Perché è così importante rilevare gli interessi degli utenti

Filippo Trocca
Customer Experience Director @ 3rdPlace

La capacità di capire meglio di tutti gli altri gli interessi di ogni singolo utente può fare la differenza.

È il caso di Netflix, che ne ha fatto un vantaggio tecnologico competitivo. Deve il suo successo, infatti, a un algoritmo che analizza gli interessi del pubblico, orienta l’esperienza di visione con raccomandazioni ritagliate su misura e indirizza la produzione di contenuti originali da parte dell’azienda.

La maggior parte delle piattaforme di Analitycs utilizzate dalle aziende si limita però a determinare gli interessi in base alla semplice navigazione sul sito da parte degli utenti, limitandosi a registrare il loro semplice passaggio attraverso un contenuto.

I grandi player digitali come Facebook, Google, Amazon, Instagram e Netflix contrappongono a questa rappresentazione semplicistica e meccanica degli interessi una di maggiore consistenza, capace di pesare le diverse interazioni degli utenti con i contenuti: è l’Interest Graph.

Questa rappresentazione digitale degli interessi di un singolo utente (o di gruppi di utenti) si configura in un grafo gerarchico completo che si fonda su tre elementi: 

- i nodi: la caratterizzazione degli interessi

- le connessioni: il collegamento tra interessi

- la numerosità degli utenti di un certo interesse 

Sono tre gli step che portano alla creazione di un Interest Graph:

1) navigazione

L’utente naviga sul sito e si cimenta nell’esplorazione dei contenuti ivi ospitati.

2) raccolta

Vengono raccolti tutti i dati relativi ad ogni singola azione compiuta dall’utente. Le HIT vengono sfruttate al massimo: sono quei comportamenti e quelle interazioni che attivano un codice di monitoraggio che li porta ad essere registrati dal sistema di Analytics.

Parliamo di indicatori come le pageview, le condivisioni social, i commenti, i click, le video view, il tempo sulla pagina, fonti di traffico, ricerche interne ed esterne, acquisti etc.

3) elaborazione

L’Interest Graph rielabora ogni singola HIT raccolta, pesando ogni singolo interesse e le relazioni di essi. Non li confonde, infatti, con eventuali interessi volatili (ad es. una single pageview): il risultato è una normalizzazione dei pesi dei vari interessi che restituisce i gusti specifici di ogni visitatore.

Essi possono essere in seguito suddivisi in due tipi: quelli inside, ovvero quelli mostrati su un sito specifico e quelli outside, ovvero quelli mostrati sul network - l’insieme di siti - su cui insiste l’Interest Graph.

 

Perché applicare l’Interest Graph all’e-commerce?

- Remarketing

Grazie all’IG, è possibile individuare quali sono gli utenti più vicini alla conversione per impostare attività di remarketing mirate. Allo stesso modo si può evitare di sprecare tempo e risorse con quelli che non hanno dimostrato interesse. 

- Strategia SEO

Comprendendo quali sono gli interessi delle Search Marketing personas, è possibile pianificare un calendario editoriale della strategia SEO in base a cosa gli utenti consumano sul sito e/o sul network. 

- Personalization – A/B testing

Poter determinare quali sono gli utenti maggiormente influenzati dalle campagne in atto, consente di identificare i cluster a più alto ritorno di investimento, massimizzando l’efficacia della comunicazione. 

- Behaviour prediction

Permette di evidenziare i comportamenti/interessi degli utenti più utili al business: si possono sfruttare queste informazioni per operazioni di remarketing positivo e/o negativo. 

- Marketplace analysis

Con l’IG si riesce a capire quali sono le categorie di prodotto che stanno suscitando maggior interesse negli utenti e quindi fornisce spunti per riorganizzare la struttura dell’e-commerce al fine di evidenziare queste tipologie di prodotto. 

- Predire gli interessi di nuovi utenti

I dati raccolti possono essere la base di partenza per creare un modello che, analizzando precedenti interazioni, permetta di predire gli interessi dei nuovi arrivati e agire di conseguenza.

Tra le piattaforme che si possono utilizzare per determinare l’IG figura DataLysm, la soluzione di Data Intelligence sviluppata da 3rdPlace.

Vi sono, inoltre, le soluzioni di Content Intelligence (il DAM Saas THRON è tra queste) che, a partire dalla classificazione dei contenuti operata da algoritmi AI, associano questi metadati descrittivi agli utenti che hanno fruito dei relativi contenuti: tag = user interests. In tal modo è possibile sapere quali sono le caratteristiche editoriali (argomenti, formati etc.) che hanno spinto maggiormente gli utenti a convertirsi. 

Questi dati, se integrati al CRM, consentono inoltre di avere sott’occhio l’intero percorso di navigazione dell’utente (anche anonimo) per cui nulla è lasciato al caso: quello che si ottiene è una single customer view davvero completa con cui alimentare iniziative di Marketing mirate.

 

D: Ciao Filippo, perché secondo te è meglio ricorrere a una funzione di targeting basata sugli interessi degli utenti e non solo su caratteristiche socio-demografiche?

R: Lavorare esclusivamente su un targeting socio demografico rischia di portare a colpire utenti fuori target rispetto ai nostri obiettivi e generare dispersione.

Cerco di spiegarlo con un esempio per essere più chiaro: se sono BMW e voglio spingere le vendite della BMW X5 SUV indirizzate a persone con una certa capacità di spesa, targettizzare esclusivamente uomini e donne tra i 35 ed i 60 anni potrebbe essere troppo ampio come target: al suo interno troviamo utenti non interessati completamente a tale macchina.

Se invece aggiungo al target socio demo l’interesse per BMW e per marchi concorrenti simili (ad esempio Mercedes) oltre all’interesse per i SUV vado a colpire un target più preciso con meno dispersione ed ho la possibilità di investire il mio budget in modo più strutturato.