Il 1° settembre abbiamo annunciato con orgoglio i vincitori di quest’anno (e i primi in assoluto) del Precis Thesis Award! Nonostante la presenza di molti lavori eccellenti, una tesi si è distinta come vincitrice indiscussa. La tesi vincitrice,intitolata “Text mining into customers’ minds”, è stata redatta da Viktor Alfredsson, Jakob Ferenius e Rebin Naderi, studenti della Facoltà di Economia e Management dell’Università di Lund. La settimana scorsa abbiamo avuto l’opportunità di invitarli nella nostra sede di Stoccolma per ascoltare la presentazione della loro tesi e, naturalmente, per congratularci con loro per la vittoria!

Fin dall’inizio, la visione di Precis è stata quella di definire l’agenzia di marketing digitale di nuova generazione. In quest’ottica, abbiamo indetto un concorso di tesi con l’obiettivo di valorizzare la ricerca accademica innovativa e di incoraggiare gli studenti a contribuire con nuove intuizioni nel campo del marketing digitale.

Lo studio approfondisce le modalità di utilizzo delle tecniche di text mining per estrarre informazioni utili da dati non strutturati generati dai consumatori. Lo scopo della tesi era quello di sviluppare un metodo di text mining per ricavare reti di associazioni di marca da recensioni online non strutturate dei clienti e di esplorare in che modo tale metodo possa contribuire allo sviluppo di strategie di gestione del marchio più efficaci. Lo studio si è concentrato sul settore alberghiero ed ha esaminato in che modo fosse possibile ricavare le associazioni di marca utilizzando un approccio di text mining, come tali associazioni fossero correlate alle valutazioni degli hotel e quali informazioni gestionali si potessero ricavarne.

Il text mining è un metodo derivato daldata mining, ovvero dall’insieme dei metodi automatizzati della scienza dei dati volti a estrarre informazioni utili da grandi quantità di dati. Mentre il data mining si concentra sui dati in senso più generale, il text mining mira a estrarre informazioni utili da dati testuali non strutturati. Sebbene il text mining sia già stato utilizzato in passato per analizzare le recensioni dei consumatori, la ricerca non ha ancora sfruttato appieno il suo potenziale.

“Gli studenti, in generale, tendono a privilegiare un metodo qualitativo per la loro tesi, ma noi eravamo un po’ stanchi di questo approccio; volevamo utilizzare un metodo quantitativo e fare qualcosa di nuovo ed entusiasmante. Considerando la mole di informazioni disponibili sotto forma di recensioni dei clienti, abbiamo pensato che dovesse esserci un modo per strutturare tali dati, ed è così che ci siamo avvicinati a questo argomento. Fortunatamente, uno di noi aveva già alcune conoscenze di programmazione e, di conseguenza, siamo riusciti a sviluppare un metodo in cui abbiamo realizzato gran parte dell’automazione partendo da zero. Con il nostro metodo, speriamo di contribuire alla comprensione di come estrarre questo tipo di dati testuali e di come strutturarli per poter ricavarne informazioni preziose.”
– Autori della tesi

La tesi vincitrice è stata selezionata da una giuria interna composta da colleghi di Precis e, come si legge nella motivazione riportata di seguito, i membri della giuria sono rimasti colpiti dalla scelta metodologica degli studenti;

“Con un elevato grado di innovatività, gli studenti vincitori hanno utilizzato una metodologia pertinente e hanno apportato nuovi spunti al settore del marketing digitale. La giuria ha convenuto che la tesi presenta un’elevata qualità complessiva; è ben scritta, approfondisce un argomento interessante e introduce una metodologia che potrebbe rivelarsi rilevante per creare una nuova dimensione nel marketing digitale. Siamo rimasti inoltre molto colpiti dal fatto che gli studenti abbiano utilizzato l’automazione, una notevole quantità di dati e le tecnologie più recenti per giungere alle loro conclusioni.”
– La giuria di Precis

Sebbene lo studio si sia concentrato sul settore alberghiero, il quadro di riferimento del text mining può essere applicato ad altri settori che dispongono di dati non strutturati generati dai consumatori, quali i post sui social media o le risposte aperte ai sondaggi. Lo studio dimostra che le enormi quantità di contenuti non strutturati generati dagli utenti presenti sul web possono fornire preziose informazioni strategiche nei settori in cui la competitività dipende dal mantenimento di un’immagine di marca positiva. Le tecniche e i modelli proposti nello studio possono quindi fornire spunti preziosi per la pianificazione e l’attuazione delle strategie di marketing digitale.

“Esistono, ovviamente, studi sulle recensioni dei clienti e casi in cui tali dati sono stati analizzati, ma abbiamo avuto l’impressione che la maggior parte delle aziende, pur raccogliendo queste informazioni, non le colleghi alle proprie attività di marketing. L’approccio basato sul text mining alle recensioni online dei clienti è ancora in gran parte inesplorato, ma da esso è possibile ricavare molte informazioni utili. Si possono avere migliaia di risposte su ciò che i clienti pensano realmente del proprio marchio, ma spesso è difficile ottenere un quadro completo. Questo vale per i dati non strutturati in generale: spesso è difficile ottenere una visione d’insieme e un quadro completo».
– Autori della tesi

Lo studio esplora e integra nuove tecniche di data science e machine learning nel campo del marketing e può essere considerato un complemento ad altre fonti di dati e metodi per ottenere approfondimenti nell'ambito delle strategie di gestione del marchio.

“Riteniamo che questo metodo non debba sostituirsi agli altri metodi o modalità di raccolta dei dati, ma piuttosto fungere da complemento. Ovviamente, non si dovrebbero ignorare altre modalità di raccolta dei dati, come i questionari e i focus group, poiché hanno un grande valore e consentono di approfondire i dettagli e ottenere informazioni mirate.”

I nostri dati offrono un quadro più generale. Il vantaggio è che, dato che disponiamo di una grande quantità di dati, è effettivamente possibile trarre conclusioni generali sui risultati. Abbiamo effettuato test t e altri test statistici, dai quali è emerso che i risultati presentano un’elevata probabilità. Si tratta di qualcosa che, ad esempio, non sarebbe possibile fare in un focus group, dove il campione è molto ristretto.

D’altra parte, poiché le nostre analisi si collocano a un livello piuttosto generale, potrebbe risultare difficile ottenere un quadro più dettagliato. Con il nostro metodo, si eliminano le opinioni estreme alle due estremità e si ottiene, per così dire, solo il quadro generale, tralasciando le “analisi di nicchia”. Ma naturalmente ogni metodo presenta vantaggi e svantaggi.”
– Autori della tesi

Ottimo lavoro e, ancora una volta, complimenti a Viktor, Rebin e Jakob!

Purtroppo, il 2021 è stato l'ultimo anno in cui abbiamo assegnato il nostro Premio di Tesi. Vi invitiamo a visitare la nostra pagina dedicata alle opportunità di lavoro per scoprire altre opportunità riservate agli studenti.