Dopo l’oscuramento da parte di Facebook della società Cambridge Analytica, specializzata nell’analisi di big data e nelle relazioni tra comportamenti e tratti della personalità, la cosiddetta scienza comportamentale, è necessario fare luce sulla potenza dei big data nel marketing predittivo e nella scienza comportamentale.

Utilizzando le tecnologie di programmatic advertising, i marketer  della politica possono mostrare il giusto messaggio, al giusto consumatore/elettore, nel giusto contesto interattivo. Se aggiungiamo anche le fake news e la difficoltà di distinguere la verità dalle balle spaziali, il contesto di utilizzo dei big data nel programmatic advertising politico è una vera e propria bomba nucleare.

In una breve presentazione di 10 minuti al Concordia Summit di New York del 2016, il Ceo di Cambridge Analytica Alexander Nix aveva già spiegato al mondo intero il potere dei big data nell’utilizzo congiunto con la psicografia, l’analisi della personalità, e le possibilità di invio personalizzato di messaggi pubblicitari (Programmatic Advertising).

“Meno di 18 mesi fa, il Senatore Cruz era il candidato meno popolare alle primarie per le elezioni americane, con meno del 40% di riconoscibilità tra l’elettorato repubblicano, e si confrontava con Jeb Bush, noto agli americani fin dalla metà degli anni 80’. Alla fine della campagna per le primarie, Cruz è arrivato ad essere l’unico vero candidato repubblicano contro Donald Trump. Come ha fatto?”.

Muovendosi nervosamente sul palco, Nix indicava i tre fondamentali pilastri che hanno permesso lo straordinario risultato di Cruz: la scienza comportamentale, i big data analytics, l’acquisto di pubblicità targettizzata con sistemi automatizzati data-driven. Per spiegare il significato della Behavioural Science, (qui le slide della mia lezione al Data Driven Innovation del 2017 in cui ne spiegavo i razionali tecnologici ) il giovane CEO aveva mostrato due cartelli di divieto di accesso ad una spiaggia privata.

Il primo era un messaggio standard: “La spiaggia pubblica termina qui. Proprietà Privata” che invitava i pubblici avventori della spiaggia a tenere un comportamento civile, segnalando l’inizio della proprietà privata. Il secondo mostrava invece un segnale di “Attenzione: avvistati squali in questo tratto di spiaggia”, che agiva invece sulla motivazione del bagnante, spaventandolo con il pericolo degli squali.

La scelta del giusto messaggio per raggiungere gli obiettivi della comunicazione è il frutto dell’analisi fornita dalla scienza comportamentale (behavioural science) che aiuta l’inserzionista a personalizzare ed il messaggio su base psicografica, superando la tradizionale impostazione della comunicazione di marketing su segmenti socio-demografici, definiti con sole variabili di sesso, lavoro, reddito.

Secondo Nix “l’idea di inviare lo stesso messaggio alle donne tra i 35-45 che vivono nelle città metropolitane, sposate, con un figlio è assolutamente inutile se non si comprendono le relazioni tra la personalità ed i comportamenti del consumatore e la forza di persuasione di una comunicazione indirizzata a specifici segmenti di audience”.

Gli strumenti di big data analytics uniti ad algoritmi predittivi del comportamento dell’utente, consentono a Cambridge Analytica di segmentare su base psicografica tutti gli elettori americani, mettendo insieme i risultati di sondaggi sulla personalità con comportamenti di navigazione internet, attività sui social network, dati di terze parti acquistati ad hoc con storia degli acquisti e stili di vita. Si costruiscono così milioni di profili di consumatori che vengono definiti da 5 specifici tratti che caratterizzano la  personalità di un individuo: apertura all’esperienza (Openness), coscienziosità e lavoro etico (Conscientiousness), estroversione (Extroversion), amicalità (Agreableness), nevrosi (Neuroticism). La metodologia, nata negli anni 80, venne definita con l’acronimo “OCEAN” , mettendo in fila le iniziali in lingua inglese dei 5 fattori di personalità. Continua Nix:

“Se si riesce ad indentificare la personalità dei consumatori, è possibile modulare il contenuto dei messaggi in modo da renderlo più efficace e persuasivo. Nell’esempio sull’utilizzo delle armi da fuoco e sul diritto sancito dal secondo emendamento, i segmenti più coscienziosi e nevrotici rispondono meglio a messaggi razionali o basati sulle emozioni e paure, ed in questo  caso una comunicazione che fa leva sul rischio di aggressione con armi di fuoco raggiunge il suo scopo. Le audience più tradizionali e conservatrici verranno invece raggiunte da messaggi in cui il nonno o il papà insegnano a loro figlio l’utilizzo corretto di un’arma per difendersi da una potenziale aggressione”.

