termini di discussioni; infine i simpatizzanti, forse
gli individui più interessanti per la nostra analisi, sono coloro che pur avendo una larga rete di
conoscenze, tendono a non partecipare attivamente alle attività “di massa”, ma cercano di emergere,
ricercando sempre qualcosa di nuovo.
Incrociando questi ruoli con la ricerca di Raghuram, Sangman e Sunil (2009), possiamo notare
come sia quest’ultima categoria di individui all’interno della “tribù” quella che ne influenza le
scelte. Nel loro studio, gli autori individuano tre tipi di utenti all’interno di una rete, a seconda del
numero di relazioni che stringono e degli effetti che queste ultime hanno su di loro:


•      Utenti low status (48%): non stringono molte “amicizie” con gli altri individui della rete e la
       condotta di questi ultimi non sembra poter influenzare il loro comportamento d’acquisto.
•      Utenti middle status (40%): sono utenti con una rete di “amici” di medie dimensioni. Questi
       sono quelli caratterizzati dall’effetto “keeping up with the Joneses”: il loro status sociale li
       rende molto influenzabili dal comportamento dei loro simili o superiori. Tale situazione li
       spinge a osservare i loro pari e a essere influenzati da questi nel momento in cui effettuano
       degli acquisti, in una misura che si attesta intorno al 5%.
•      Utenti high status (12%): questi sono i membri con una rete sociale più altamente connessa
       in termini di “amici”. Tuttavia, l’effetto che il comportamento degli altri utenti sembra avere
       sui loro acquisti appare negativo. Ciò è determinato dal fatto che questi individui si possono
       classificare come opinion leader, o precursori, i quali sono solitamente i primi ad esplorare
       le innovazioni, come accade ad esempio nell’industria della moda. Gli individui che li
       circondano tendono ad imitare il loro comportamento d’acquisto, ma questo fa sì che gli
       high status ricerchino nuovi modi per differenziarsi. Questo tipo di utenti risulta essere la
       chiave per influenzare una parte del resto della rete, mentre al contempo la rete dei contatti
       influenza questi in maniera negativa, diminuendone gli acquisti del 14%.


Richiamando ora uno dei concetti della SNA, possiamo osservare come questo tipo di utenti sia
facilmente accostabile al concetto di structural hole e di brokerage. In particolare, possiamo
affermare come questi individui siano presumibilmente quelli che, pur facendo parte di una ben
determinata comunità, possiedono anche legami con comunità diverse. Lo studio delle reti permette
di individuare questi buchi strutturali e, attraverso le tecniche di visualizzazione, di comprendere
quali siano gli attori in gioco che possono sfruttarlo nel modo più opportuno.
Questi attori possono essere anche accostati al concetto meno recente di local bridge proposto da
Granovetter (1973 e 1983), secondo cui il legame (debole) tra due nodi appartenenti a due gruppi
diversi formati da legami forti permetta a questi due nodi l’accesso ad informazioni che vanno al di
là del proprio gruppo di appartenenza.
Questi concetti sono alcuni di quelli che possono esser sfruttati attraverso l’utilizzo della SNA come
strumento di marketing all’interno di un social network. L’individuazione di soggetti che
possiedono legami con più gruppi, che si trovano in posizioni di intermediazione, può essere la
prima delle fasi attraverso cui entrare in contatto con un gruppo. Richiamando il primo esempio
dell’introduzione, in cui parlavamo di un gruppo legato al running, si può ipotizzare la presenza di
un gruppo su Facebook di runner locali. Mettendolo a confronto con altri gruppi di runner di altre
località e incrociando i dati, può essere possibile individuare quei membri che possiedono
connessioni con più gruppi. Questi sono quelli che, come abbiamo visto, tendono maggiormente ad
entrare in contatto per primi con le novità. Richiamando ora il lavoro di Borgatti (2003), possiamo
ricordare come una delle variabili prese in considerazione dall’individuo i nel momento in cui
decide di rivolgersi all’individuo j per la richiesta di un’informazione sia il grado di competenza in
materia che i attribuisce a j. In questo caso, la posizione di j ne identifica la possibilità stessa di
venire a contatto con informazioni con cui i, soggetto strettamente localizzato all’interno del
gruppo, non può accedere. Un’interazione dell’azienda con il soggetto j diverrebbe in questo modo
strategicamente rilevante, nella misura in cui questa gli permette non solo di accedere ad individui
che beneficiano della loro posizione in termini di reputazione, ma pure di agire su più comunità
attraverso l’utilizzo di un solo contatto.
Tuttavia, questi non sono i soli soggetti di interesse per la nostra analisi. Infatti, richiamando i
concetti proposti da Freeman (1977 e 1979), possiamo osservare come anche il concetto di
centrality, comunque declinata, possa ritornare utile in una situazione come quella vista poc’anzi,
ovvero nel momento in cui si volesse sfruttare la possibilità di comunicare ad un singolo soggetto
per raggiungere anche quelli che attraverso i vari legami formano la rete sociale di questo.
In particolare, l’individuazione all’interno di una rete sociale di individui con un’elevata degree
centrality potrebbe essere utilizzata nei termini in cui questi vengono visti come punti di riferimento
dal resto dei membri. L’insieme dei suoi legami lo renderebbero particolarmente visibile all’interno
della rete, richiamando la nozione di attore rilevante (prominent) proposta da Wasserman (1994).
Questi godrebbero di una posizione di influenza simile a quella accostata agli individui posizionati
nelle vicinanze di structural holes, ma concettualmente differente.
L’individuazione di soggetti influenti all’interno di una rete è una delle ricerche più interessanti
nell’ambito del cosiddetto marketing 2.0. Come riporta Green (2008), Google ad esempio sarebbe
già in possesso del brevetto di una tecnologia in grado di classificare gli utenti di siti come
Facebook o MySpace a seconda del loro grado di influenza sulla rete. Basandosi sullo stesso
principio di PageRank, il sistema che classifica le pagine web in ordine di importanza attraverso
l’analisi della rete di collegamenti ad essa, Google sarà in grado di analizzare la rete che circonda
un utente e l’attenzione che egli riceve da parte degli altri navigatori. In particolare, attraverso
questo tipo di strumento si potrà tracciare il profilo dell’attenzione generata da un utente basandosi
su:


•      Percentuale degli “amici” registrati dei quali ha catturato l’attenzione, in termini di click sui
       contenuti da lui condivisi.
•      Numero di persone con cui interagisce regolarmente.
•      Numero di contenuti condivisi dall’utente che gli individui della sua rete hanno poi
       condiviso con altri.
•      Grado di comprensione del contenuto da parte degli utenti che inoltrano a loro volta il
       materiale recepito da un primo utente.
•      Soddisfazione o insoddisfazione nei confronti del contenuto che sta condividendo.


L’elemento principale che bisogna considerare quando ci si appresta a comunicare all’interno di un
social network, è tuttavia sempre quello di ricordare che si ha a che fare con una tipologia di
consumatore integrato nei vari flussi di informazioni che la rete offre. Per questo motivo il
marketing legato ai social network rappresenta uno strumento con un potenziale tanto positivo
quanto negativo. Un errore nella comunicazione, nell’approccio al consumatore, può essere in un
attimo di dominio della rete e costituire una debolezza che la stessa è in grado di ingigantire.
Cova (2002) in questo senso ricorda come la prima mossa di un’azienda nell’approcciarsi con una
“tribù” deve essere di tipo non commerciale, ma mirata alla creazione di un legame di ancoraggio
con la stessa. Solo in questo modo l’azienda sarà in grado di passare al secondo livello di
comunicazione, ovvero quello legato strettamente al mercato, in cui il legame creato nel primo step
avrà un ruolo determinante nella diffusione del messaggio. Questa sorta di partnership che si sarà
venuta a creare permetterà di influenzare un numero sempre maggiore di persone, grazie alla
diffusione del messaggio generata dai membri della tribù stessa (fig.3.9, Cova, 2002).
Figura 3.9: Utilità dello sforzo compiuto per raggiungere una tribù




