e-Learning - UNIMIB - Sistemi Informativi AA 2019-20 · 2020-03-09 · L’evoluzione della...

36
Sistemi Informativi AA 2019-20 Social Media Analytics Roberto Boselli [email protected]

Transcript of e-Learning - UNIMIB - Sistemi Informativi AA 2019-20 · 2020-03-09 · L’evoluzione della...

Page 1: e-Learning - UNIMIB - Sistemi Informativi AA 2019-20 · 2020-03-09 · L’evoluzione della misurazione}Dalla Web Analytics alla Social Media Analytics:}Nel Web 1.0 la modalità prediletta

Sistemi InformativiAA 2019-20

Social Media Analytics

Roberto [email protected]

Page 2: e-Learning - UNIMIB - Sistemi Informativi AA 2019-20 · 2020-03-09 · L’evoluzione della misurazione}Dalla Web Analytics alla Social Media Analytics:}Nel Web 1.0 la modalità prediletta

Social Media Analytics

} Nuovadisciplinaingradodi“aiutareleaziendeamisurare,valutareespiegareleperformancedelleiniziativesuisocialmedianelcontestodispecificiobiettividibusiness”(LovetteOwyang2010)

} Focussuobiettivialungotermineesulvaloreeconomicoprodottodaquestimedia…enonsoltantosu:} Otticadibreveperiodo} Metricheimpostedallepiattaforme(numerofanofollower)} Misureexpost

Page 3: e-Learning - UNIMIB - Sistemi Informativi AA 2019-20 · 2020-03-09 · L’evoluzione della misurazione}Dalla Web Analytics alla Social Media Analytics:}Nel Web 1.0 la modalità prediletta

Verso la misurazione

} Ilsocialèunnuovoparadigmaperconnettereecoinvolgeresulargascalagruppidiindividuinellaco-produzionedivalore

} Unparadigmachevainseritoinmodomisurabileinquellocheleaziendefannogià,maattraversolevefinorasparseinpostidiversi

} Tutteleattivitàsuisocialmediadevonoesserecoerenticonipiùampiobiettividibusiness

} Lamisurazionenonèattivitàdasvolgereexpost,necessitadiunframework diriferimentoingradodiguidarel’analista eilsocialmediamanagernell’esecuzionediunastrategiadisuccesso

Page 4: e-Learning - UNIMIB - Sistemi Informativi AA 2019-20 · 2020-03-09 · L’evoluzione della misurazione}Dalla Web Analytics alla Social Media Analytics:}Nel Web 1.0 la modalità prediletta

L’evoluzione della misurazione

} DallaWebAnalyticsallaSocialMediaAnalytics:} NelWeb1.0lamodalitàpredilettadagliespertidimarketingperl’identificazionedelconsumodicontenutiinReteeralamisurazionedelnumerodipagineviste

} NelWeb2.0sièpassatiallamisurazionedeltempodifruizione,peresempio:} tempodipermanenzainunsito,} fruizionediunvideo,} qualitàdeltempoinunacommunity(numerodiinterazioni)} …

Page 5: e-Learning - UNIMIB - Sistemi Informativi AA 2019-20 · 2020-03-09 · L’evoluzione della misurazione}Dalla Web Analytics alla Social Media Analytics:}Nel Web 1.0 la modalità prediletta

L’evoluzione della misurazione (2)

} Dalclicall’evento:} Consitiricchidicontenuticomplessi,ilclicsmettediessereunindicatoredellaqualitàdell’esperienzadell’utente

} Sipassaallamisurazionedeglieventichepermettediinterpretarel’interazionedegliutenticonglioggettimediali(es.configurareautoèunesempiodiesperienza,misurataattraversodiversi“eventi”)

} Ilparadigmainteraction-based èunmodellopermisurareleattivitàbasatosullarilevazionedelleinterazionitrautentieoggetti

} Dall’interazioneallenuovemisurazionisociali:} Tassodiconversione:rapportotrailnumerodeivisitatoricheaccedonoadunapaginaequantidiquesticompionounadeterminataazione(es.acquistodiprodotto)

