1. 1
Milano, 20-22 ottobre - Fieramilanocity
Nicola De Franceschi Evoluzione Web
Web reputation per le aziende e le community.
Metodologie e vantaggi della gestione della reputazione
2. 3
Milano, 20-22 ottobre - Fieramilanocity
Nicola De Franceschi Evoluzione Web
Premessa
Community → Azienda
Utenti → Collaboratori, clienti, fornitori
Contenuti → Prodotti, servizi, contenuti (es. intranet)
3. 4
Milano, 20-22 ottobre - Fieramilanocity
Nicola De Franceschi Evoluzione Web
REPUTAZIONE
Ciò che generalmente si dice o si crede di
una persona o di una cosa.
Oxford dictionary
4. 5
Milano, 20-22 ottobre - Fieramilanocity
Nicola De Franceschi Evoluzione Web
FIDUCIA
La fiducia è la misura con cui una parte èLa fiducia è la misura con cui una parte è
disposta a dipendere da qualcosa odisposta a dipendere da qualcosa o
qualcuno in una determinata situazione conqualcuno in una determinata situazione con
un senso di relativa sicurezza anche seun senso di relativa sicurezza anche se
sono possibili conseguenze negative.sono possibili conseguenze negative.
McKnight e Chervany (The meanings of trust)McKnight e Chervany (The meanings of trust)
5. 6
Milano, 20-22 ottobre - Fieramilanocity
Nicola De Franceschi Evoluzione Web
I sistemi di web reputation
Ci permettono di catturare l'affidabilità e la qualità di
aziende, individui, prodotti, servizi e contenuti.
Ci rivelano comportamenti disonesti, valutazioni non
obiettive, servizi scadenti, contenuti inappropriati alla
nostra community.
L'applicazione ai marketplace virtuali è particolarmente
interessante perché molti di questi probabilmente non
esisterebbero senza un valido sistema di reputazione.
6. 7
Milano, 20-22 ottobre - Fieramilanocity
Nicola De Franceschi Evoluzione Web
Finalità della web reputation
1. Creare fiducia tra gli utenti
2. Creare fiducia nel servizio/sito
3. Premiare e favorire la creazione di contenuti di qualità
4. Favorire l'incontro e lo scambio tra utenti con interessi e
stili di vita simili
7. 8
Milano, 20-22 ottobre - Fieramilanocity
Nicola De Franceschi Evoluzione Web
Metodi di base per la reputazione
8. 9
Milano, 20-22 ottobre - Fieramilanocity
Nicola De Franceschi Evoluzione Web
Preferito - Mi piace
Come usato da Youtube, Facebook, Digg, Stumbleupon
per esempio
E' un contatore reversibile
Vantaggi
Semplicità
Fattori critici
Scala con il database (cresce)
Se usato per billboard subisce l'effetto “first mover”
9. 10
Milano, 20-22 ottobre - Fieramilanocity
Nicola De Franceschi Evoluzione Web
Segnalazione - flag
Funziona come il “preferito” ma con significato opposto
Aiuta a tener “pulito” il sistema
Contenuti inappropriati
Contenuti per adulti
Contenuti riservati (es. nelle intranet)
Contenuti in categoria sbagliata (es. nelle intranet)
L'utilizzo in Craiglist
3 utilizzi: categoria errata, vietato, spam (moltiplicato)
Livelli di allarme diversi per: utente, categoria, città
10. 11
Milano, 20-22 ottobre - Fieramilanocity
Nicola De Franceschi Evoluzione Web
Valutazione
Stelle, barre di progresso, pollice su o giù, scala da 1
a ..., …
E' una media delle valutazioni di tutti gli utenti
Vantaggi
Di facile comprensione
Tiene conto anche di valutazioni negative (a differenza del preferito)
Fattori critici
Gli utenti che lo usano tendono a dare il massimo voto e una piccola
parte il mino (distribuzione a J).
11. 12
Milano, 20-22 ottobre - Fieramilanocity
Nicola De Franceschi Evoluzione Web
Recensione
Più valutazioni, es. stelle
Più valutazioni e testo (da preferire)
E' una media delle recensioni di tutti gli utenti
Vantaggi
Esprime un quadro più dettagliato e preciso, punti forti e deboli.
Tiene conto anche di valutazioni negative
Fattori critici
Il testo si presta meno all'estrazione automatica di informazioni
Richiede più tempo all'utente
12. 13
Milano, 20-22 ottobre - Fieramilanocity
Nicola De Franceschi Evoluzione Web
Karma (reputazione degli individui)
Badge, icone, “titoli”
es. FourSquare, forum (Sindaco, Guru, ...)