1.5 Il monitoraggio

Abbiamo esplorato le modalità attraverso cui un’azienda può fare uso degli strumenti messi a
disposizione dalla SNA per individuare i membri più influenti in una rete sociale, quelli che si
trovano in posizioni vantaggiose come possono essere le structural holes o posizioni dominanti
individuate attraverso le varie declinazioni della centralità e in che modo si può sfruttare quello che
viene definito come marketing tribale.
Tuttavia, bisogna prestare particolare attenzione alle modalità attraverso cui la comunicazione si
espande all’interno della rete sociale, focalizzandosi sul passaggio dell’informazione ai soggetti con
cui l’azienda può interagire in modo, per poi distribuirsi all’interno della loro rete di contatti.
Il processo di espansione del messaggio all’interno di un social network, può essere accostato al
tipo di diffusione delle informazioni che nel campo del marketing viene definito come word-of-
mouth. Esso è un tipo di diffusione delle informazioni tipico delle comunità di persone, nelle quali i
canali tradizionali per la comunicazione delle aziende, come televisione, carta stampata o radio,
perdono efficacia nei confronti del passaparola, visto come scambio interpersonale, tra soggetti
prossimi (Broderick, Brown, Lee, 2007).
In questo caso, quindi, la maggior fonte di informazioni di un individuo è il parere dell’amico, del
parente o del conoscente circa un determinato argomento o prodotto. Tale fonte di informazione,
assume poi maggior significato quanto più è forte o intensa la relazione che intercorre tra colui che
la ricerca e colui che la elargisce. Questo poiché, come evidenziato da Brown e Reigen (1987), la
forza dei legami altro non riflette il principio di omofilia, secondo cui gli individui che si
assomigliano in termini di preferenze, legami e conoscenze tendono a costruire tra loro legami di
forte intensità.
È evidente, d’altro canto, come il concetto di word-of-mouth sia in questo senso molto legato a
quanto visto nella prima parte del capitolo circa la SNA: Granovetter (1973 e 1983) parla infatti già
di forza dei legami e di come questa potesse influenzare la composizione della struttura sociale,
mentre Borgatti (2003) sottolinea come la ricerca di informazioni all’interno di una rete sociale da
parte di un individuo venga influenzato da variabili come la prossimità, la conoscenza delle altre
persone e il costo futuro di tale ricerca.
Tuttavia, pur avendo evidenziato un legame così palese tra le due materie, è necessario sottolineare
come il canale del WOM, a differenza di quelli tradizionali di comunicazione, sia difficilmente
misurabili ex post in termini di efficacia raggiunta. In particolare, applicando tale meccanismo ai
social network di internet, tale misurazione risulta doppiamente più complicata: la comunicazione
che si espande dai nodi direttamente contattati dall’azienda verso i nodi che rappresentano le loro
conoscenze, si potrebbe a sua volta replicare, non solo sulla rete, ma anche offline. Non
necessariamente si sarebbe in grado, dunque, di cogliere tutti gli aspetti della diffusione che
l’informazione ha avuto, poiché non vi è evidenza della corrispondenza totale della rete di amicizie
di un individuo su un social network come Facebook con quella da lui stesso posseduta nella vita
reale.
La necessità è dunque quella di concepire un meccanismo e degli strumenti adatti alla misurazione
dell’efficacia ottenuta attraverso la diffusione di un messaggio che ha come intento quello di
sfruttare la diffusione all’interno della rete sociale.
Osservando il caso specifico di Facebook e Twitter, l’unico modo per poter avere una supervisione
diretta sulla diffusione dell’informazione, è quello di invitare ogni individuo contattato a tornare
sulla pagina dell’azienda per postare commenti, caricare materiali, scaricarli e quindi interagire col
brand. Sfruttando una pagina ufficiale, come ad esempio quelle certificate di Twitter o le “fan
page” messe a disposizione dal libro faccia, si potrebbe misurare senza ulteriori sforzi il numero di
membri del social network investiti dal messaggio lanciato attraverso gli individui più influenti
localizzati all’interno dei vari gruppi. Utilizzando questi strumenti si arriverebbe ad interagire
direttamente con soggetti portati sulla pagina dell’azienda sfruttando i meccanismi della rete. Come
ricorda Sernovitz (2006), le persone stanno già parlando. L’unica opzione a disposizione di
un’azienda è quella di partecipare alla conversazione. La possibilità di parlare direttamente con il
consumatore, di ascoltarlo e di raccogliere tutti i suoi pareri e impressioni, positive o negative che
siano, è un plus molto importante messo a disposizione dalla tecnologia dei social network.
L’ultimo che resta da sottolineare, riguarda nello specifico la capacità che un’azienda avrebbe
nell’ascoltare attraverso questi strumenti quello che le viene comunicato dal consumatore stesso.
L’azienda, come abbiamo già visto sia nel primo che nel secondo capitolo, è oggi soggetta ad un
alto processo di gerarchizzazione, che lascia alle varie country relativamente poca libertà. Un
processo di dialogo costante con le persone che vogliono parlare del brand, tuttavia, richiederebbe
molta disponibilità e soprattutto la capacità di declinare radicalmente il tipo di comunicazione a
seconda delle esigenze che le vengono presentate. Portare, ad esempio, tutti i contatti sviluppati
attraverso la rete sociale verso un’unica pagina globale, creerebbe molta difficoltà soprattutto in
quelle regioni, come l’Italia o la Spagna, in cui il consumatore stesso può, attraverso pareri e
opinioni, suggerire novità per il brand stesso.
In questo senso, richiamando il lavoro di Bartlett e Goshal (1989), il suggerimento potrebbe essere
quello di passare da una configurazione attualmente marcatamente globale, dove è la divisione
Global che comunica e riceve i feedback sulla comunicazione, ad un’impresa di tipo transnazionale,
in cui in alcune sezioni della comunicazione si viene meno a questa struttura rigida per permettere
di sfruttare in modo più efficace il dialogo con il consumatore. Nello specifico, una pagina gestita in
proprio dall’azienda come portale dove atterrare a seguito della comunicazione espressa sfruttando
il canale del WOM, permetterebbe di svolgere un’azione più ampia e articolata nei confronti del
customer locale, potendo comunicare miratamente direttamente con lui e interagendo evitando la
mediazione di una struttura globale nella quale si perderebbero i benefici dell’azione intrapresa.



1.6 Conclusioni

In questo capitolo abbiamo avuto modo di esplorare la Social Network Analysis, attraverso lo studio
di alcuni suoi concetti teorici e la loro applicazione nella pratica. Si è potuto notare come la
comunicazione tra individui che utilizzino piattaforme come Facebook o Twitter, sia chiaramente
accomunabile con gli studi in materia di word-of-mouth e marketing tribale.
Questa trattazione, pur non essendo esaustiva sull’argomento, ha messo in luce come l’utilizzo di
questa tecnica, opportunamente integrata con basi quali il CRM, possa permettere ad un’azienda non
solo una conoscenza più approfondita delle dinamiche della rete sociale, ma si riveli anche un
potenziale strumento di marketing.
In questo senso, lo sviluppo di un progetto che integrasse i database già in possesso con i concetti visti
sino a qui, permetterebbe un dialogo più intenso e articolato con il consumatore, consentendo la
realizzazione di campagne mirate e iniziative ad hoc, oltre che generare delle evidenti economie nel
processo di comunicazione, che richiederebbe sforzi meno ingenti da parte dell’azienda.
BIBLIOGRAFIA

Bartlett, C.A., Goshal, S. , 1989. Managing across borders: the Transnational solution. 1a Edizione.
Boston: Harvard Business School Press.


Borgatti, S.P., Cross, R., 2003. A Relational View of Information Seeking and Learning in Social
Networks. Management Science, 49(4), 432-445.


Borgatti, S.P., 2005. Centrality and network flow. Social Networks 27, 55-71.


Broderick, A.J., Brown, J.J., Lee, N., 2007. Word of Mouth communication within online
communities: conceptualizing the online social network. Journal of interactive marketing., 21 (3). 2-
20.


Brown, J.J., Reingen, P.H., 1987. Social Ties and Word-of Mouth Referral Behaviour. Journal of
Consumer Research. 14, 350-362


Burt, R.S., 2004. Structural Holes and Good Ideas. American Journal of Sociology, 110(2), 349-399.


Cova, B., 1999. Tribal marketing: a latin deconstruction of a northern construction. First
International conference on critical management studies, UMIST, July.
Cova, B., 2002. Tribal marketing: the tribalisation of society and its impact on the conduct of
marketing. European Journal of Marketing 2002, 36 (5/6), 595-620.
Esfahanian, A.H., Scripps, J., Tan, P.N., 2007. Node Roles and Community Structure in Networks
[online]. In Proceedings of the 9th WebKDD and 1st SNA-KDD 2007 Workshop on Web Mining and
Social Network Analysis (San Jose, California, August 12 - 12, 2007). WebKDD/SNA-KDD'07.
ACM, New York, NY, 26-35. Disponibile su <http://doi.acm.org/10.1145/1348549.1348553>. [Data
di accesso: 09/09/09]


Freeman, L.C., 1977. A Set of Measures of Centrality Based on Betweenness. Sociometry, 40(1), 35-
41.


Freeman, L.C., 1979. Centrality in networks: I. Conceptual clarification. Social Networks, 1, 215-
239.
Freeman, L. C. 2000. Visualizing Social Networks [online]. Journal of Social Structure 1 (1).
Disponibile su <http://www.cmu.edu/joss/content/articles/volume1/Freeman.html>. [Data di accesso:
14/09/09]


Freeman, L., 2008. What is Social Network Analysis [online]. International Network for Social
Network Analysis [online], 8 febbraio. Disponibile su <http://www.insna.org/sna/what.html>. [Data
di accesso: 10/09/09]


Granovetter, M.S., 1973. The Strength of Weak Ties. American Journal of Sociology, 78, 1360-1380.


Granovetter, M.S., 1983. The Strength of Weak Ties: A network theory revisited. Sociological
Theory, 1, 201-233.


Green, H., 2008. Making Social Networks Profitable. Business Week [online], 25 settembre.
Disponibile su <www.businessweek.com>. [Data di acceso: 25/8/2009]


Huisman, M., Van Duijn, M.A.J., 2003. Software for Social Network Analysis. Connections, 25(1), 7-
26.
Microsoft Dynamics CRM, 2009. CRM and Social Networing: Engaging the Social Customer
[online]. Disponibile su <crm.dynamics.com>. [Data di Accesso: 29/8/2009]

Raghuram, I., Sangman, H., Sunil, G., 2009. Do Friends Influence Purchases in a Social Network?
[online]. Harvard Business School Marketing Unit Working Paper No. 09-123. Disponibile su
<http://ssrn.com/abstract=1392172>. [Data di accesso: 29/8/2009]
Sernovitz, A., 2006. Word-of-Mouth Marketing. 1a Edizione. New York: Kaplan Publishing. 1-60
Wasserman, S., Faust, K., 1994. Social Network Analysis. Methods and applications. 1a Edizione.
Cambridge: Cambridge University Press.

More Related Content

Viewers also liked

HR 2.0, about social business
HR 2.0, about social businessHR 2.0, about social business
HR 2.0, about social businessLeonardo Milan
 
L'impatto dei Social Media, Mercato e Trend. Caduti nella rete...
L'impatto dei Social Media, Mercato e Trend. Caduti nella rete...L'impatto dei Social Media, Mercato e Trend. Caduti nella rete...
L'impatto dei Social Media, Mercato e Trend. Caduti nella rete...Leonardo Milan
 
Comunicazione relazionale. Influenza e Persuasione
Comunicazione relazionale. Influenza e Persuasione Comunicazione relazionale. Influenza e Persuasione
Comunicazione relazionale. Influenza e Persuasione Leonardo Milan
 
Comunicazione relazionale. Reputation e comunicazione interna
Comunicazione relazionale. Reputation e comunicazione internaComunicazione relazionale. Reputation e comunicazione interna
Comunicazione relazionale. Reputation e comunicazione internaLeonardo Milan
 
Semantic Analysis using Wikipedia Taxonomy
Semantic Analysis using Wikipedia TaxonomySemantic Analysis using Wikipedia Taxonomy
Semantic Analysis using Wikipedia TaxonomyPatrick Nicolas
 
Sentiment Analysis - Settore Fashion
Sentiment Analysis - Settore FashionSentiment Analysis - Settore Fashion
Sentiment Analysis - Settore FashionEstrogeni
 
Estrarre informazioni da pagina Facebook
Estrarre informazioni da pagina FacebookEstrarre informazioni da pagina Facebook
Estrarre informazioni da pagina FacebookRoberto Marmo
 
