Riassunto analitico
Alla reputazione è sempre più riconosciuta l’influenza che esercita nei rapporti impresa-stakeholders. Sia ricercatori che operatori del settore beneficerebbero dall’avere a disposizione strumenti che permettano di misurare nel tempo la corporate reputation estraendo feedback da utilizzare per migliorare le proprie strategie. L’obiettivo del presente lavoro di ricerca è quello di indagare come la Corporate Reputation possa essere misurata utilizzando le nuove ed avanzate tecniche messe a disposizione dal campo del Social Media Listening. A tale fine si provvederà alla costruzione di un modello di misurazione della corporate reputation basato su dati non sollecitati (User Generated Contents, UGS) provenienti dai social media analizzandoli e classificandoli con tecnologie di Machine Learning basate su reti neurali. Lo scopo è quindi quello di creare un nuovo framework che sia in grado di integrare e supportare le tecniche tradizionali di ricerca di mercato, quali questionari e focus group che attualmente vengono utilizzate per stimare la reputazione di una impresa.
Molti dei metodi attualmente impiegati per il calcolo della Corporate Reputation sono “biased” per natura. La natura del bias risiede nel modo in cui vengono selezionati i rispondenti e i criteri di valutazione che vengono scelti. Di fatto frequentemente questi indici hanno come focus principale le percezioni di manager e consulenti lasciando poco spazio al giudizio dei consumatori e della comunità. Inoltre, spesso questi strumenti non tengono in considerazione che la reputazione di un'impresa può fortemente variare a seconda del luogo geografico e alle caratteristiche socio-demografiche del rispondente. Un approccio basato sui social media è in questo senso più dinamico. La dinamicità è data dall’assenza di limiti temporali e spaziali. Temporali perché da un lato è possibile monitorare in tempo reale variazioni nei livelli di reputazione, senza dover seguire gli iter tipici delle ricerche di mercato tradizionali. Inoltre, è possibile interrogarsi non solo sui livelli attuali di reputazione di un'impresa ma anche passati e quindi rispondere a domande come: qual era la reputazione di Tesla nel 2014? cosa che ovviamente non è possibile con le tecniche tradizionali. Spaziali in quanto è possibile variare gli utenti analizzati in termini di nazionalità e lingua parlata con pochi click.
Lo scopo del modello è quindi quello di misurare la percezione degli utenti rispetto ad un determinato marchio utilizzando UGC disponibili sui social media. I contenuti così raccolti verranno classificati attraverso un algoritmo di machine learning basato su reti neurali opportunamente allenato ricorrendo all’etichettatura manuale del dataset di training. Esso quindi assocerà ad ogni contenuto, post o commento, una delle seguenti etichette: Prodotto, Governance, CSR (Corporate Social Responsibility), Innovazione, per poi elaborare un indice complessivo che tenga in considerazione ognuna di queste categorie.
|
