2. Cos’è il monitoraggio Peer To Peer Premesse e contesto attuale Quotidianamente veniamo a contatto con opinioni e dibattiti via web su argomenti di attualità, eventi e quant’altro può risvegliare l’interesse e l’attenzione del pubblico, che esprime il proprio gradimento o disapprovazione tramite le pagine dei blog e dei forum. Si tratta del cosiddetto web informale, e sempre più aziende si stanno rendendo conto dell’importanza di monitorarlo (come rivela uno studio ,"Risky Business : Reputations Online“, dell'agenzia internazionale di PR Weber Shandwick). Più difficile è invece monitorare l’oggettivo gradimento del pubblico rispetto ad un determinato artista, un genere musicale, un regista, un evento, uno spot pubblicitario, ai fini di una logica predittiva nei confronti dei trend di mercato, delle vendite future, o semplicemente per saggiare l’effettivo apprezzamento del popolo della rete. Molto spesso il divario tra veridicità/opinione all’interno di blog e forum non permette di raggiungere dati realistici oggettivi quantitativi, ma raggiunge dati emozionali qualitativi, il cui peso è assolutamente gravoso e reale per quanto riguarda il Personal Branding dell’azienda , e in generale la reputazione online, ma diminuisce in un contesto che richiede dati statistici oggettivi, al di là delle opinioni. 2
3. Cos’è il monitoraggio Peer To Peer Obiettivi Reputation Manager raggiunge in questo momento un ulteriore obiettivo, grazie al suo modulo d’analisi delle piattaforme Peer to Peer. Quale miglior unità di misura, per queste analisi statistiche, della quantità di “fonti”(= pc) che condividono un determinato file, sia esso un file .mp3, un video, uno spot pubblicitario, la registrazione live di un evento, un film o quant’altro “scaricabile” dalla rete? A differenza delle comuni analisi dei trend di gradimento e di mercato compiute sulla base delle attuali vendite di un disco o di un film, questa ha il vantaggio di non essere influenzata da fattori esterni di pricing o di reperibilità del prodotto, che potrebbero “inquinare” il puro dato di gradimento. L’analisi viene compiuta utilizzando l’interfaccia di uno dei più diffusi programmi di file sharing. Nel momento in cui l’analizzatore schedula il nuovo processo, produce dei risultati (numero di fonti per ogni prodotto condiviso) che serviranno per la composizione del report finale. I dati statistici si basano sulle fonti dati (pc) che condividono il prodotto ricercato. Questi dati verranno rielaborati in funzione del tempo in cui verrà eseguita l’analisi : come per l’analisi reputazionale, verrà stabilito un periodo di studio in cui i dati verranno raccolti e rielaborati. 3
4. Metodologia_ Step by step L’esempio che segue dimostra come questa analisi può rispondere a determinate esigenze e domande legate ai trend di mercato e di gradimento del pubblico rispetto alla fruizione di e-book 4
5. Esempio: E-book Primo step_ Definizione modello e periodo d’analisi: In questo caso abbiamo voluto monitorare lo sharing di e-book sulla rete E-mule per “generi”, considerando oggetti e fonti in italiano e in inglese. La definizione del modello viene fatta in relazione al dato che vogliamo raggiungere. La domanda iniziale è: -quali generi di e-book sono più richiesti e condivisi dagli utenti? Il modello è pertanto configurato per restituirci il numero di fonti che condivide file .doc, .pdf, .rar, .zip L’analisi è stata avviata in più momenti, in giorni differenti , coinvolgendo sia la fascia notturna/serale che quella diurna, per avere un dato che proponesse una “media” delle fonti totali, che fosse quindi più aderente possibile alle diverse fasce temporali. 5
6. Esempio : E-book Secondo step_ Impostazione modello e avvio analisi: Viene avviata l’analisi ponendo l’attenzione su una ricerca globale, su tutti i canali che la piattaforma propone. Specifiche aggiuntive: -tipologia file: .doc, .pdf, .zip, .rar Terzo step_ Estrazione dati: L’analizzatore interroga la piattaforma Peer to Peer , scansiona i risultati ottenuti, e ne ricava un set di dati statistici che vengono salvati nel database. Quarto step_ Analisi: Viene estratta la reportistica, aggregati i dati e creati i grafici di confronto. 6
7. Esempio : E-book_ Reportistica La reportistica risultante è stata così strutturata: Si estrae il dato grezzo e lo si lavora per aggregazione. Nel nostro caso l’aggregazione è avvenuta per genere, in modo da poter effettuare dei confronti sul gradimento del pubblico verso un determinato tipo di letture. Sviluppi futuri: Sulla base di quanto detto, questo è solo un esempio di utilizzo di questo tipo di analisi. In realtà ci sono diversi sviluppi utili che si possono raggiungere ragionando in funzione del tempo, per avere una curva che ci indichi l’andamento di quella determinata campagna pubblicitaria, o del uscita di un nuovo libro. Particolarmente interessante rimane poi “la sincerità” del dato, che si basa su azioni (scaricare un file) e non su parole (come avviene per blog e forum), e dà la possibilità di effettuare calcoli statistici con buona precisione. 7
8. Esempio : E-book_ Reportistica Considerazioni: Dalla lettura del grafico emerge quali sono stati i generi e-book più condivisi dagli utenti della rete di file sharing tra il 14 e il 16 aprile : su tutti svetta l’hard, seguono i libri di informatica,e didattica varia, quasi alla pari con i romanzi. 8
9. Esempio : E-book trend Confronto andamento file sharing I picchi massimi sono stati raggiunti il 16 aprile dai generi Hard, Informatica e Romanzi. Sui valori minimi di crescita si attestano Cucina, Magia Religione e Sport. 9
10. Esempio : E-book top 10 Da notare come il libro più condiviso possa definirsi un outsider rispetto alle categorie di aggregazione definite. A testimonianza di come questo tipo di analisi possa mettere in luce anche i punti di rottura e novità rispetto alle regolarità strutturali. 10