Di tre tipi
Partecipativo, Qualitativo, Combinato
Vantaggi
Serve come base per molti sistemi di reputazione complessi
Aumenta la fedeltà dell'utente
Incentiva un comportamento corretto
Fattori critici
Il qualitativo ed il partecipativo in particolare si prestano ad abusi.
13. 14
Milano, 20-22 ottobre - Fieramilanocity
Nicola De Franceschi Evoluzione Web
Feedback implicito
Un utente che acquista una canzone su iTunes sta
implicitamente dicendo che è un buon brano.
Vantaggi
Non richiede attività aggiuntive da parte dell'utente.
Facile da calcolare.
Utilizzabile anche per i sistemi di raccomandazione per i quali è stato
dimostrato che aumenta l'attendibilità della predizione.
14. 15
Milano, 20-22 ottobre - Fieramilanocity
Nicola De Franceschi Evoluzione Web
Cluster filtering
Ottenere una reputazione personalizzata
Elimina i falsi positivi nei casi di reputazione soggettiva
Separa i giudizi “onesti” da quelli “disonesti”
15. 16
Milano, 20-22 ottobre - Fieramilanocity
Nicola De Franceschi Evoluzione Web
Metodo fuzzy
Scoprire le ragioni di un giudizio
Smaschera giudizi disonesti
Necessità di rendimento obiettivo, misurabile.
16. 17
Milano, 20-22 ottobre - Fieramilanocity
Nicola De Franceschi Evoluzione Web
Irrobustiamo i modelli
Decadimento (alternativa: in salita)
Diminuire il peso del passato
Ritardo
Conteggiare in ritardo gli input
Segretezza
Rendere nota la filosofia del sistema non i dettagli
Controllori
Controllare i controllori
Verificare il lavoro dei controllori
17. 18
Milano, 20-22 ottobre - Fieramilanocity
Nicola De Franceschi Evoluzione Web
Applicazione pratica: Amazon
Valutazione a stelle
Recensione editoriale
Dettaglio valutazione sui 5 livelli
“I clienti che hanno comprato
questo oggetto hanno comprato
anche ...”
Posizione per tipologia
“Cosa hanno effettivamente
acquistato i clienti dopo aver
visionato questo oggetto”
L'etichetta opzionale “Real name”
nei commenti
18. 19
Milano, 20-22 ottobre - Fieramilanocity
Nicola De Franceschi Evoluzione Web
Applicazione pratica: Amazon
Punti di forza e robustezza
Per commentare: almeno un acquisto e attendere 48 ore
Valutazione articolata ed estendibile (per alcuni oggetti)
Recensione utile: SI / NO
Recensione negativa e positiva più utili affiancate
19. 20
Milano, 20-22 ottobre - Fieramilanocity
Nicola De Franceschi Evoluzione Web
Applicazione pratica: Amazon
Punti critici
È possibile commentare anche prodotti non acquistati (bilanciato dal
fatto che appare il proprio nome)
La valutazione dettagliata è mostrata in fondo e non è incentivata
I vari elementi di reputazione sono sparsi nella pagina prodotto
20. 21
Milano, 20-22 ottobre - Fieramilanocity
Nicola De Franceschi Evoluzione Web
Applicazione pratica: Cisco
IronPort
Analizza ogni giorno 5 miliardi di connessioni
Aggrega informazioni su 150 parametri
Blocca a livello di connessione il 70% di contenuti pericolosi
21. 22
Milano, 20-22 ottobre - Fieramilanocity
Nicola De Franceschi Evoluzione Web
Applicazione pratica: Yahoo! Answers
Tempo medio segnalazione abuso: 30 secondi!
% errore segnalazione abusi: < 0,1%
Costi customer care: da $1,000,000 a $10,000!
22. 23
Milano, 20-22 ottobre - Fieramilanocity
Nicola De Franceschi Evoluzione Web
Applicazione pratica: Yahoo! Mail
Sistemi di reputazione applicati agli indirizzi IP dei mittenti
Risultato: + $10,000,000 risparmiati annualmente per server e storage
23. 24
Milano, 20-22 ottobre - Fieramilanocity
Nicola De Franceschi Evoluzione Web
Applicazioni aziendali
Quanti altri indici possono creare le aziende?
Di un settore
Di un distretto
24. 25
Milano, 20-22 ottobre - Fieramilanocity
Nicola De Franceschi Evoluzione Web
Punti critici generali
Effetto Polyanna
Ballot stuffing
Bad-mouthing
First-mover
Salto di valore delle transazioni nel tempo.