L'applicazione delle tecniche di data mining alla personalizzazione dei siti ...
L'applicazione delle tecniche di data mining alla personalizzazione dei siti ...L'applicazione delle tecniche di data mining alla personalizzazione dei siti ...
L'applicazione delle tecniche di data mining alla personalizzazione dei siti ...Tiziana Capozzoli
 
Nuovi scenari sociali, reti digitali e accumulo di big data. Un approccio sis...
Nuovi scenari sociali, reti digitali e accumulo di big data. Un approccio sis...Nuovi scenari sociali, reti digitali e accumulo di big data. Un approccio sis...
Nuovi scenari sociali, reti digitali e accumulo di big data. Un approccio sis...Valerio Eletti
 
Analisi dati da Facebook con Microsoft Excel
Analisi dati da Facebook con Microsoft ExcelAnalisi dati da Facebook con Microsoft Excel
Analisi dati da Facebook con Microsoft ExcelRoberto Marmo
 
Representation Learning of Vectors of Words and Phrases
Representation Learning of Vectors of Words and PhrasesRepresentation Learning of Vectors of Words and Phrases
Representation Learning of Vectors of Words and PhrasesFelipe Moraes
 
Estrarre informazioni da pagina Facebook SMAU Milano 2016
Estrarre informazioni da pagina Facebook SMAU Milano 2016Estrarre informazioni da pagina Facebook SMAU Milano 2016
Estrarre informazioni da pagina Facebook SMAU Milano 2016Roberto Marmo
 
Viral Strategies Buzz Marketing
Viral Strategies Buzz MarketingViral Strategies Buzz Marketing
Viral Strategies Buzz MarketingEmakina
 

Viewers also liked (16)

HR 2.0, about social business
HR 2.0, about social businessHR 2.0, about social business
HR 2.0, about social business
 
L'impatto dei Social Media, Mercato e Trend. Caduti nella rete...
L'impatto dei Social Media, Mercato e Trend. Caduti nella rete...L'impatto dei Social Media, Mercato e Trend. Caduti nella rete...
L'impatto dei Social Media, Mercato e Trend. Caduti nella rete...
 
Comunicazione relazionale. Influenza e Persuasione
Comunicazione relazionale. Influenza e Persuasione Comunicazione relazionale. Influenza e Persuasione
Comunicazione relazionale. Influenza e Persuasione
 
Comunicazione relazionale. Reputation e comunicazione interna
Comunicazione relazionale. Reputation e comunicazione internaComunicazione relazionale. Reputation e comunicazione interna
Comunicazione relazionale. Reputation e comunicazione interna
 
Gephi
GephiGephi
Gephi
 
La lezione di Expo: comunicare con i grandi eventi
La lezione di Expo: comunicare con i grandi eventiLa lezione di Expo: comunicare con i grandi eventi
La lezione di Expo: comunicare con i grandi eventi
 
Ngrams smoothing
Ngrams smoothingNgrams smoothing
Ngrams smoothing
 
Semantic Analysis using Wikipedia Taxonomy
Semantic Analysis using Wikipedia TaxonomySemantic Analysis using Wikipedia Taxonomy
Semantic Analysis using Wikipedia Taxonomy
 
Sentiment Analysis - Settore Fashion
Sentiment Analysis - Settore FashionSentiment Analysis - Settore Fashion
Sentiment Analysis - Settore Fashion
 
Estrarre informazioni da pagina Facebook
Estrarre informazioni da pagina FacebookEstrarre informazioni da pagina Facebook
Estrarre informazioni da pagina Facebook
 
L'applicazione delle tecniche di data mining alla personalizzazione dei siti ...
L'applicazione delle tecniche di data mining alla personalizzazione dei siti ...L'applicazione delle tecniche di data mining alla personalizzazione dei siti ...
L'applicazione delle tecniche di data mining alla personalizzazione dei siti ...
 
Nuovi scenari sociali, reti digitali e accumulo di big data. Un approccio sis...
Nuovi scenari sociali, reti digitali e accumulo di big data. Un approccio sis...Nuovi scenari sociali, reti digitali e accumulo di big data. Un approccio sis...
Nuovi scenari sociali, reti digitali e accumulo di big data. Un approccio sis...
 
Analisi dati da Facebook con Microsoft Excel
Analisi dati da Facebook con Microsoft ExcelAnalisi dati da Facebook con Microsoft Excel
Analisi dati da Facebook con Microsoft Excel
 
Representation Learning of Vectors of Words and Phrases
Representation Learning of Vectors of Words and PhrasesRepresentation Learning of Vectors of Words and Phrases
Representation Learning of Vectors of Words and Phrases
 
Estrarre informazioni da pagina Facebook SMAU Milano 2016
Estrarre informazioni da pagina Facebook SMAU Milano 2016Estrarre informazioni da pagina Facebook SMAU Milano 2016
Estrarre informazioni da pagina Facebook SMAU Milano 2016
 
Viral Strategies Buzz Marketing
Viral Strategies Buzz MarketingViral Strategies Buzz Marketing
Viral Strategies Buzz Marketing
 

Similar to Social Network Analysis Applicata

Networking Lezione 21 Novembre
Networking Lezione 21 NovembreNetworking Lezione 21 Novembre
Networking Lezione 21 Novembreand_cerase
 
SNA e Scienza delle Reti
SNA e Scienza delle RetiSNA e Scienza delle Reti
SNA e Scienza delle Retieugenio iorio
 
03 Social Network Analysis
03   Social Network Analysis03   Social Network Analysis
03 Social Network AnalysisMarco Muzzarelli
 
Social network: le competenze si certificano con la fiducia
Social network: le competenze si certificano con la fiduciaSocial network: le competenze si certificano con la fiducia
Social network: le competenze si certificano con la fiduciaAndrey Golub
 
Intervento di Marina Nuciari
Intervento di Marina Nuciari Intervento di Marina Nuciari
Intervento di Marina Nuciari Vittorio Canavese
 
CONVEGNO - EBA FORUM 2008
CONVEGNO - EBA FORUM 2008CONVEGNO - EBA FORUM 2008
CONVEGNO - EBA FORUM 2008Claudio Pasqua
 
Isocialnetwork
IsocialnetworkIsocialnetwork
Isocialnetworkmaeroby
 
Comprendere_le_Reti_per_Governare_l_EA_12nov2013
Comprendere_le_Reti_per_Governare_l_EA_12nov2013Comprendere_le_Reti_per_Governare_l_EA_12nov2013
Comprendere_le_Reti_per_Governare_l_EA_12nov2013Matteo Busanelli
 
I social network nell'educazione
I social network nell'educazione I social network nell'educazione
I social network nell'educazione Maria Ranieri
 
I social network nell'educazione
I social network nell'educazioneI social network nell'educazione
I social network nell'educazioneStefania Manca
 
I social network di Pagano & Lucca
I social network di Pagano & LuccaI social network di Pagano & Lucca
I social network di Pagano & Luccaandreafacchetti
 
Infosfera italiana 2016
Infosfera italiana 2016Infosfera italiana 2016
Infosfera italiana 2016eugenio iorio
 
Comunità professionali (network formali e non formali) dei professionisti HR
Comunità professionali (network formali e non formali) dei professionisti HRComunità professionali (network formali e non formali) dei professionisti HR
Comunità professionali (network formali e non formali) dei professionisti HRFree Your Talent
 
Social tagging in un ambiente di apprendimento digitale
Social tagging in un ambiente di apprendimento digitaleSocial tagging in un ambiente di apprendimento digitale
Social tagging in un ambiente di apprendimento digitaleStefano Penge
 
New visual identity system for the School of communication, within Sapienza U...
New visual identity system for the School of communication, within Sapienza U...New visual identity system for the School of communication, within Sapienza U...
New visual identity system for the School of communication, within Sapienza U...vincenzo de simone
 

Similar to Social Network Analysis Applicata (20)

Networking Lezione 21 Novembre
Networking Lezione 21 NovembreNetworking Lezione 21 Novembre
Networking Lezione 21 Novembre
 
SNA e Scienza delle Reti
SNA e Scienza delle RetiSNA e Scienza delle Reti
SNA e Scienza delle Reti
 
03 Social Network Analysis
03   Social Network Analysis03   Social Network Analysis
03 Social Network Analysis
 
Social network: le competenze si certificano con la fiducia
Social network: le competenze si certificano con la fiduciaSocial network: le competenze si certificano con la fiducia
Social network: le competenze si certificano con la fiducia
 
Intervento di Marina Nuciari
Intervento di Marina Nuciari Intervento di Marina Nuciari
Intervento di Marina Nuciari
 
CONVEGNO - EBA FORUM 2008
CONVEGNO - EBA FORUM 2008CONVEGNO - EBA FORUM 2008
CONVEGNO - EBA FORUM 2008
 
Isocialnetwork
IsocialnetworkIsocialnetwork
Isocialnetwork
 
19. Reti sociali
19. Reti sociali19. Reti sociali
19. Reti sociali
 
Comprendere_le_Reti_per_Governare_l_EA_12nov2013
Comprendere_le_Reti_per_Governare_l_EA_12nov2013Comprendere_le_Reti_per_Governare_l_EA_12nov2013
Comprendere_le_Reti_per_Governare_l_EA_12nov2013
 
I social network nell'educazione maria ranieri stefania manca
I social network nell'educazione maria ranieri stefania mancaI social network nell'educazione maria ranieri stefania manca
I social network nell'educazione maria ranieri stefania manca
 
10. Reti sociali
10. Reti sociali10. Reti sociali
10. Reti sociali
 
I social network nell'educazione
I social network nell'educazione I social network nell'educazione
I social network nell'educazione
 
I social network nell'educazione
I social network nell'educazioneI social network nell'educazione
I social network nell'educazione
 
I social network di Pagano & Lucca
I social network di Pagano & LuccaI social network di Pagano & Lucca
I social network di Pagano & Lucca
 
Infosfera italiana 2016
Infosfera italiana 2016Infosfera italiana 2016
Infosfera italiana 2016
 
Infosfera italiana 2016
Infosfera italiana 2016Infosfera italiana 2016
Infosfera italiana 2016
 
Social Network Analysis
Social Network AnalysisSocial Network Analysis
Social Network Analysis
 
Comunità professionali (network formali e non formali) dei professionisti HR
Comunità professionali (network formali e non formali) dei professionisti HRComunità professionali (network formali e non formali) dei professionisti HR
Comunità professionali (network formali e non formali) dei professionisti HR
 
Social tagging in un ambiente di apprendimento digitale
Social tagging in un ambiente di apprendimento digitaleSocial tagging in un ambiente di apprendimento digitale
Social tagging in un ambiente di apprendimento digitale
 
New visual identity system for the School of communication, within Sapienza U...
New visual identity system for the School of communication, within Sapienza U...New visual identity system for the School of communication, within Sapienza U...
New visual identity system for the School of communication, within Sapienza U...
 

