BIG&SMALL DATA: COME UTILIZZARLI AL MEGLIO?

A che cosa servono veramente i Big e gli Small Data? Quanto sono utili a conoscere il sentiment della popolazione verso prodotti, marche, imprese? Quali sono i vantaggi, i limiti, e come superarli? E in che modo utilizzare gli uni, e gli altri, al meglio?

Il Seminario Big&Small data, tenuto il 22 Marzo a Milano, ha voluto dare una risposta a questi interrogativi. Hanno presentato: Laura Cantoni, esperta in tutte le metodologie delle ricerche di marketing, dato il lungo training nei vari istituti di ricerca nazionali e internazionali - ora indipendente nella sua società Astarea - e Gianmarco Stefanini ricercatore di marketing guadagnato da dieci anni alla ricerca sul web, di cui è uno dei più attrezzati analisti in Italia - e fondatore di Web Research, specializzata in analisi sui Social, Blog e Forum. Moderatore del seminario: Pasquale Diaferia, creativo, che ha spiegato l'importanza che oggi assumono sia i Big sia gli Small data per i processi ideativi nella comunicazione.

Una Premessa

Da quanto sappiamo, nonostante l'uso dei Big Data (le informazioni che si reperiscono in maniera massiva dal Web) si stia diffondendo, non è ancora molto chiaro di che cosa si stia parlando. Abbastanza più sviluppata, la conoscenza degli Small Data, cioè delle tradizionali ricerche di mercato.
Perché parlarne nello stesso contesto? Perché a volte si pensa che acquisire una massa ingente di informazione dalla Rete possa esaurire le esigenze conoscitive di un'impresa soprattutto su alcuni argomenti (la Reputation, ad esempio).
D'altra parte, si è convinti che le ricerche di marketing, nelle loro diverse modalità, riescano a soddisfare i maggiori interrogativi che si pongono al marketing dell'Impresa.

Che Cosa sono

Oggi con Big Data si indicano le tecnologie di produzione e le metodologie di gestione e analisi di un volume ingente di dati: si individua l'oggetto da indagare, si definisce il perimetro della ricerca, quindi "si solleva il coperchio e si scopre cosa c'è nella pentola".
Per questo, si è capovolto il concetto storico e classico di ricerca. Non si procede più ex ante ma ex post. Non c'è più interazione tra intervistatore, moderatore, questionario e intervistato. Non si definisce più a priori un questionario preciso ed un campione rappresentativo da intervistare o testare.

Per Small Data intendiamo le ricerche di mercato in senso lato. La caratteristica delle ricerche di mercato è che lavorano su esigenze specifiche (che siano problemi o opportunitè), a fronte delle quali si pongono obiettivi specifici: tutto il processo della ricerca di mercato deve essere guidato da queste specificità, e quindi lavora in un campo di analisi circoscritto.

Normalmente le ricerche di mercato devono definire le loro prassi ex ante, cioè prima di acquisire i contenuti: dal campione, al questionario, al tipo di interazione da istaurare con gli interlocutori (consumatori, cittadini, opinion leader, trade, etc...).Sembra una cosa ovvia, ma sappiamo che nel caso dei Big Data il caso è esattamente contrario.

Che cosa si studia

Oggetto di studio per i Big Data sono i "pareri", i giudizi, e le opinioni che si intercettano in Internet, e questi pareri vengono assunti nella loro èoggettività": cioè non si prevede, negli studi di Web research, di interpretarli o di delinearne driver o motivazioni.
Invece gli Small Data studiano "soggetti", alias consumatori od altri, nella loro complessità: non solo per quello che dichiarano, ma anche per gli atteggiamenti che esprimono, i bisogni, le dinamiche psicologiche che determinano gli atti di consumo.

Le tecniche

Una ricerca di Big Data si appoggia ad un (solo) apparato di analisi, che si svolge in genere in tre fasi. Prima Fase: organizzativa - si rilevano i pareri sul Web, scegliendo le lingue, determinando il periodo temporale in cui sono scritti i testi che si vogliono organizzare e selezionando le fonti Internet. La Seconda fase: prevalentemente quantitativa. I pareri intercettati, riguardanti l'oggetto della ricerca, vengono ripartiti per anno, mese, giorno ed ora, anche minuti, e si misura la talkability per provenienza rispetto agli ambienti web. Nella Terza fase: quali-quantitativa/sentiment analysis, si analizza "che cosa" viene scritto e "come" viene scritto. ovvero si attribuisce una personalità ai testi grazie all'analisi psicometrica.