Cambio di personalità.
25. 26
Milano, 20-22 ottobre - Fieramilanocity
Nicola De Franceschi Evoluzione Web
Vantaggi
Soddisfazione degli utenti
Fedeltà degli utenti
Tempi di risposta ridotti
Minori risorse impiegate
Risparmio sui costi
26. 27
Milano, 20-22 ottobre - Fieramilanocity
Nicola De Franceschi Evoluzione Web
Vantaggi
Indurre comportamenti corretti
Scoraggiare l'ingresso di utenti disonesti
Qualità
Reputazione della community/azienda stessa
27. 28
Milano, 20-22 ottobre - Fieramilanocity
Nicola De Franceschi Evoluzione Web
Raccomandazioni / suggerimenti
Spiegare filosofia reputazione non i dettagli.
Spiegare i sistemi di raccomandazione.
Monitorare costantemente.
Giusto mix di tecniche
28. 29
Milano, 20-22 ottobre - Fieramilanocity
Nicola De Franceschi Evoluzione Web
Conclusioni
Ampi campi d'applicazione, molti ancora da esplorare
Vantaggi per gli utenti
Vantaggi per le aziende/community
Vantaggi economici
29. 30
Milano, 20-22 ottobre - Fieramilanocity
Nicola De Franceschi Evoluzione Web
Grazie!
Nicola De Franceschi
nicola@evoluzioneweb.com
Skype: nikdef
Notes de l'éditeur
Sono un Architetto dell&apos;Informazione e mi occupo con passione di user experience e web fin da metà degli anni 90. Oggi sono qui per parlarvi di un argomento che ci riguarderà sempre di più perché sempre più spesso le informazioni di cronaca o politica, le informazioni sulle persone, sui prodotti e sui servizi le ricerchiamo online.
E se siamo noi stessi i fornitori o i gestori di queste informazioni come facciamo ad aiutare la nostra community o la nostra azienda a trovare e rendere disponibili le informazioni di maggior qualità?
Sono un Architetto dell&apos;Informazione e mi occupo con passione di user experience e web fin da metà degli anni 90. Oggi sono qui per parlarvi di un argomento che ci riguarderà sempre di più perché sempre più spesso le informazioni di cronaca o politica, le informazioni sulle persone, sui prodotti e sui servizi le ricerchiamo online.
E se siamo noi stessi i fornitori o i gestori di queste informazioni come facciamo ad aiutare la nostra community o la nostra azienda a trovare le informazioni di maggior qualità?
Per questione di tempi ho dovuto semplificare l&apos;intervento per cui mi sentirete parlare più spesso di community, utenti, contenuti. Se siete però più interessati ad applicare questi metodi nella vostra azienda vale questa conversione.
1. mi fido di quel venditore, mi fido del tuo giudizio, della tua recensione, ...
4. nel senso più ampio di web reputation in cui includiamo anche i sistemi di content filtering.
Vediamo ora alcuni modelli di base, molti dei quali vi saranno certamente noti.
Un contatore reversibile tiene conto di chi ha espresso il voto e permette quindi di cancellarlo nel caso di abusi.
Effetto “first mover” ha 2 principali significati: a)se non adotto tecniche correttive il primo elemento in classifica tenderà a diventare sempre di più il primo (vale anche per il 2°, 3°, ...); b) nei commenti il tono impostato dal primo commentatore tenderà a diventare il tono anche degli altri. Questo poi si estende nel tempo per cui tende a diventare il tono della community. Questo è visibile chiaramente nei toni dei commenti di eBay ad es. Per cui se vogliamo dare un certo stile alla C. dobbiamo cercare di favorirlo/suggerirlo subito.
Spiegare vantaggi economici qui?
Polarizzazione: gli utenti tendono a valutare il minimo o massimo perché generalmente lo scopo è quello di trovare il migliore, per cui se è mediocre non viene nemmeno valutato. Potrebbe quindi essere utile utilizzare un sistema +/- per semplificare e poi magari mostrarlo comunque come stelle o scala graduata.
Fare l&apos;esempio di una macchinetta fotografica valutata secondo vari aspetti:
Qualità immagine
Qualità costruttiva
Qualità flash
Peso/dimensioni
Partecipativo: indica il livello di partecipazione, è una misura quantitativa
quanti check-in
quanti post
quante recensioni
Può essere anche negativo, misuro quante azioni negative ha fatto, dopo X lo escludo dalla community.
Abusabile da utenti che producono attività di scarsa o nessuna utilità.