Recently uploaded

Giulia Pascuzzi – Coach & Business Leader – Parlare di diversità è davvero in...
Giulia Pascuzzi – Coach & Business Leader – Parlare di diversità è davvero in...Giulia Pascuzzi – Coach & Business Leader – Parlare di diversità è davvero in...
Giulia Pascuzzi – Coach & Business Leader – Parlare di diversità è davvero in...Associazione Digital Days
 
Gianni Clocchiatti, Consulente per l’innovazione e la creatività d’impresa, F...
Gianni Clocchiatti, Consulente per l’innovazione e la creatività d’impresa, F...Gianni Clocchiatti, Consulente per l’innovazione e la creatività d’impresa, F...
Gianni Clocchiatti, Consulente per l’innovazione e la creatività d’impresa, F...Associazione Digital Days
 
Luca Celotto, Owner – “Fondi Europei: Strategie Vincenti per Start-up nel Lab...
Luca Celotto, Owner – “Fondi Europei: Strategie Vincenti per Start-up nel Lab...Luca Celotto, Owner – “Fondi Europei: Strategie Vincenti per Start-up nel Lab...
Luca Celotto, Owner – “Fondi Europei: Strategie Vincenti per Start-up nel Lab...Associazione Digital Days
 
Luca Faccin, CEO @PerformancePPC – “Tool AI per migliorare i processi aziendali”
Luca Faccin, CEO @PerformancePPC – “Tool AI per migliorare i processi aziendali”Luca Faccin, CEO @PerformancePPC – “Tool AI per migliorare i processi aziendali”
Luca Faccin, CEO @PerformancePPC – “Tool AI per migliorare i processi aziendali”Associazione Digital Days
 
Enrico Busto, Strategic Technology Advisor fondatore di @Eticrea – “Reskillin...
Enrico Busto, Strategic Technology Advisor fondatore di @Eticrea – “Reskillin...Enrico Busto, Strategic Technology Advisor fondatore di @Eticrea – “Reskillin...
Enrico Busto, Strategic Technology Advisor fondatore di @Eticrea – “Reskillin...Associazione Digital Days
 
Eleonora Sordella, Headhunter, Coach, Formatrice e Chiara Bonomi, Training De...
Eleonora Sordella, Headhunter, Coach, Formatrice e Chiara Bonomi, Training De...Eleonora Sordella, Headhunter, Coach, Formatrice e Chiara Bonomi, Training De...
Eleonora Sordella, Headhunter, Coach, Formatrice e Chiara Bonomi, Training De...Associazione Digital Days
 
Mario Madafferi, Innovation Manager @Progesia SRL Società Benefit – “L’Integr...
Mario Madafferi, Innovation Manager @Progesia SRL Società Benefit – “L’Integr...Mario Madafferi, Innovation Manager @Progesia SRL Società Benefit – “L’Integr...
Mario Madafferi, Innovation Manager @Progesia SRL Società Benefit – “L’Integr...Associazione Digital Days
 
Edoardo Marrone, Direttore Commerciale di @Across- “Valorizzare il tesoro nas...
Edoardo Marrone, Direttore Commerciale di @Across- “Valorizzare il tesoro nas...Edoardo Marrone, Direttore Commerciale di @Across- “Valorizzare il tesoro nas...
Edoardo Marrone, Direttore Commerciale di @Across- “Valorizzare il tesoro nas...Associazione Digital Days
 
Pamela Serena Nerattini, Consulente LinkedIn e HR – “Ascoltare per crescere i...
Pamela Serena Nerattini, Consulente LinkedIn e HR – “Ascoltare per crescere i...Pamela Serena Nerattini, Consulente LinkedIn e HR – “Ascoltare per crescere i...
Pamela Serena Nerattini, Consulente LinkedIn e HR – “Ascoltare per crescere i...Associazione Digital Days
 
Simone Bonamin, Partner di @Argo Business Solutions S.r.l. – “Online Brand Pr...
Simone Bonamin, Partner di @Argo Business Solutions S.r.l. – “Online Brand Pr...Simone Bonamin, Partner di @Argo Business Solutions S.r.l. – “Online Brand Pr...
Simone Bonamin, Partner di @Argo Business Solutions S.r.l. – “Online Brand Pr...Associazione Digital Days
 

Recently uploaded (10)

Giulia Pascuzzi – Coach & Business Leader – Parlare di diversità è davvero in...
Giulia Pascuzzi – Coach & Business Leader – Parlare di diversità è davvero in...Giulia Pascuzzi – Coach & Business Leader – Parlare di diversità è davvero in...
Giulia Pascuzzi – Coach & Business Leader – Parlare di diversità è davvero in...
 
Gianni Clocchiatti, Consulente per l’innovazione e la creatività d’impresa, F...
Gianni Clocchiatti, Consulente per l’innovazione e la creatività d’impresa, F...Gianni Clocchiatti, Consulente per l’innovazione e la creatività d’impresa, F...
Gianni Clocchiatti, Consulente per l’innovazione e la creatività d’impresa, F...
 
Luca Celotto, Owner – “Fondi Europei: Strategie Vincenti per Start-up nel Lab...
Luca Celotto, Owner – “Fondi Europei: Strategie Vincenti per Start-up nel Lab...Luca Celotto, Owner – “Fondi Europei: Strategie Vincenti per Start-up nel Lab...
Luca Celotto, Owner – “Fondi Europei: Strategie Vincenti per Start-up nel Lab...
 
Luca Faccin, CEO @PerformancePPC – “Tool AI per migliorare i processi aziendali”
Luca Faccin, CEO @PerformancePPC – “Tool AI per migliorare i processi aziendali”Luca Faccin, CEO @PerformancePPC – “Tool AI per migliorare i processi aziendali”
Luca Faccin, CEO @PerformancePPC – “Tool AI per migliorare i processi aziendali”
 
Enrico Busto, Strategic Technology Advisor fondatore di @Eticrea – “Reskillin...
Enrico Busto, Strategic Technology Advisor fondatore di @Eticrea – “Reskillin...Enrico Busto, Strategic Technology Advisor fondatore di @Eticrea – “Reskillin...
Enrico Busto, Strategic Technology Advisor fondatore di @Eticrea – “Reskillin...
 
Eleonora Sordella, Headhunter, Coach, Formatrice e Chiara Bonomi, Training De...
Eleonora Sordella, Headhunter, Coach, Formatrice e Chiara Bonomi, Training De...Eleonora Sordella, Headhunter, Coach, Formatrice e Chiara Bonomi, Training De...
Eleonora Sordella, Headhunter, Coach, Formatrice e Chiara Bonomi, Training De...
 
Mario Madafferi, Innovation Manager @Progesia SRL Società Benefit – “L’Integr...
Mario Madafferi, Innovation Manager @Progesia SRL Società Benefit – “L’Integr...Mario Madafferi, Innovation Manager @Progesia SRL Società Benefit – “L’Integr...
Mario Madafferi, Innovation Manager @Progesia SRL Società Benefit – “L’Integr...
 
Edoardo Marrone, Direttore Commerciale di @Across- “Valorizzare il tesoro nas...
Edoardo Marrone, Direttore Commerciale di @Across- “Valorizzare il tesoro nas...Edoardo Marrone, Direttore Commerciale di @Across- “Valorizzare il tesoro nas...
Edoardo Marrone, Direttore Commerciale di @Across- “Valorizzare il tesoro nas...
 
Pamela Serena Nerattini, Consulente LinkedIn e HR – “Ascoltare per crescere i...
Pamela Serena Nerattini, Consulente LinkedIn e HR – “Ascoltare per crescere i...Pamela Serena Nerattini, Consulente LinkedIn e HR – “Ascoltare per crescere i...
Pamela Serena Nerattini, Consulente LinkedIn e HR – “Ascoltare per crescere i...
 
Simone Bonamin, Partner di @Argo Business Solutions S.r.l. – “Online Brand Pr...
Simone Bonamin, Partner di @Argo Business Solutions S.r.l. – “Online Brand Pr...Simone Bonamin, Partner di @Argo Business Solutions S.r.l. – “Online Brand Pr...
Simone Bonamin, Partner di @Argo Business Solutions S.r.l. – “Online Brand Pr...
 

