I Data Analyst analizzano il profilo reputazionale di Eni su Twitter

I Data Analyst presentano i loro project work elaborati secondo tecniche di Data Analysis e Machine Learning

C

ome è possibile creare progetti concreti che rispondano ai reali bisogni di business di un’azienda?
Partendo dai dati, naturalmente, come hanno fatto i giovani Data Analyst della seconda edizione di Business Data Analysis Master, presentando dei project work di gruppo realizzati con l’obiettivo di rispondere ai reali bisogni di business di Eni, partner del Master Part Time. Massimizzando le sinergie con l’Eni Data Science Lab (che ha l’obiettivo di monitorare real-time le conversazioni sul web, analizzare i big data e elaborare insight specifici per la misurazione della comunicazione) nell’ambito della sperimentazione di algoritmi e di data visualization, gli studenti hanno analizzato la Corporate Reputation di Eni. 

Curiosi di conoscere nello specifico il secondo progetto elaborato con tecniche di Data Analysis e Machine Learning nell’ambito della Corporate Reputation, abbiamo intervistato Francesca Bartoli, Francesco Evangelisti, Daniele Magnaldi, Lisa Nussio e Simone Porcellini autori del progetto Il caso twitter: analisi del profilo reputazionale di Eni sul social network. 

T: Qual è l’obiettivo del progetto?

Il focus del nostro project work è la Corporate Reputation di Eni su Twitter. Abbiamo analizzato le interazioni dell’azienda con la propria rete di riferimento, le relazioni all’interno della rete stessa e i tratti distintivi dei suoi watcher più influenti, con l’obiettivo ultimo di evidenziare strategie che contribuiscano a migliorarne la percezione social.

T: Come avete strutturato il progetto?

In una prima fase abbiamo descritto l’attività Twitter legata a Eni in un arco temporale di circa un mese, mettendo in relazione picchi o anomalie sul volume di messaggi con i principali eventi e notizie legati all’azienda attraverso ricerca su Google News.
In una seconda fase, usando gli stessi dati (tweet legati ad Eni con relativo sentiment), abbiamo individuato i principali detrattori e sostenitori.
Quindi, per definire le specificità comuni agli haters, abbiamo analizzato la loro attività su Twitter (riferita agli ultimi 10.000 post) e identificato i temi più frequenti. Abbiamo infine studiato la rete complessiva considerando il numero di volte in cui un utente viene condiviso da un altro, per determinare le relazioni interne e con l’azienda.

T: E cosa è emerso?

La particolarizzazione di rete separando hashtag e mention ci ha permesso di capire come Eni sia scollegata dalla sua rete di riferimento sia a livello qualitativo che quantitativo, con interazioni significative solo nel caso di eventi polarizzanti, come ad esempio la puntata-accusa di Report.

 


Pubblicato il: 23 Giugno 2017