Oggi con la sua piattaforma di analisi dei big data (Data Management Platform), Cambridge Analytica mette insieme milioni di dati socio-demografici, psicografici (stili di vita e di consumo), di personalità, in un unico database di profili che aiutano a costruire insight di comunicazione sui cittadini americani, attraverso analisi massive di big data, la c.d look-alike-audience. Attraverso i cookie, piccoli file inviati sul nostro computer per tracciare i nostri  comportamenti di navigazione online, le piattaforme automatizzate per l’acquisto degli spazi pubblicitari riescono ad intercettare uno specifico segmento di elettori/consumatori, mentre naviga in rete, mostrando così il corretto messaggio al giusto consumatore.

La Cambridge Analytica ha fornito i suoi servizi al senatore Cruz, a Donald Trump, a Nigel Farage in Inghilterra. Contro ogni previsione e sondaggio tradizionale, gli elettori hanno votato per la Brexit, mentre gli americani hanno scelto il miliardario Trump come presidente degli Usa. Secondo alcune indiscrezioni, la metodologia di attribuzione dei comportamenti degli elettori nei social network a specifici tratti di personalità degli individui sarebbe stata derivata dal lavoro di un professore polacco dell’Università di Cambridge, Michael Kosinski, che nel 2012 ha dimostrato la relazione tra i like dati da un utente alle Fan Page di Facebook  ed il colore della pelle, l’orientamento sessuale, l’appartenenza al partito democratico o repubblicano.

Secondo Kosinski, analizzando 70 like è possibile stabilire anche il quoziente di intelligenza, l’uso di sigarette, alcolici, droghe, e la religione. Il modello di analisi del professore polacco è migliorato nel tempo e riesce a prevedere le risposte delle persone sulla personalità di un individuo: con 70 like riesce a battere gli amici, con 150 i genitori, con 300 il compagno o la compagna. Sul sito Applymagicsauce.com si può provare il modello predittivo del professore polacco, facendo un test di personalità basato sui propri comportamenti sul social network o sull’inserimento di un testo di 200 parole in lingua inglese.

Sebbene Nix abbia smentito sia ogni relazione con il lavoro di Kosinski, che l’utilizzo di dati di Facebook (ma le notizie di oggi invece dicono proprio il contrario), nella campagna presidenziale di Trump sono stati utilizzate più di 175.000 varianti di messaggi sponsorizzati all’interno del social network, scegliendo gli utenti a cui mostrarli, con specifici parametri socio-demografici e comportamentali (disponibili nel tool automatizzato di Advertising di Facebook,il terzo pilastro della tecnologia indicato da Nix nella sua presentazione). Il modello predittivo di Cambridge analytica viene infatti potenziato con lo strumento di analisi e scelta delle audience del social network di Zuckemberg, il Facebook Audience Insight.

Il pannello di controllo permette di individuare i parametri socio-demografici come l’età, il sesso, la localizzazione geografica, il lavoro, il titolo di studio, che sono incrociati con i dati dei comportamenti degli utenti su Facebook e nel mondo reale, con dati di acquisto online e offline di milioni di consumatori americani forniti da operatori specializzati (Acxiom, Datalogix, Epsilon). Interessi, Attività, Like evidenziati dai comportamenti di navigazione sulle pagine del social network vengono aggiunti nell’analisi, consentendo l’invio di specifici messaggi pubblicitari a ben identificati segmenti di utenti (micro-targeting). Le infinite potenzialità di targeting e personalizzazione disponibili negli strumenti pubblicitari del social network, spiegano la crescita impetuosa del social media advertising nel nostro paese: 170 milioni nel 2014, 277 milioni nel 2015, 375 milioni stimati nel 2016, più del 15% degli investimenti in digital advertising in Italia.

Per incentivare l’utilizzo abbinato del Facebook Advertising con la tradizionale pianificazione televisiva con gli spot, sono oggi disponibili anche in Italia, solo per i grandi investitori, opzioni di pianificazione a GRP, il Gross Rating Point, la tradizionale metrica di misurazione della pressione pubblicitaria di una campagna, copertura e frequenza di visualizzazione degli spot sulle audience di riferimento. In questo modo un inserzionista può comprendere il beneficio portato dall’integrazione degli strumenti di Facebook con i tradizionali spot televisivi, misurando il TRP cumulato della campagna (Total Rating Point). Le potenzialità dei big data analytics, unite all’utilizzo di piattaforme automatizzate per l’acquisto di pubblicità (il c.d Programmatic Advertising) aprono  quindi nuove possibilità di efficientamento della comunicazione pubblicitaria, consentendo di mostrare contenuti personalizzati a specifici utenti, in specifici contesti di navigazione.

Qui l’articolo completo

Alessandro Sisti, consulente e formatore, è attualmente Google Certified Professional esperto di marketing e comunicazione digitale, search engine marketing, social media, insegna Data Driven Marketing & Advertising nei master di specializzazione della Luiss Business School, Università Cattolica del Sacro Cuore, Business School 24, Ied, Iulm, Lumsa. È autore del libro “Digital Transformation War: retailer tradizionali vs giganti dell’e-commerce (Franco Angeli, 2017)