Social Network Analysis Applicata

  • 1. Social Network Analysis Applicata di Giovanni Carturan 1.1 Introduzione Un social network, termine che oggi nell’uso comune è direttamente associato a siti come Facebook e altri, è definito da Freeman (2008) come un modo per descrivere sistemi composti da molteplici elementi, legati fra loro in qualche modo; ognuno di questi elementi, detto nodo, può avere o meno dei legami con gli altri nodi che lo circondano. La Social Network Analysis (SNA) guarda in modo particolare a queste relazioni, proponendo strumenti e mezzi per osservare e analizzare i social network. Tornando per un attimo all’accezione comune che abbina Facebook o Twitter alla parola social network, possiamo notare come questi non siano altro che piattaforme in cui ogni utente è legato ad altri da rapporti molto vari, che vanno dall’amicizia, alla parentela, alla condivisione di interessi. Possiamo immaginare queste piattaforme, richiamando la definizione di cui sopra, come grandi reti, in cui gli utenti sono connessi tra loro da legami che individuano il tipo di rapporto che li accomuna. Immaginando le piattaforme in questo modo, si può immediatamente cogliere i motivi per cui uno strumento come la SNA possa essere utile al marketing di un’azienda: il poter tracciare i legami all’interno di un gruppo, ad esempio, di appassionati di running, l’individuazione dei suoi utenti più attivi o più influenti, lo studio del flusso delle informazioni, dello scambio di contenuti, permetterebbero di sviluppare una comunicazione ad hoc molto più efficace rispetto ad una generalizzata. Nello specifico, il poter sfruttare l’effetto rete e le sue dinamiche, genererebbe un vantaggio non solo in termini di costo, ma potrebbe garantire una misurazione effettiva dell’efficacia della comunicazione. Gli elementi che questa tecnica permette di indagare sono vari, ma soffermeremo l’attenzione in particolare su tre di questi: • Attori: sono gli elementi base di una rete, che non necessariamente devono corrispondere a degli individui, ma possono essere altresì associazioni, aziende o altre unità sociali. • Legami: sono gli elementi che possono collegare fra loro i diversi attori. Un legame unisce una coppia di attori, evidenziandone un collegamento di qualche tipo. Esempi di legame
  • 2. possono essere i rapporti di tipo affettivo (amicizia, rispetto, attrazione), il trasferimento di materiali, l’interazione basata su uno scambio di informazioni. • Gruppi e sottogruppi: sono costituiti da insiemi finiti di attori che per ragioni concettuali, teoriche o empiriche vengono trattati come un insieme unico entro cui si possono fare misure di rete. Insieme agli attori, il gruppo o il sottogruppo sono costituiti anche dai legami che si presentano tra questi, unendoli o meno (Wasserman, 1994). Il modello che andrò a proporre in questo capitolo è costituito essenzialmente in tre parti: nella prima l’azienda, attraverso i concetti che vedremo all’inizio, sarà in grado di localizzare all’interno di un gruppo i membri più adatti a diffondere l’informazione che verrà data loro; nella parte, dopo la ricezione della comunicazione tali individui, sfruttando la loro posizione all’interno della rete, saranno in grado di diffonderla in modo efficace, sfruttando il meccanismo denominato word-of-mouth; nella terza parte, vedremo attraverso quali strumenti si potrà essere in grado di misurare lo sforzo compiuto. 1.2 I concetti teorici In questa parte del capitolo, verranno illustrate alcune ricerche nel campo della SNA, evidenziandone i concetti più rilevanti per la nostra analisi. Come letteratura di riferimento verranno utilizzati in modo particolare gli scritti di Granovetter, Burt, Wasserman, Barabasi e Freeman, ricercatori che hanno creato le basi di questa materia, per poi integrarla con la parte di letteratura emergente che più in dettaglio si occupa di social network in ambito informatico. Come abbiamo potuto vedere una rete è costituita da attori, uniti o meno tra loro da una serie di legami. Gli studi che andremo ad analizzare verteranno in particolare sull’individuazione dei diversi tipi di legami, delle dinamiche delle reti e sul ruolo del nodo in quanto tale, cercando di elencare le misure a disposizione per coglierne le dimensioni più rilevanti per questa trattazione. Nella parte seguente di questo stesso capitolo, dopo un breve excursus riguardante i software per la SNA, concentreremo la nostra attenzione sull’utilizzo dei concetti che vedremo qui di seguito. Granovetter, senza dubbio uno fra gli autori più rilevanti in materia di SNA, si focalizza in maniera particolare sulla caratteristica rappresentata dalla forza dei legami tra gli attori e sulle conseguenze che questa può avere nelle dinamiche riguardanti lo scambio di informazioni. La forza che unisce una parte dei nodi all’interno di una rete interpersonale viene definita come la combinazione dell’ammontare di tempo, intensità, intimità e reciproci servizi che caratterizzano il legame (Granovetter, 1973). Essa può essere oggetto di una macroclassificazione all’interno di tre classi, a
  • 3. seconda che tale forza sia assente, presente debolmente (weak tie) o presente in modo intenso (strong tie) e l’autore evidenzia come essa abbia un ruolo fondamentale sia nel caso di diadi o triadi (fig. 3.1), sia nel caso di reti allargate (fig. 3.2). Figura 3.1: Diade (sopra) Figura 3.2: Esempio di rete un e Triade legame debole tra due individui di gruppi diversi In particolare, data la definizione di forza di un legame, essa diviene strettamente legata alla somiglianza tra i nodi: un individuo tenderà a stringere i legami più forti con gli individui della rete più simili a lui, in termini di interessi, valori e frequentazioni, mentre i legami più deboli (o nessun legame) caratterizzeranno relazioni del segno opposto. Procedendo nel ragionamento, se un nodo A possiede un legame di tipo forte con B e un legame forte con C, vi è un’alta probabilità che anche B e C possano essere uniti da un legame dello stesso genere, in quanto dipendente in parte (ad esempio) dal tempo che A passa con B e C rispettivamente. Si può perciò affermare che i legami forti permettono il collegamento tra nodi simili, rappresentanti individui che potranno sfruttarli in caso di necessità. D’altra parte, l’autore evidenzia come i legami di tipo debole non debbano essere tralasciati, ma rappresentino anzi una grande risorsa nell’ambito della rete sociale: essi infatti uniscono tendenzialmente attori con frequentazioni, valori e nozioni che hanno poco in comune e proprio per questo sono di elevata importanza nella diffusione di novità, innovazioni e informazioni inedite. Considerando ad esempio la fig.3.2, supponiamo che il legame tra A e D sia di tipo debole, mentre quelli che uniscono il resto dei nodi sia di tipo forte, individuando in tal modo due gruppi all’interno della rete. Le informazioni che circoleranno in questi due gruppi saranno tendenzialmente dello stesso tipo, essendo gli individui al loro interno omogenei, in termini di caratteristiche personali, tra loro; il legame debole tra A e D costituisce perciò un ponte locale (local bridge), attraverso cui i gruppi possono entrare in possesso di nuove informazioni. Granovetter sottolinea per questo motivo il ruolo fondamentale dei legami deboli, rivendicandone l’importanza in meccanismi quali la diffusione delle innovazioni e delle informazioni. Nello specifico, egli evidenzia come spesso un early innovator altri non sia che un individuo con un numero molto elevato di legami deboli, alcuni dei quali costituiscono dei ponti verso gruppi locali. Al contrario, persone con pochi legami deboli e con una prevalenza di quelli forti, saranno escluse dalla
  • 4. circolazione delle informazioni nelle parti loro lontane della rete, rimanendo confinate alle attività del proprio gruppo e alle informazioni che circolano all’interno del gruppo degli amici più vicini. Lo studio di Granovetter rappresenta una delle basi da cui partire nello studio della SNA e rappresenta per tale motivo uno degli scritti più citati dagli autori di questa materia. In particolare, grande attenzione è stata rivolta alla diffusione delle informazioni e delle comunicazioni all’interno di una rete sociale. Il concetto elaborato da Granovetter, è stato poi punto di riferimento per molti studiosi di SNA, tra cui Burt (2004). Egli focalizza la propria attenzione a livello di struttura sociale, definendola come un insieme di gruppi altamente connessi al loro interno, connessi tra loro da ponti occasionali. In questo modo, gli individui all’interno dei propri gruppi tendono a concentrarsi sulle attività di quelli, ignorando ciò che accade negli altri. Essi formano in questo modo dei buchi nella struttura sociale (structural holes), in termini di scambio di informazioni tra i diversi gruppi. Secondo l’autore, richiamando in parte quanto già detto da Granovetter, assumono un’importanza fondamentale gli individui che si trovano in una posizione di intermediazione (brokerage) tra i diversi gruppi. Tale posizione, tuttavia, non può avere una definizione assoluta, ma è relativa al punto di osservazione. Figura 3.3: Esempi di individui in posizioni di intermediazione Come possiamo notare dalla fig.3.3 (Burt, 2004), infatti, considerando l’insieme dei tre gruppi è evidente la posizione di Robert come intermediario (broker) fra i tre. Considerando invece la posizione di James all’interno del gruppo B, possiamo notare come egli sia il punto d’unione tra l’estremità superiore e quella inferiore del gruppo, assumendo una posizione di intermediario in questo contesto.
  • 5. L’autore sottolinea come attori che si trovino in una posizione simile, godano di un vantaggio strategico, specie nell’individuazione e nascita di nuove idee; l’essere a contatto con gruppi diversi permette loro di essere più familiari nell’approccio a diversi modi di pensare, diventando così in grado di coglierne gli aspetti migliori. Un altro studio riguardante i legami tra gli attori e i flussi d’informazioni all’interno di una rete è il lavoro di Borgatti (2003). Egli sposta l’attenzione dall’informazione alla ricerca dell’informazione: l’oggetto della sua ricerca non è il suo spostamento tra un nodo e l’altro, oppure la sua creazione, ma le variabili che influenzano l’individuo nel momento in cui deve decidere a chi rivolgersi per ottenerla. La ricerca di una specifica informazione da parte di un individuo è influenzata dal tipo di relazioni che questi ha con il gruppo di persone che considera in grado di fornirgliela. All’interno di questo cerchio ristretto, egli deve tuttavia sviluppare una scelta mirata dell’altro nodo cui rivolgersi. L’autore sviluppa per questo un modello costituito su quattro variabili: • Grado di conoscenza dell’altro individuo: la decisione dell’attore i di ricercare l’informazione presso l’attore j, è determinata dalla percezione che i ha della competenza di j riguardo la materia che sta ricercando. È per questo motivo necessario che i abbia qualche conoscenza delle caratteristiche e conoscenze di j a tal proposito, prima di contattarlo. • Valore attribuito all’altro individuo: la probabilità che i si rechi da j nel corso della sua ricerca, è proporzionale al valore che egli attribuisce alla conoscenza di j riguardo la materia ricercata. • Grado di accesso: la conoscenza e le capacità dell’attore j potranno essere utili ad i, solo nel caso in cui i le possa sfruttare a suo beneficio in un lasso di tempo per lui rilevante. L’accessibilità di j e delle informazioni che possiede diventano perciò una delle variabili che i prende in considerazione. • Costo dell’informazione: l’attore i non ricercherà l’informazione da j, se reputa che tale ricerca possa essere troppo costosa in termini di rapporti personali o di obblighi da sostenere in un secondo momento. In questo modo si viene a creare un modello che combina variabili fisiche, come ad esempio la prossimità fisica, ad altre legate alla pura valutazione personale che un individuo ha dell’altro. Tuttavia, dopo la formulazione teorica, l’autore sperimenta questo modello empiricamente, riscontrando come la variabile legata al costo dell’informazione non sia rilevante quanto le altre nel processo di ricerca da parte degli individui del campione.
