Social media analytics

Questa lezione appartiene al binario tabellare: il lavoro si svolge tra tabelle di metriche, coorti e conteggi di sentiment, più che tra modelli statistici. Il valore dei social non sta nei like o nelle views assolute, ma nel tradurle in decisioni sotto incertezza. Un post raccoglie molti commenti, un altro pochi ma con sentiment migliore e traffico più qualificato. Se guardi solo reach o like premi il rumore. Se guardi solo le conversioni perdi i segnali di domanda futura.

La misura di visibilità, conversazione e impatto

La social media analytics misura visibilità, qualità della conversazione e impatto economico dei canali social con metriche coerenti per decidere dove investire tra organico, paid e influencer.

Sei passi per misurare i social

1. Mappa ogni obiettivo di business al livello del funnel con le sue metriche, dalla reach al ricavo.
2. Centralizza spesa, performance e audience in un warehouse unico invece dei soli report nativi.
3. Misura organico per Engagement Rate by Reach e qualità dei commenti, non per like assoluti.
4. Misura il paid su ROAS per coorte e LTV, con alert di creative fatigue per fascia di frequenza.
5. Misura gli influencer su conversioni tracciate e lift su coorti esposte, oltre la reach dichiarata.
6. Riconcilia ogni settimana speso, traffico e conversioni contro backend e archivia le metriche che non muovono scelte.

Un framework gerarchico per la misurazione

Non tutte le metriche social pesano allo stesso modo. Un like su un post awareness non vale un click su un retargeting. Serve un framework che mappi le metriche sugli obiettivi, lungo un funnel. In awareness misuri reach, impressions, frequenza e share of voice: quanta audience raggiungi e quanto pesi sul mercato. In engagement misuri engagement rate by reach, qualità dei commenti e save rate: la qualità dell’interazione. In conversione misuri CTR, conversion rate dal social e assisted conversions: il legame coi risultati economici. Così l’analisi passa dai numeri isolati alle indicazioni operative.

Verdetto: la metrica vale solo dentro il suo livello del funnel, perché la reach non giudica la conversione e il like non giudica il fatturato.

Paid social e ottimizzazione del ROAS

Le campagne a pagamento richiedono dati unificati e analisi granulari. Oltre i report nativi, con pipeline che centralizzano spesa, performance e audience in un warehouse, ottieni analisi cross-canale e margine di ottimizzazione. Un modello dbt che unifica Facebook e TikTok, ad esempio, abilita analisi di creative fatigue e alert per sostituire gli annunci esausti.

La disciplina operativa ha tre punti. Primo, ottimizza per coorte e LTV, non per ROAS a sette giorni: le creatività che portano clienti piccoli sembrano efficienti e affossano il margine. Secondo, sorveglia la frequenza per fascia e ruota le creatività quando il CTR cala a parità di pubblico: la fatigue arriva prima di quanto i report suggeriscano. Terzo, separa prospecting e retargeting in budget e target: mescolarli premia chi raccoglie domanda esistente e affama chi la crea.

L’economia degli influencer

L’influencer marketing non si esaurisce in reach e like. Misura le conversioni dirette con link UTM e codici sconto unici. Misura anche gli effetti indiretti con metodi quasi-sperimentali come geo-lift e analisi di coorte.

Caso di studio Airbnb

Airbnb ha spostato il focus dalla reach all’engagement qualificato, misurando il Wishlist Add Rate (WAR). I micro-influencer di nicchia generano un WAR doppio rispetto ai mega-influencer. Questo ha portato a riallocare budget verso utenti con maggiore intenzione di viaggio.

La lezione è generale: il costo per follower premia la fama, il costo per azione qualificata premia l’intenzione. Chi compra reach compra pubblico. Chi compra azioni qualificate compra domanda.

Verdetto: micro-influencer con intento misurato battono mega-influencer con reach dichiarata, perché il tasso di azione qualificata decide il ritorno e i follower no.

Social listening e analisi del contenuto

Il social listening monitora menzioni, competitor e temi per leggere brand health, competitive intelligence e product insights. Un esempio è l’analisi del sentiment in Python with TextBlob, che trasforma testi in metriche quantitative.

from textblob import TextBlob

comments = [
    "Questo prodotto è assolutamente fantastico, ha cambiato la mia routine!",
    "La spedizione è stata un disastro, tre settimane di ritardo e pacco danneggiato.",
    "Non male, fa il suo lavoro. Forse un po' caro.",
    "Lo adoro! Lo comprerò di nuovo sicuramente. Consigliatissimo.",
    "Pessima esperienza con il servizio clienti, non rispondono mai.",
    "Il prodotto è ok, ma la descrizione sul sito non era chiara."
]

positive_count = 0
neutral_count = 0
negative_count = 0

print("Analisi del Sentiment dei Commenti:")
for comment in comments:
    polarity = TextBlob(comment).sentiment.polarity
    if polarity > 0.1:
        sentiment = "Positivo"
        positive_count += 1
    elif polarity < -0.1:
        sentiment = "Negativo"
        negative_count += 1
    else:
        sentiment = "Neutro"
        neutral_count += 1
    print(f"- '{comment[:50]}...' -> Sentiment: {sentiment} (Polarity: {polarity:.2f})")

sentiment_score = (positive_count - negative_count) / max(1, positive_count + negative_count)
print(f"\nSentiment Score Complessivo: {sentiment_score:.2f}")
print(f"Riepilogo: {positive_count} Positivi, {neutral_count} Neutri, {negative_count} Negativi")

Il sentiment grezzo va sempre incrociato con volume e temi: un peggioramento del punteggio su volumi triplicati dopo un lancio racconta una storia diversa dallo stesso punteggio su volumi stabili. E i modelli a lessico vanno calibrati sulla lingua reale dei commenti, ironia e gergo inclusi, prima di fidarsi del numero.

Un caso reale: il ROAS per SKU di Zalando

Zalando ottimizza il ROAS a livello di SKU e di LTV dei clienti invece che sul solo costo per click di piattaforma. Le creatività Instagram Stories con contenuti street style generano un ROAS superiore del 18% e uno scontrino medio più alto del 12%. Riallocando budget verso questi contenuti la società aumenta il ROAS del 7% e riduce il CPA per i clienti di alto valore. Il caso mostra la gerarchia giusta: formato e contenuto si giudicano su valore del cliente, non su like.

Domande di autoverifica

1. Perché un post con molti like può valere meno di uno con pochi commenti qualificati?
2. Quando il ROAS di piattaforma del paid social mente sul margine reale?
3. Cosa distingue il costo per follower dal costo per azione qualificata negli influencer?
4. Perché il sentiment va letto insieme a volumi e temi prima di decidere?