I ricercatori hanno creato un algoritmo che prevedeva con successo gli acquisti dei consumatori. L'algoritmo ha utilizzato i dati dell'attività quotidiana dei consumatori sui social media. I marchi potrebbero utilizzarlo per analizzare i potenziali clienti. Il metodo dei ricercatori combina potenti tecniche di modellazione statistica con il riconoscimento delle immagini basato sull'apprendimento automatico.

Il professore associato Toshihiko Yamasaki e il suo team della Graduate School of Information Science and Technology dell'Università di Tokyo esplorano modi nuovi e interessanti per utilizzare dati come i dati dei social media. Alcune applicazioni che sviluppano sono utili per entità come le aziende per migliorare la loro efficacia in diversi modi, ma in particolare nel modo in cui raggiungono e influenzano i potenziali clienti.

"Ho posto due domande al mio team:'È possibile calcolare la somiglianza tra diversi marchi in base al modo in cui i clienti interagiscono con loro sui social media?' E, 'Se è così, i marchi possono utilizzare queste informazioni per migliorare il modo in cui si commercializzano?'", ha affermato Yamasaki. "E con un po' di tempo, fatica e pazienza, sono tornati con una risposta semplice ma sicura:'Sì!'"

Ma il modo in cui il loro team lo ha dedotto è stato tutt'altro che semplice. L'analisi computazionale dei dati dei social media è spesso chiamata mining, come suggerisce il termine si tratta di un compito monumentale e laborioso. Per questa ragione, i ricercatori in questo campo fanno uso di vari strumenti computazionali per analizzare i social media in modi che gli esseri umani non possono.

"Nel passato, molte aziende hanno migliorato le loro strategie di marketing con l'uso di sondaggi e proiezioni sui clienti basate sui loro dati di vendita, " ha spiegato il ricercatore capo Yiwei Zhang. "Tuttavia, questi richiedono tempo e sono imprecisi. Ora abbiamo accesso e competenza in strumenti come l'apprendimento automatico e l'analisi statistica complessa".

Il team ha iniziato il suo lavoro raccogliendo dati sui social media disponibili pubblicamente dai follower di marchi selezionati. Hanno utilizzato metodi comprovati di riconoscimento delle immagini e apprendimento automatico per analizzare e classificare foto e hashtag relativi ai follower dei marchi. Ciò ha rivelato modelli di comportamento dei consumatori nei confronti di marchi diversi. Questi modelli hanno permesso ai ricercatori di calcolare la somiglianza tra marchi diversi o addirittura non correlati.

"Abbiamo valutato il nostro algoritmo proposto rispetto alla cronologia degli acquisti e ai questionari, che sono comunque utili per contestualizzare l'acquisto di informazioni, " ha continuato Zhang. "I risultati sperimentali mostrano che le società di carte di credito o di carte a punti potrebbero prevedere bene il comportamento di acquisto passato dei clienti. Il nostro algoritmo potrebbe prevedere con precisione la disponibilità dei clienti a provare nuovi marchi".

Questa ricerca potrebbe essere estremamente utile per nuove promozioni di marchi che utilizzano i social network. Potrebbe anche essere utilizzato da centri commerciali e centri commerciali per pianificare quali negozi includere o per i negozi stessi per scegliere quali marchi immagazzinare. E la ricerca potrebbe persino aiutare ad abbinare i marchi con gli influencer dei social media adatti per pubblicizzare meglio i loro prodotti.

"Visualizzare ciò che prima non era visibile è sempre molto interessante, " ha concluso Yamasaki. "La gente potrebbe dire che i professionisti già 'vedono' questo tipo di modelli, ma riuscire a mostrare numericamente e oggettivamente la somiglianza tra i marchi è una novità. Il nostro algoritmo è dimostrabilmente più efficace del giudicare queste cose basandosi solo sull'intuizione".