I nuovi modi in cui i marketer e anche le istituzioni politiche possono ora raccogliere i nostri dati sui social media e dividerci in gruppi omogenei adatti a messaggi personalizzati e mirati di massa sono stati uno dei temi caldi che si sono sviluppati all'indomani dei recenti grandi eventi di Facebook e Cambridge Analytica -scandalo dei dati. Molti articoli hanno già cercato di riassumere gli eventi, Azioni, partecipanti, e i punti di vista, non ultimi quelli non etici. Però, la nostra attenzione è stata attirata sul fatto che attualmente ci sono poche prove empiriche dell'effettiva efficacia o impatto degli strumenti analitici psicografici utilizzati da Cambridge Analytica (CA). Questo è sorprendente, considerando che il metodo è stato finora presentato come qualcosa che potrebbe essere definito "l'ultima arma di marketing".

Questo articolo nasce dalla nostra esperienza e dagli scambi con studiosi di ricerche sui consumatori e di marketing, che forse hanno più familiarità con lo sviluppo delle ricerche di mercato e dei metodi e delle pratiche di segmentazione nel tempo.

L'arma segreta:la segmentazione psicografica

Lo strumento di segmentazione psicografica impiegato da CA estende il tradizionale pubblico di marketing o l'analisi degli elettori oltre i semplici "demografici" - ad esempio, età, Genere, istruzione – verso la profilazione basata su tratti di personalità e punteggi basati sul valore. In combinazione con "big data" dai profili Facebook e analisi statistiche ottimizzate algoritmicamente e tattiche di marketing stealth, questo metodo è probabilmente diventato un invidiabile segreto di marketing digitale, non da ultimo tra i professionisti della pubblicità e del marketing.

Mentre gran parte della discussione pubblica sul caso CA è stata su come enormi quantità di dati di Facebook siano state ottenute in modo non etico e utilizzate allo scopo di influenzare il comportamento degli elettori nelle elezioni statunitensi e nella Brexit, relativamente poco si è detto sull'esatto metodo analitico utilizzato dall'impresa e sull'entità del suo contributo ai risultati delle votazioni. Secondo un resoconto dettagliato di Michael Wade della IMD Business School, CA è stata in grado di identificare i profili di oltre 50 milioni di utenti di Facebook abbinando due diversi approcci e fonti di dati. Primo, i risultati di 270, 000 test di personalità ottenuti tramite un'app Facebook simile a un quiz sviluppata dal professore di Cambridge Aleksandr Kogan. Secondo, i risultati erano statisticamente correlati alle "impronte digitali del comportamento umano" di questi intervistati e ai profili dei loro (inconsapevoli) amici di Facebook (ad esempio, "piace"), grazie a un modello sviluppato da un altro accademico di Cambridge, Michal Kosinski.

Di conseguenza, le informazioni psicografiche su milioni di persone sono state derivate automaticamente dai dati di Facebook, senza il processo solitamente gravoso dei questionari sulla personalità che richiedono centinaia di domande a cui rispondere da parte di ciascun partecipante analizzato. Questa sorta di "reverse engineering" (come la chiama Wade) basata sull'attività degli utenti dei social media significa che solo circa 100 "mi piace" di Facebook sono sufficienti per stimare i tratti psicologici di una persona. Informazioni come gradimento, dire, Salvador Dalì o Lady Gaga servirebbero come indicatore di un tipo di personalità – per esempio, apertura. L'implementazione dell'apprendimento automatico e la procedura analitica più dettagliata sono riassunte nel video con Jack Hansom delle elezioni SCL, società affiliata a Cambridge Analytica.

Mentre si affermava che il metodo era in grado di produrre "analisi della personalità terribilmente accurata", l'utilizzo dei like di Facebook come indicatori psicometrici presenta limiti metodologici significativi. Ad esempio, mettere mi piace a una pagina Facebook non è un'azione individuale eseguita in isolamento, come la compilazione sistematica di un questionario. Anziché, è un atto intrinsecamente sociale e simbolico e deve essere interpretato nel contesto della piattaforma e del suo utilizzo.