  • 6. Dopo aver analizzato una serie di studi riguardanti la struttura della rete sociale e le sue dinamiche nella creazione, passaggio e ricerca delle informazioni, ci concentreremo ora su alcuni scritti che hanno come oggetto principale d’analisi l’individuo e la sua posizione all’interno della rete stessa. Freeman (1977), come molti autori, concentra la sua attenzione in particolare sullo studio della centralità (centrality), che permette di comprendere il ruolo di un individuo all’interno di una rete in termini di influenza e potere. Egli sottolinea come il punto fondamentale di questa caratteristica sia il potenziale che ogni nodo assume nel flusso di informazioni all’interno di una rete; questo potenziale è tanto più alto, quanto un attore si trova in una posizione intermedia rispetto agli altri, potendone così facilitare, impedire o influenzare la trasmissione dei messaggi: la centralità fondamentale è quindi quella definita come betweenness centrality. Figura 3.4: Rete costituita da quattro soggetti Consideriamo, ad esempio, la rete rappresentata nella fig.3.4 (Freeman, 1977) e il rapporto fra i nodi P1 e P3: non vi è un legame diretto, ma la comunicazione tra loro viene mediata dai nodi P2 e P4; questi ultimi, possiedono un certo tipo di influenza, pur non controllando singolarmente il flusso di informazioni tra i restanti due. L’autore considera, in generale, che il potenziale di un punto Pk di controllare le informazioni tra due nodi Pi e Pj, possa essere definita come la probabilità che questo cada all’interno dei cammini più brevi che connettono i due nodi; definito gij questo insieme e gij(Pk) il sottoinsieme che contiene Pk, tale probabilità risulta essere:
  • 7. Tale misura viene poi estesa, trovando applicazione anche considerando il complesso di un’intera rete, attraverso una formula di tipo binario, ove il valore 1 viene assunto solo dal punto più centrale della rete stessa. Un individuo che possiede un alto grado di betweenness, inoltre, può essere il nodo chiave nella risoluzione di un problema, attraverso la mediazione che è in grado di fare. In questo caso, il grado di soddisfazione del singolo nodo, sarà tanto più elevato quanto più alto sarà il grado di centralità che egli possiede. Queste due voci risultano essere infatti altamente correlate, come si può osservare dalla fig.3.5 (Freeman, 1977), dove Cb(Pk) è un indice della betweenness totale di un punto nella rete. Figura 3.5: Correlazione fra betweenness e soddisfazione del singolo individuo Lo stesso Freeman (1979) evidenzia come il concetto di centralità possa essere declinato, oltre che nella misura basato sulla betweenness, anche attraverso altri due tipi di misurazione: la degree centrality e la closeness centrality. La prima è definita come il numero di nodi adiacenti ad uno stesso e con cui questo, quindi, ha un diretto contatto. Un individuo che in una rete possiede un’elevata degree centrality può essere visto dagli altri come un canale di informazione, un punto focale nella comunicazione, diventando il centro del flusso di messaggi all’interno della rete sociale. La seconda è invece relativa al numero di legami che una persona deve percorrere per essere in contatto con un altro nodo. L’individuo all’interno della rete con la più alta closeness centrality sarà dunque quello che riesce a raggiungere il resto dei nodi nel modo più breve. Anche questo tipo di misura è legato strettamente al concetto di controllo delle informazioni all’interno della rete, in quanto più alto è l’indice di closeness di un attore, tanto più alta sarà la sua capacità di evitare il
  • 8. controllo degli altri nodi sul flusso di informazioni che intende generare o ricevere. Esso è quindi indice dell’indipendenza di un nodo rispetto agli altri. Borgatti (2005), riprendendo tali misure, evidenzia come queste vadano adattate tenendo in considerazione il tipo di percorso che seguono le informazioni all’interno di una rete sociale, dipendendo strettamente dalle caratteristiche di quest’ultima. Il dettaglio più rilevante al fine della nostra analisi risulta però essere la classificazione dei tipi di trasmissione, per cui egli propone tre macro-categorie: duplicazione parallela (parallel duplication), duplicazione seriale (serial duplication) e trasferimento (transfer). Queste sono individuate tenendo conto sostanzialmente di due attributi: il tipo di diffusione diadica, se il trasferimento avviene attraverso la formazione di una copia oppure attraverso un movimento materiale, e il tipo di diffusione nel caso di replicazione, se in modo singolo o simultaneo. In questo modo l’autore fornisce una classificazione dettagliata delle reti sociali a seconda dei meccanismi di trasferimento all’interno di esse. Lo studio della centralità ha poi ispirato molti autori, che l’hanno utilizzata variamente per l’individuazione di ruoli specifici all’interno della rete. Nello specifico, viene largamente utilizzata come strumento per l’individuazione degli individui più influenti nella rete e delle loro caratteristiche più rilevanti. Wasserman (1994) a tale proposito collega il concetto di centralità a quello di rilevanza, considerando un attore rilevante (prominent) nel momento in cui i suoi legami lo rendono particolarmente visibile all’interno di una rete. Questa definizione, come abbiamo avuto modo di vedere, può essere ampiamente legata alle tre misure di centralità. Inoltre viene definito un attore come prestigioso (prestigious), quando egli è coinvolto all’interno di un ampio numero di legami, che si focalizzano sull’attore stesso come termine ricevente. Esfahanian, Scripps e Tan (2007) propongono una classificazione maggiormente dettagliata, individuando quattro tipologie di nodi, rispettivamente definite come Big Fish, Ambassadors, Loners e Bridges, a seconda delle caratteristiche delle relazioni possedute. I Big Fish saranno dunque gli individui con una grande importanza all’interno di una comunità, gli Ambassadors coloro che forniranno le connessioni fra un ampio numero di gruppi diversi, i Bridges avranno lo stesso ruolo, ma per un numero ristretto di comunità, ed infine i Loners saranno coloro che possiedono pochi legami sia all’interno del proprio gruppo che fra gruppi diversi. Questa classificazione è dunque frutto dell’interazione di due misure: quella basata sul concetto di centralità e quella che rileva l’appartenenza a diverse comunità (fig.3.6, Esfahanian, Scripps e Tan, 2007).
  • 9. Figura 3.6: Classificazione degli indivui basata su centralità e appartenenza a comunità In questa prima parte del capitolo abbiamo introdotto alcuni concetti chiave che saranno necessari per il proseguimento della trattazione. Ci appresteremo ora a presentare alcuni strumenti informatici che permettano di tradurre in pratica tali concetti teorici, con l’ausilio di rappresentazioni grafiche. Procederemo poi con l’applicazione pratica di tali nozioni nell’ambito di social network come Facebook e Twitter, proponendo un’integrazione con alcuni concetti molto noti del marketing. 1.3 I Software per la Social Network Analysis Dopo aver analizzato alcuni concetti teorici che la SNA mette a disposizione per l’analisi delle reti sociali, introdurremo ora una serie di applicativi, creati per l’elaborazione pratica delle definizioni appena viste. Per fare questo, ci baseremo principalmente sugli scritti di Freeman (2000) e di Huisman e van Duijn (2003). Alcuni di questi software sono stati ideati esclusivamente per la visualizzazione delle reti e mantengono tale profilo, mentre altri sono stati aggiornati con l’inserimento di strumenti di analisi (ad esempio NetDraw), a differenza di quelli che sono stati concepiti sin dall’inizio per l’integrazione delle due funzioni (ad esempio NetMiner). Tuttavia, volendo fornirne una classificazione, tre sono le voci chiave che devono essere tenute in considerazione:
  • 10. Il tipo di dati che il programma può gestire, che dipendono dal tipo di rete che si vuole approcciare, dal genere di input di cui l’applicativo ha bisogno (sotto forma di matrice, o di nodi e legami) e dalla possibilità o meno di segnalare valori mancanti in alcune relazioni. • La possibilità o meno di opzioni di visualizzazione. • Il tipo di analisi che il programma può condurre sulla rete. • L’utilizzo che si può fare del programma, ovvero se sia esso a scopo commerciale o meno. Questi programmi, tra cui vogliamo ricordare anche UCINET e Pajek, sono in grado di studiare vari aspetti delle reti, alcuni indagando reti anche molto estese, altri concentrandosi nell’analisi dei sottogruppi. Nello specifico, essi sono in grado di individuare la presenza di gruppi omogenei al loro interno, utilizzando come parametro lo studio dei diversi tipi di centralità anche applicato al gruppo stesso, per individuare qual è il più influente all’interno dell’intera rete. Altri strumenti molto interessanti riguardano lo studio della structural equivalence, che viene definita da Wasserman (1994) come la somiglianza di due nodi nella misura in cui essi possiedono legami equivalenti. Gli applicativi sono in grado di analizzare le connessioni possedute dai differenti nodi ed analizzarne al fine di evidenziare questa somiglianza, che può arrivare a individuare due soggetti con in comune non solo i legami, ma pure le attitudini, i comportamenti e le preferenze. Le esplorazioni di tipo visivo che questi strumenti mettono a disposizione, create grazie all’applicazione di diversi algoritmi, possono permettere inoltre di riconoscere i percorsi che un’informazione o una comunicazione compiono all’interno di una struttura sociale, evidenziando i nodi cruciali per la loro diffusione attraverso l’integrazione di tecniche visive con misure dettagliate.