Qualitativo: le attività svolte vengono valutate per la loro qualità:
Pertinenza
Completezza
Estetica
Abusabile da utenti che partecipano solo quando sono certi di non avere giudizi anche solo parzialmente negativi. O utenti che una volta raggiunto un alto karma non partecipano più per non rischiare di abbassarlo.
Combinato: l&apos;integrazione dei 2 precedenti ci da i migliori risultati.
Se un utente acquista un libro anche se non lo vota sta comunque segnalandomi il suo interesse per un genere e per un autore.
L&apos;acquisto di un apparecchio elettronico di ultima generazione a prescindere dal fatto che venga votato testimonia comunque l&apos;interesse per la tecnologia e i prodotti associati.
L&apos;acquisto di un prodotto particolarmente costoso è indice di disponibilità economica (questo è un tipo di reputazione che però di solito ha una valenza interna che non mostrerò all&apos;esterno).
Quante altre informazioni posso ricavare dalle azioni che il mio utente compie, il mio CRM me lo dice?
E&apos; interessante perché un certo servizio o un certo prodotto possono essere soggettivamente ma “onestamente” visti in maniera diversa. Un certo corriere in una certa zona può essere molto affidabile in altre no perché lì la sua rete è meno buona.
E&apos; un metodo che consente di eliminare l&apos;effetto dei falsi giudizi positivi nei casi in cui la reputazione sia soggettiva. Con questo sistema sono in grado di separare i giudizi “onesti” da quelli “disonesti” e ottenere una reputazione personalizzata dell&apos;oggetto basata solo su quest&apos;ultimi.
Attraverso calcoli matematici sofisticati ma non particolarmente onerosi da un punto di vista computazionale.
Metodo per certi versi simile ma necessità di un rendimento obiettivo.
Adesso che abbiamo i mattoncini di base dobbiamo renderli più affidabili ed adeguati ad affrontare le sfide reali.
Decadimento
Consiste nel ridurre il peso delle valutazioni meno recenti per ottenere una rappresentazione più attuale della reputazione
In pratica prodotti “vecchi”, utenti poco attivi potrebbero mantenere una reputazione elevata che gli arriva dal passato ma non ha riscontri con il presente. Una digitale che 5 anni fa poteva essere il top di gamma oggi magari è nella media e questo il mio sistema lo deve mostrare. Un utente che era molto attivo nel forum 3 anni fa oggi potrebbe non essere aggiornato con i trend attuali.
In questo modo incentivo anche gli utenti a rimanere attivi.
Diversi metodi.
Uno dei più interessanti è a finestra mobile con valore precalcolato.
Ritardo: gli spammer e troll si divertono se vedono un risultato immediato. Recensione appare subito, la media cambia subito.
Tra tutti i possibili portali e piattaforme online Amazon è uno dei più interessanti pe la varietà e l&apos;estensione dei modelli di reputazione utilizzati.
La lista “i clienti che hanno comprato questo oggetto hanno comprato anche” che ha lo scopo principale di vendere ulteriori prodotti ma funziona anche in senso inverso. Cioè se in questa lista l&apos;utente riconosce una serie di libri che già possiede o che considera positivamente è indotto a pensare: “se chi ha i miei stessi gusti ha comprato questo libro allora dev&apos;essere un buon libro”.
“Cosa hanno effettivamente acquistato i clienti dopo aver visionato questo oggetto”. Anche questo è un elemento originale che aiuta l&apos;utente. E&apos; come se si trovasse in libreria con altre presone davanti allo stesso scaffale dove ci sono diversi libri sullo stesso tema e potesse chiedere “Tu lo conosci questo?”, “Sì l&apos;ho acquistato anch&apos;io” oppure “Sì ma ho preferito acquistare quest&apos;altro”. Molto utile perché le risposte alle ovvie domande successive: “Com&apos;è? ti è piaciuto? ...” le troviamo poi nei commenti.
I commenti “real name” sono più attendibili e in questo modo ho chiuso il cerchio della reputazione dell&apos;oggetto in questione.
L&apos;acquisto e le 48 sono una buona barriera ai commenti fasulli. Chiaramente non è sempre possibile.
Recensione utile: SI/NO è un lavoro che fanno gli utenti stessi è la comunità che si regola da sola. Pensiamo di applicare questo meccanismo all&apos;interno della intrante aziendale. Nei sistemi di help desk, la segnalazione fattaci dall&apos;utente è utile si o no, la soluzione trovata dal collega è utile s/n?
Con l&apos;utilità della recensione posso allora mostrare le recensioni ordinate per utilità decrescente.