Considerando l'accuratezza delle previsioni di CA, altri due punti devono essere considerati criticamente. Primo, se l'analisi psicografica è rilevante per ricavare intuizioni di marketing. Secondo, Il contenuto pubblicitario micro-mirato tramite tecniche psicografiche ha la capacità di manipolare efficacemente le menti delle persone.

Un'arma del passato?

Nel marketing e nella ricerca sui consumatori, tecniche per la segmentazione del mercato si è evoluta dal fatto che semplicemente non è efficace, né altrimenti fattibile per un marketer cercare di influenzare tutti in una volta, con lo stesso messaggio. Perciò, the targeting of a specific subgroup – one that would be more likely to react in a desired manner to the intended marketing message – become the practice and theory of marketing communication. Però, the logic for choosing the effective segmentation and targeting criteria has changed importantly over the years, not least due to technological changes and possibilities.

Despite the work of theorists in the early 20th century – for example, Thorsten Veblen and Max Weber, who recognised that consumption behaviour is closely tied with social structures (and vice versa) – the marketing scholars and practitioners in the post–World War II mass-media era have relied heavily on individualist and behavioural psychological paradigm. It is fair to say this has been the golden age of psychographic market segmentation in which target group has been profiled and expressed in terms of their personality traits or value system scores (for example, the VALS system).

Però, the personality/value-based measurement has consistently been challenged for its ability to predict actual behaviours, such as specific product, brand or environmental choice (Wedel and Kamakura 2000 and Rokka and Uusitalo 2008). Secondo, these approaches precisely assume that behavioural patterns are shaped by differences in "global" psychological states or values (openness, conscientiousness, extraversion, agreeableness and neuroticism) that are thus "necessarily devoid of any influence of sociohistorical context" (Holt 1997, 327). Metti in modo diverso, an abstracted and universalized personality type cannot capture the complexity and cultural sensitivity of consumer lifestyle choices, symbolic expression and tastes.

This shift in thinking put an end to wider application of psychographic methods long ago, at least in the field of marketing and consumer research. Anziché, four decades of work have testified the importance of sociocultural perspectives that are much more sensitive to the social and symbolic systems that shape our lifestyle-relevant choices and tastes (Arnould and Thompson 2005 and Holt 1997). This perspective is also shared by researchers in the Lifestyle Research Centre of EM Lyon. An analysis of Facebook likes from this standpoint would be understood more as the analysis of individuals' lifestyle associations and networks governed by socially established expressions of taste. Main difference of the psychographic segmentation to this form of socio-cultural lifestyle analysis would be its lack of connection to society and its cultural currents.

A 'magic bullet'?

A second issue evoked in the CA debate is the manipulative power of big data–based psychographic approaches that bear rather naïve assumptions about how communication and advertising work.

In the 1930s – the heyday of totalitarian propaganda – the dominant theory for interpreting the effects of mass media on population described political messages as "magic bullets" that, once they reached the targeted audience, would have immediate persuasive power. This arguably simplistic view was rejected a decade later by Paul Lazarsfeld and colleagues at Columbia University. Their empirical work relativized the power of political propaganda, demonstrating that message effects are largely mediated by interpersonal relations and collective interpretations – for instance, political views are also discussed and formed during family dinners and not simply absorbed from the media (Neuman and Guggheneim 2011). Similar considerations also resonate widely in advertising and marketing research. Per esempio, there exists a body of academic literature that indicates that, based on empirical evidence, advertising does not increase or reduce alcohol consumption (Tikkanen and Aspara 2017).

Però, with the rise of big data–based psychographic segmentation, the old "magic bullet" thesis has apparently gained new popularity. Cambridge Analytica's bragging of 'psychological warfare" stands as a case in point. We still have little or no evidence of the extent to which such campaigns can persuade people to change their mind about even simple product or brand choices – much less to vote differently.

We cannot argue there is no value in, nor evidence of, the ability of psychometric segmentation to achieve marketing goals. Per esempio, a recent study found a 40% increase in advertising click-through-rate. Però, its actual effects on consumption or voting behaviour have yet to be demonstrated.

Questo articolo è stato originariamente pubblicato su The Conversation. Leggi l'articolo originale.