  • 11. Figura 3.7: Elaborazione grafica ottenuta attraverso l’utilizzo di NetMiner II Tali programmi, per lavorare al massimo delle proprie possibilità, devono essere però in grado di dialogare con grandi banche dati, che mettano loro a disposizione gli input necessari ad un’analisi completa della struttura sociale che si vuole approcciare. Per tale motivo, la SNA viene sempre più frequentemente associata al CRM. Il vantaggio di questa convergenza nasce dall’esistenza di ricche banche dati statiche costruite nel tempo dalle varie applicazioni CRM. Microsoft (2009) evidenzia come gli strumenti SNA possano rendere queste informazioni dinamiche e ricche di conoscenza sulla topologia della rete presa in esame, sul tipo di contatti e il livello di fiducia che esiste tra persone tra di loro collegate, consentendo anche di migliorare la capacità di previsione e di favorire il marketing virale e il passaparola. 1.4 L’applicazione dei concetti Sino ad ora abbiamo potuto introdurre il concetto di Social Network Analysis, illustrare alcuni degli aspetti di cui essa permette l’investigazione ed effettuare una breve parentesi riguardante i software che sono al servizio di tale tipo di ricerca. Ora passeremo alla fase applicativa del problema che si vuole risolvere, ovvero individueremo in che modo si possono sfruttare i concetti messi a disposizione dalla SNA per una strategia di marketing efficace all’interno dei social network.
  • 12. Per prima cosa, tuttavia, bisogna fare un passo indietro per poter osservare l’evoluzione della figura consumatore in questi ultimi anni: l’individuo oggi non può essere più considerato all’interno di un segmento definito, comprendente delle caratteristiche statiche che individuano il comportamento dei membri al suo interno; egli viene oggi costantemente influenzato dalle sue conoscenze, dalle sue relazioni interpersonali e dalle informazioni con cui viene in contatto ogni giorno. Il social network, sotto forma di Facebook, Twitter e altri, non ha fatto altro che accelerare questo meccanismo, portando gli studiosi di marketing a definire il concetto di marketing tribale, secondo cui concetti come “segmenti di consumatori”, “nicchie di mercato” e “lifestyle” sono concetti superati, che cedono il passo a gruppi di persone che condividono esperienze, emozioni e che sono legati fra loro anche attraverso comunità differenti (Cova, 1999). Utilizzando lo strumento dei social network, queste “tribù”, altrimenti difficilmente localizzabili, possono essere individuate, sfruttando alcuni fra i concetti che abbiamo visto nella prima parte del capitolo. Attraverso l’analisi della struttura sociale formata da una rete di amicizie online, ad esempio, si possono individuare quali sono gli individui più attivi e quelli che tendono a trovarsi nelle posizioni più adatte per sfruttare i meccanismi descritti dal marketing tribale. Osserviamo ad esempio la fig.3.8 (Cova, 1999), che descrive i ruoli che un individuo può assumere in una “tribù”. Figura 3.8: Classificazione dei ruoli che un individuo può assumere in una tribù I “membri” sono quelli che aderiscono ad istituzioni, i “partecipanti” quelli che aderiscono a riunioni di tipo informale, i “praticanti” quelli che sono coinvolti quasi giornalmente nell’attività del proprio gruppo, mentre i “simpatizzanti” sono gli individui che seguono le mode e i trend e che
  • 13. sono integrati nella “tribù” a livello marginale (Cova, 2002). Questa stessa divisione dei ruoli è facilmente individuabile, ad esempio, in Facebook: i membri di una comunità (ad esempio i dipendenti di una compagnia, gli studenti di un’università o gli affiliati ad un’associazione) sono facilmente individuabili direttamente dalla pagina contenente le informazioni del contatto; i partecipanti sono coloro che accettano l’invito a presenziare ad un evento; i praticanti sono persone che aderiscono a gruppi particolarmente attivi in termini di discussioni; infine i simpatizzanti, forse gli individui più interessanti per la nostra analisi, sono coloro che pur avendo una larga rete di conoscenze, tendono a non partecipare attivamente alle attività “di massa”, ma cercano di emergere, ricercando sempre qualcosa di nuovo. Incrociando questi ruoli con la ricerca di Raghuram, Sangman e Sunil (2009), possiamo notare come sia quest’ultima categoria di individui all’interno della “tribù” quella che ne influenza le scelte. Nel loro studio, gli autori individuano tre tipi di utenti all’interno di una rete, a seconda del numero di relazioni che stringono e degli effetti che queste ultime hanno su di loro: • Utenti low status (48%): non stringono molte “amicizie” con gli altri individui della rete e la condotta di questi ultimi non sembra poter influenzare il loro comportamento d’acquisto. • Utenti middle status (40%): sono utenti con una rete di “amici” di medie dimensioni. Questi sono quelli caratterizzati dall’effetto “keeping up with the Joneses”: il loro status sociale li rende molto influenzabili dal comportamento dei loro simili o superiori. Tale situazione li spinge a osservare i loro pari e a essere influenzati da questi nel momento in cui effettuano degli acquisti, in una misura che si attesta intorno al 5%. • Utenti high status (12%): questi sono i membri con una rete sociale più altamente connessa in termini di “amici”. Tuttavia, l’effetto che il comportamento degli altri utenti sembra avere sui loro acquisti appare negativo. Ciò è determinato dal fatto che questi individui si possono classificare come opinion leader, o precursori, i quali sono solitamente i primi ad esplorare le innovazioni, come accade ad esempio nell’industria della moda. Gli individui che li circondano tendono ad imitare il loro comportamento d’acquisto, ma questo fa sì che gli high status ricerchino nuovi modi per differenziarsi. Questo tipo di utenti risulta essere la chiave per influenzare una parte del resto della rete, mentre al contempo la rete dei contatti influenza questi in maniera negativa, diminuendone gli acquisti del 14%. Richiamando ora uno dei concetti della SNA, possiamo osservare come questo tipo di utenti sia facilmente accostabile al concetto di structural hole e di brokerage. In particolare, possiamo affermare come questi individui siano presumibilmente quelli che, pur facendo parte di una ben
  • 14. determinata comunità, possiedono anche legami con comunità diverse. Lo studio delle reti permette di individuare questi buchi strutturali e, attraverso le tecniche di visualizzazione, di comprendere quali siano gli attori in gioco che possono sfruttarlo nel modo più opportuno. Questi attori possono essere anche accostati al concetto meno recente di local bridge proposto da Granovetter (1973 e 1983), secondo cui il legame (debole) tra due nodi appartenenti a due gruppi diversi formati da legami forti permetta a questi due nodi l’accesso ad informazioni che vanno al di là del proprio gruppo di appartenenza. Questi concetti sono alcuni di quelli che possono esser sfruttati attraverso l’utilizzo della SNA come strumento di marketing all’interno di un social network. L’individuazione di soggetti che possiedono legami con più gruppi, che si trovano in posizioni di intermediazione, può essere la prima delle fasi attraverso cui entrare in contatto con un gruppo. Richiamando il primo esempio dell’introduzione, in cui parlavamo di un gruppo legato al running, si può ipotizzare la presenza di un gruppo su Facebook di runner locali. Mettendolo a confronto con altri gruppi di runner di altre località e incrociando i dati, può essere possibile individuare quei membri che possiedono connessioni con più gruppi. Questi sono quelli che, come abbiamo visto, tendono maggiormente ad entrare in contatto per primi con le novità. Richiamando ora il lavoro di Borgatti (2003), possiamo ricordare come una delle variabili prese in considerazione dall’individuo i nel momento in cui decide di rivolgersi all’individuo j per la richiesta di un’informazione sia il grado di competenza in materia che i attribuisce a j. In questo caso, la posizione di j ne identifica la possibilità stessa di venire a contatto con informazioni con cui i, soggetto strettamente localizzato all’interno del gruppo, non può accedere. Un’interazione dell’azienda con il soggetto j diverrebbe in questo modo strategicamente rilevante, nella misura in cui questa gli permette non solo di accedere ad individui che beneficiano della loro posizione in termini di reputazione, ma pure di agire su più comunità attraverso l’utilizzo di un solo contatto. Tuttavia, questi non sono i soli soggetti di interesse per la nostra analisi. Infatti, richiamando i concetti proposti da Freeman (1977 e 1979), possiamo osservare come anche il concetto di centrality, comunque declinata, possa ritornare utile in una situazione come quella vista poc’anzi, ovvero nel momento in cui si volesse sfruttare la possibilità di comunicare ad un singolo soggetto per raggiungere anche quelli che attraverso i vari legami formano la rete sociale di questo. In particolare, l’individuazione all’interno di una rete sociale di individui con un’elevata degree centrality potrebbe essere utilizzata nei termini in cui questi vengono visti come punti di riferimento dal resto dei membri. L’insieme dei suoi legami lo renderebbero particolarmente visibile all’interno della rete, richiamando la nozione di attore rilevante (prominent) proposta da Wasserman (1994).
  • 15. Questi godrebbero di una posizione di influenza simile a quella accostata agli individui posizionati nelle vicinanze di structural holes, ma concettualmente differente. L’individuazione di soggetti influenti all’interno di una rete è una delle ricerche più interessanti nell’ambito del cosiddetto marketing 2.0. Come riporta Green (2008), Google ad esempio sarebbe già in possesso del brevetto di una tecnologia in grado di classificare gli utenti di siti come Facebook o MySpace a seconda del loro grado di influenza sulla rete. Basandosi sullo stesso principio di PageRank, il sistema che classifica le pagine web in ordine di importanza attraverso l’analisi della rete di collegamenti ad essa, Google sarà in grado di analizzare la rete che circonda un utente e l’attenzione che egli riceve da parte degli altri navigatori. In particolare, attraverso questo tipo di strumento si potrà tracciare il profilo dell’attenzione generata da un utente basandosi su: • Percentuale degli “amici” registrati dei quali ha catturato l’attenzione, in termini di click sui contenuti da lui condivisi. • Numero di persone con cui interagisce regolarmente. • Numero di contenuti condivisi dall’utente che gli individui della sua rete hanno poi condiviso con altri. • Grado di comprensione del contenuto da parte degli utenti che inoltrano a loro volta il materiale recepito da un primo utente. • Soddisfazione o insoddisfazione nei confronti del contenuto che sta condividendo. L’elemento principale che bisogna considerare quando ci si appresta a comunicare all’interno di un social network, è tuttavia sempre quello di ricordare che si ha a che fare con una tipologia di consumatore integrato nei vari flussi di informazioni che la rete offre. Per questo motivo il marketing legato ai social network rappresenta uno strumento con un potenziale tanto positivo quanto negativo. Un errore nella comunicazione, nell’approccio al consumatore, può essere in un attimo di dominio della rete e costituire una debolezza che la stessa è in grado di ingigantire. Cova (2002) in questo senso ricorda come la prima mossa di un’azienda nell’approcciarsi con una “tribù” deve essere di tipo non commerciale, ma mirata alla creazione di un legame di ancoraggio con la stessa. Solo in questo modo l’azienda sarà in grado di passare al secondo livello di comunicazione, ovvero quello legato strettamente al mercato, in cui il legame creato nel primo step avrà un ruolo determinante nella diffusione del messaggio. Questa sorta di partnership che si sarà venuta a creare permetterà di influenzare un numero sempre maggiore di persone, grazie alla diffusione del messaggio generata dai membri della tribù stessa (fig.3.9, Cova, 2002).