Quanto sarebbe utile anche nei forum poter cliccare sì questa è la risposta più interessante, sì questa è la soluzione definitiva e prima mostro queste risposte, poi le altre.
Recensire aumenta comunque il coinvolgimento degli utenti e aumenta le recensioni quindi più voci più informazioni per i potenziali acquirenti.
La valutazione dettagliata dovrebbe essere subito visibile, così che se una caratteristica per me importante è scarsa posso indagare o passare subito ad un altro prodotto.
I vari elementi di reputazione sono sparsi e questo rende difficile avere un quadro completo immediato.
Cisco ha sviluppato un sistema di monitoraggio del traffico web e delle e-mail per bloccare le diverse forme di malware. Il sistema raccoglie dati da oltre 100.000 reti e aggrega le informazioni provenienti da 150 diversi parametri per determinare la reputazione di un URL o di un indirizzo IP.
La redazione diventa più snella e reattiva.
Il sistema assegna una reputazione all&apos;indirizzo IP e in base a questa è in grado di determinare se si tratta di spam, di un caso dubbio o di posta desiderata.
Eliminando lo spam che costituisce la maggior parte del traffico eMail posso abbattere i costi dell&apos;infrastruttura IT.
Effetto Polyanna: tendenza a giudizi positi, dobbiamo stimolare gli utenti ad essere obiettivi e commentare anche quando ci sono dei problemi.
Ballot stuffing: caso in cui l&apos;oggetto della valutazione (es. il venditore) si mette d&apos;accordo con un gruppo di utenti per ottenere una valutazione positiva.
Bad-mouthing: in questo caso l&apos;oggetto della valutazione si mette d&apos;accordo con un gruppo di utenti per dare una valutazione negativa ad un altro oggetto concorrente.
Valore delle transazioni nel tempo. Uno dei tipici metodi di raggiro di eBay è quello di acquisire una eccellente reputazione vendendo oggetti di basso valore per poi vendere oggetti di alto valore sui quali scatta la truffa. Se all&apos;acquirente viene data la possibilità di vedere il valore delle transazioni nel tempo è possibile evitare questo tipo di truffa o almeno mettere in guardia l&apos;utente.
Personalità: disincentivato imponendo dei costi d&apos;ingresso o rendendo difficile la costruzione di una reputazione il che equivale ad un costo implicito. Chi ha una bassa reputazione può fare poco e le sue valutazioni hanno un peso minore quindi è incentivato a costruire e manterla.
Le community che non adottano un sistema di gestione della reputazione risultano caotiche e con una qualità fluttuante e vengono quindi considerate come siti da evitare.
Comportamenti corretti senza necessità di forzature costose e spesso inefficienti e sgradite agli utenti.
Gli utenti con fini disonesti se capiscono che sarà difficile fare danni e che non ottengono un riscontro immediato restano fuori.
Questi sistemi offrono anche dei vantaggi in termini di qualità per vari aspetti. Come ad esempio nel caso di Flickr o le recensioni su Ciao. Riesco ad es. a proporre nella homepage le foto migliori e già questo è una qualità perché se riesco a porre nella home le foto migliori o pensando più in generale se riesco a dare visibilità nella home ai contenuti migliori o comunque metterli in evidenza magari citandoli nella newsletter che invio in qualche modo fisso un livello di qualità della mia community do un&apos;idea di quello che dovrebbe essere lo standard per i contenuti della mia community, in questo modo do un incentivo a mantenere alto il livello e quindi faccio crescere la community. Non solo, l&apos;alta qualità attira anche nuove adesioni, mantiene vivo l&apos;interesse di chi già partecipa, mantiene la fedeltà del membro. Qualità anche perché i contenuti più scadenti o addirittura inappropriati (lo spam inteso nel senso più ampio di ciò che non è adatto alla mia particolare community ma che potrebbe magari esserlo in un&apos;altra) mi possono essere segnalati dagli utenti se utilizzo dei sistemi di reputazione opportunamente tarati. Posso allora in maniera automatica tener fuori dalla community i contenuti inappropriati senza dover intervenire manualmente con l&apos;impiego di risorse interne e relativi costi associati.
Per incentivare le contribuzioni migliori e disincentivare comportamenti irregolari.
Diversi studi hanno dimostrato che è utile spiegare agli utenti come funzionano i sistemi di raccomandazione automatica, quindi perché il sistema propone certi “prodotti”.
Tener presente che comunque ci sarà chi vuole abusare del sistema, monitorare alla ricerca di anomalie. Impostare dei meccanismi di avviso.
Ogni realtà è diversa e deve capire il proprio settore, i propri utenti le logiche che li muovono.