Le ricerche che raccolgono Small Data utilizzano invece, più che un'unica tecnica basata su più fasi, un sistema articolato di metodi diversi che vengono attivati in relazione agli obbiettivi che si intendono raggiungere.
In sintesi. Il Dialogo: è il paradigma della tradizionale intervista, che la convenzione vuole distinguere a seconda che l'intervento sia di tipo qualitativo o quantitativo. In entrambi i casi: chiedo ai mie soggetti/target quello che mi interessa sapere per risolvere un problema o per cogliere una opportunità. L'Osservazione: guardo e scopro. Non si dialoga (o solo in parte) con il nostro soggetto/interlocutore, ma lo si osserva mentre attiva i comportamenti che ci interessano. L'Analisi: studio testi e intercetto significati, come la market analysis o gli studi semiotici. Gli Studi etno-antropologici riguardano il lavoro sulle tendenze, che notoriamente non può essere svolto partendo dalle dichiarazione dei miei target attuali, ma intercettando segnali deboli che diventeranno mainstream domani.

Vantaggi e limiti dei Big Data

I Vantaggi. La Quantità: viene raccolto un numero enorme di pareri, opinioni, giudizi. Si tratta di centinaia di migliaia fino arrivare ai milioni di unità. Una dimensione quasi impensabile per qualsiasi ricerca basata sulla interazione discorsiva, ma anche sulla osservazione - per lo meno nella normalità dei casi.
La Real-life: i pareri sono espressioni live, totalmente spontanei, perché il discorso non è, o poco, mediato dal contesto. La scrittura su internet è una scrittura "in solitario" dove ciascuno si sente libero di esprimersi, a volte complice l'anonimato. La Temporalità: la raccolta dei pareri riguardo al presente. e anche il momento istantaneo. Tuttavia posso anche guardare indietro nel tempo, e costruire un trend, da allora ad ora.

I Limiti. L'autoselezione: i pareri sono scritti da chi naviga su Internet, quindi da una parte specifica della popolazione che esprime sé stessa: non rappresenta un universo (neanche quello degli internauti, perchè non tutti interagiscono sui social).
Dentro il parere: si rilevano fenomeni macroscopici, ma non posso necessariamente intercettare altri elementi rilevanti, che non vengono spontaneamente dichiarati ma potrebbero emergere solo su sollecitazione, cioè con una interazione guidata. L'esposizione mediatica: il mio oggetto di analisi deve essere mediaticamente esposto, non può essere un qualsiasi oggetto. Con i Big Data non posso analizzare un oggetto senza presenza digital.

Vantaggi e limiti degli Small Data

I Vantaggi. La Rappresentatività: mi rivolgo a (relativamente) poche persone, che possono essere centinaia o migliaia, ma che costituiscono un campione, rappresentando un universo di soggetti molto più ampio. E inoltre parlo con chi veramente mi interessa, cioè i soggetti a cui penso di rivolgere la mia offerta. Non "sparo" nel mucchio, ma miro ai potenziali, in una logica di efficacia e di efficienza.
Oltre il discorso: non mi interesso solo di quanto le persone dichiarano, ma comprendo anche le loro motivazioni, e le logiche che guidano le dichiarazioni. Non è soltanto comprendere il "perché", ma gli schemi mentali e psicologici che sottendono determinate scelte.
Dopo l'oggi, il futuro: guardo quello che succede oggi, ma sovente il mio focus è costruire per il domani, lavorare sull'innovazione. Gli Small Data lavorano con tecniche e strumenti ad hoc che creare nuove direzioni di sviluppo per posizionamenti, prodotti e servizi.

I Limiti. Il volume dei dati: si ricava uno spettro di opinioni comunque limitata dagli obiettivi che mi pongo, e che perimetrano le tematiche sui cui lavorare. Non è detto che temi interessanti possano emergere indipendentemente da quelli che vengono posti/richiesti.
Il laboratorio: il contesto in cui si rilevano i dati (ci riferiamo soprattutto al dialogo/intervista) è più simile ad un contesto di studio che ad un contesto naturale per gli intervistati. Anche se ormai la popolazione è abituata a questi strumenti di indagine, inevitabilmente (per lo meno in alcuni casi) si rischia di perdere la spontaneità che garantiscono situazioni più informali.
La temporalità: si lavora sul presente (e anche sul futuro). Ma il passato non è ricostruibile, a meno che si sia sempre lavorato in modalità di serie storica, quindi se non è monitorato nel corso del tempo.

Che fare?

Per superare i limiti delle due metodologie, la parola chiave è: l'integrazione, cioè usare consapevolmente o l'una o l'altra in funzione di quanto possono offrire, e degli obiettivi specifici, sapendo in anticipo quando i limiti dell'una rischiano di generare derive rischiose per l'efficacia e il valore operativo delle informazioni raccolte, e quindi adottare i metodi garantiti dall'altra

Come gli Small Data possono venire in aiuto ai limiti dei Big Data? Con analisi su specifici target silenti, cioè assenti o poco rappresentati in Rete; con lo studio degli elementi non scritti (quindi non detti) in rete, come le logiche, le, motivazioni, i driver che guidano atteggiamenti e comportamenti, con indagini soggetti/oggetti che interessano, ma a bassa esposizione mediatica.

Come invece i Big Data possono venire in aiuto ai limiti degli Small Data? Pesando nel web i numeri più limitati degli Small Data, andando a ritroso per catturare i pareri in tempi precedenti, lanciando degli stimoli in rete per verificare le reazioni nella massima immediatezza.