  • 16. Figura 3.9: Utilità dello sforzo compiuto per raggiungere una tribù 1.5 Il monitoraggio Abbiamo esplorato le modalità attraverso cui un’azienda può fare uso degli strumenti messi a disposizione dalla SNA per individuare i membri più influenti in una rete sociale, quelli che si trovano in posizioni vantaggiose come possono essere le structural holes o posizioni dominanti individuate attraverso le varie declinazioni della centralità e in che modo si può sfruttare quello che viene definito come marketing tribale. Tuttavia, bisogna prestare particolare attenzione alle modalità attraverso cui la comunicazione si espande all’interno della rete sociale, focalizzandosi sul passaggio dell’informazione ai soggetti con cui l’azienda può interagire in modo, per poi distribuirsi all’interno della loro rete di contatti. Il processo di espansione del messaggio all’interno di un social network, può essere accostato al tipo di diffusione delle informazioni che nel campo del marketing viene definito come word-of- mouth. Esso è un tipo di diffusione delle informazioni tipico delle comunità di persone, nelle quali i canali tradizionali per la comunicazione delle aziende, come televisione, carta stampata o radio, perdono efficacia nei confronti del passaparola, visto come scambio interpersonale, tra soggetti prossimi (Broderick, Brown, Lee, 2007). In questo caso, quindi, la maggior fonte di informazioni di un individuo è il parere dell’amico, del parente o del conoscente circa un determinato argomento o prodotto. Tale fonte di informazione, assume poi maggior significato quanto più è forte o intensa la relazione che intercorre tra colui che
  • 17. la ricerca e colui che la elargisce. Questo poiché, come evidenziato da Brown e Reigen (1987), la forza dei legami altro non riflette il principio di omofilia, secondo cui gli individui che si assomigliano in termini di preferenze, legami e conoscenze tendono a costruire tra loro legami di forte intensità. È evidente, d’altro canto, come il concetto di word-of-mouth sia in questo senso molto legato a quanto visto nella prima parte del capitolo circa la SNA: Granovetter (1973 e 1983) parla infatti già di forza dei legami e di come questa potesse influenzare la composizione della struttura sociale, mentre Borgatti (2003) sottolinea come la ricerca di informazioni all’interno di una rete sociale da parte di un individuo venga influenzato da variabili come la prossimità, la conoscenza delle altre persone e il costo futuro di tale ricerca. Tuttavia, pur avendo evidenziato un legame così palese tra le due materie, è necessario sottolineare come il canale del WOM, a differenza di quelli tradizionali di comunicazione, sia difficilmente misurabili ex post in termini di efficacia raggiunta. In particolare, applicando tale meccanismo ai social network di internet, tale misurazione risulta doppiamente più complicata: la comunicazione che si espande dai nodi direttamente contattati dall’azienda verso i nodi che rappresentano le loro conoscenze, si potrebbe a sua volta replicare, non solo sulla rete, ma anche offline. Non necessariamente si sarebbe in grado, dunque, di cogliere tutti gli aspetti della diffusione che l’informazione ha avuto, poiché non vi è evidenza della corrispondenza totale della rete di amicizie di un individuo su un social network come Facebook con quella da lui stesso posseduta nella vita reale. La necessità è dunque quella di concepire un meccanismo e degli strumenti adatti alla misurazione dell’efficacia ottenuta attraverso la diffusione di un messaggio che ha come intento quello di sfruttare la diffusione all’interno della rete sociale. Osservando il caso specifico di Facebook e Twitter, l’unico modo per poter avere una supervisione diretta sulla diffusione dell’informazione, è quello di invitare ogni individuo contattato a tornare sulla pagina dell’azienda per postare commenti, caricare materiali, scaricarli e quindi interagire col brand. Sfruttando una pagina ufficiale, come ad esempio quelle certificate di Twitter o le “fan page” messe a disposizione dal libro faccia, si potrebbe misurare senza ulteriori sforzi il numero di membri del social network investiti dal messaggio lanciato attraverso gli individui più influenti localizzati all’interno dei vari gruppi. Utilizzando questi strumenti si arriverebbe ad interagire direttamente con soggetti portati sulla pagina dell’azienda sfruttando i meccanismi della rete. Come ricorda Sernovitz (2006), le persone stanno già parlando. L’unica opzione a disposizione di un’azienda è quella di partecipare alla conversazione. La possibilità di parlare direttamente con il
  • 18. consumatore, di ascoltarlo e di raccogliere tutti i suoi pareri e impressioni, positive o negative che siano, è un plus molto importante messo a disposizione dalla tecnologia dei social network. L’ultimo che resta da sottolineare, riguarda nello specifico la capacità che un’azienda avrebbe nell’ascoltare attraverso questi strumenti quello che le viene comunicato dal consumatore stesso. L’azienda, come abbiamo già visto sia nel primo che nel secondo capitolo, è oggi soggetta ad un alto processo di gerarchizzazione, che lascia alle varie country relativamente poca libertà. Un processo di dialogo costante con le persone che vogliono parlare del brand, tuttavia, richiederebbe molta disponibilità e soprattutto la capacità di declinare radicalmente il tipo di comunicazione a seconda delle esigenze che le vengono presentate. Portare, ad esempio, tutti i contatti sviluppati attraverso la rete sociale verso un’unica pagina globale, creerebbe molta difficoltà soprattutto in quelle regioni, come l’Italia o la Spagna, in cui il consumatore stesso può, attraverso pareri e opinioni, suggerire novità per il brand stesso. In questo senso, richiamando il lavoro di Bartlett e Goshal (1989), il suggerimento potrebbe essere quello di passare da una configurazione attualmente marcatamente globale, dove è la divisione Global che comunica e riceve i feedback sulla comunicazione, ad un’impresa di tipo transnazionale, in cui in alcune sezioni della comunicazione si viene meno a questa struttura rigida per permettere di sfruttare in modo più efficace il dialogo con il consumatore. Nello specifico, una pagina gestita in proprio dall’azienda come portale dove atterrare a seguito della comunicazione espressa sfruttando il canale del WOM, permetterebbe di svolgere un’azione più ampia e articolata nei confronti del customer locale, potendo comunicare miratamente direttamente con lui e interagendo evitando la mediazione di una struttura globale nella quale si perderebbero i benefici dell’azione intrapresa. 1.6 Conclusioni In questo capitolo abbiamo avuto modo di esplorare la Social Network Analysis, attraverso lo studio di alcuni suoi concetti teorici e la loro applicazione nella pratica. Si è potuto notare come la comunicazione tra individui che utilizzino piattaforme come Facebook o Twitter, sia chiaramente accomunabile con gli studi in materia di word-of-mouth e marketing tribale. Questa trattazione, pur non essendo esaustiva sull’argomento, ha messo in luce come l’utilizzo di questa tecnica, opportunamente integrata con basi quali il CRM, possa permettere ad un’azienda non solo una conoscenza più approfondita delle dinamiche della rete sociale, ma si riveli anche un potenziale strumento di marketing. In questo senso, lo sviluppo di un progetto che integrasse i database già in possesso con i concetti visti sino a qui, permetterebbe un dialogo più intenso e articolato con il consumatore, consentendo la
  • 19. realizzazione di campagne mirate e iniziative ad hoc, oltre che generare delle evidenti economie nel processo di comunicazione, che richiederebbe sforzi meno ingenti da parte dell’azienda.
  • 20. BIBLIOGRAFIA Bartlett, C.A., Goshal, S. , 1989. Managing across borders: the Transnational solution. 1a Edizione. Boston: Harvard Business School Press. Borgatti, S.P., Cross, R., 2003. A Relational View of Information Seeking and Learning in Social Networks. Management Science, 49(4), 432-445. Borgatti, S.P., 2005. Centrality and network flow. Social Networks 27, 55-71. Broderick, A.J., Brown, J.J., Lee, N., 2007. Word of Mouth communication within online communities: conceptualizing the online social network. Journal of interactive marketing., 21 (3). 2- 20. Brown, J.J., Reingen, P.H., 1987. Social Ties and Word-of Mouth Referral Behaviour. Journal of Consumer Research. 14, 350-362 Burt, R.S., 2004. Structural Holes and Good Ideas. American Journal of Sociology, 110(2), 349-399. Cova, B., 1999. Tribal marketing: a latin deconstruction of a northern construction. First International conference on critical management studies, UMIST, July. Cova, B., 2002. Tribal marketing: the tribalisation of society and its impact on the conduct of marketing. European Journal of Marketing 2002, 36 (5/6), 595-620. Esfahanian, A.H., Scripps, J., Tan, P.N., 2007. Node Roles and Community Structure in Networks [online]. In Proceedings of the 9th WebKDD and 1st SNA-KDD 2007 Workshop on Web Mining and Social Network Analysis (San Jose, California, August 12 - 12, 2007). WebKDD/SNA-KDD'07. ACM, New York, NY, 26-35. Disponibile su <http://doi.acm.org/10.1145/1348549.1348553>. [Data di accesso: 09/09/09] Freeman, L.C., 1977. A Set of Measures of Centrality Based on Betweenness. Sociometry, 40(1), 35- 41. Freeman, L.C., 1979. Centrality in networks: I. Conceptual clarification. Social Networks, 1, 215- 239.
  • 21. Freeman, L. C. 2000. Visualizing Social Networks [online]. Journal of Social Structure 1 (1). Disponibile su <http://www.cmu.edu/joss/content/articles/volume1/Freeman.html>. [Data di accesso: 14/09/09] Freeman, L., 2008. What is Social Network Analysis [online]. International Network for Social Network Analysis [online], 8 febbraio. Disponibile su <http://www.insna.org/sna/what.html>. [Data di accesso: 10/09/09] Granovetter, M.S., 1973. The Strength of Weak Ties. American Journal of Sociology, 78, 1360-1380. Granovetter, M.S., 1983. The Strength of Weak Ties: A network theory revisited. Sociological Theory, 1, 201-233. Green, H., 2008. Making Social Networks Profitable. Business Week [online], 25 settembre. Disponibile su <www.businessweek.com>. [Data di acceso: 25/8/2009] Huisman, M., Van Duijn, M.A.J., 2003. Software for Social Network Analysis. Connections, 25(1), 7- 26. Microsoft Dynamics CRM, 2009. CRM and Social Networing: Engaging the Social Customer [online]. Disponibile su <crm.dynamics.com>. [Data di Accesso: 29/8/2009] Raghuram, I., Sangman, H., Sunil, G., 2009. Do Friends Influence Purchases in a Social Network? [online]. Harvard Business School Marketing Unit Working Paper No. 09-123. Disponibile su <http://ssrn.com/abstract=1392172>. [Data di accesso: 29/8/2009] Sernovitz, A., 2006. Word-of-Mouth Marketing. 1a Edizione. New York: Kaplan Publishing. 1-60 Wasserman, S., Faust, K., 1994. Social Network Analysis. Methods and applications. 1a Edizione. Cambridge: Cambridge University Press.