} Tassodiconversazione:rapportotrapostpubblicatiinuncertoarcotemporaleecommentichehannogenerato

Page 6: e-Learning - UNIMIB - Sistemi Informativi AA 2019-20 · 2020-03-09 · L’evoluzione della misurazione}Dalla Web Analytics alla Social Media Analytics:}Nel Web 1.0 la modalità prediletta

Socialmonitoring

Sociallistening

SocialIntelligence

SocialAnalytics

Ciclo completo Social Analytics

Page 7: e-Learning - UNIMIB - Sistemi Informativi AA 2019-20 · 2020-03-09 · L’evoluzione della misurazione}Dalla Web Analytics alla Social Media Analytics:}Nel Web 1.0 la modalità prediletta

Dal monitoring all’analytics

} Socialmonitoring:quandoilprocessodiascoltodellaretesilimitaadunafasedicrawling

} Sociallistening:quandoilmonitoraggiodellefontionlineprevedeunascoltopiùstrutturato,conunafasedicomprensionedellarete,chepermetteanchedirilevareilsentimentdelleconversazioni

} SocialIntelligence:trasformazionedeidatisocialindatiutiliperilbusinessattraversolalorointegrazione conidatiprovenientidaiSIA

} SocialAnalytics:ciclocompleto,partendodalSocialWorld,integrarloconleprocedureinternepereffettuareanalisiavanzatesuidati,dallaSentimentAnalysisadanalisidiSocialIntelligence

Page 8: e-Learning - UNIMIB - Sistemi Informativi AA 2019-20 · 2020-03-09 · L’evoluzione della misurazione}Dalla Web Analytics alla Social Media Analytics:}Nel Web 1.0 la modalità prediletta

Un po’ di statistiche

Il57%delleimpreseitalianeadottasoluzionidiSocialAnalytics,diqueste,il19%haavviatoiniziativediSocialListeningeil7%hasperimentatoattivitàdiintegrazionetradatiinterniedesterniconlaSocialIntelligence

Fonte: Politecnico “L’adozione di soluzioni di Social Analytics (Censimento su un campione di 100 organizzazioni)”

Page 9: e-Learning - UNIMIB - Sistemi Informativi AA 2019-20 · 2020-03-09 · L’evoluzione della misurazione}Dalla Web Analytics alla Social Media Analytics:}Nel Web 1.0 la modalità prediletta

Le fonti online utilizzate

Page 10: e-Learning - UNIMIB - Sistemi Informativi AA 2019-20 · 2020-03-09 · L’evoluzione della misurazione}Dalla Web Analytics alla Social Media Analytics:}Nel Web 1.0 la modalità prediletta

Aziende italiane e monitoraggio

Page 11: e-Learning - UNIMIB - Sistemi Informativi AA 2019-20 · 2020-03-09 · L’evoluzione della misurazione}Dalla Web Analytics alla Social Media Analytics:}Nel Web 1.0 la modalità prediletta

Fasi progetto SMA

Page 12: e-Learning - UNIMIB - Sistemi Informativi AA 2019-20 · 2020-03-09 · L’evoluzione della misurazione}Dalla Web Analytics alla Social Media Analytics:}Nel Web 1.0 la modalità prediletta

Obiettivo della misurazione

} Isocialmediarichiedonoattivitàduratureecontinuativeconl’obiettivodicreareunaconnessionetral’azienda,lesuepersoneelealtrepersoneattivecheabitanoiluoghisocialidellaRete

} LaSMAdeveanchefornireconoscenzautileamigliorareiprocessiaziendali,contributipraticiperspingerel’aziendaasoddisfareleesigenzedellepersone

=>raccomandazioniperidecisoriaziendali

Page 13: e-Learning - UNIMIB - Sistemi Informativi AA 2019-20 · 2020-03-09 · L’evoluzione della misurazione}Dalla Web Analytics alla Social Media Analytics:}Nel Web 1.0 la modalità prediletta

La scala dei bisogni analitici} Idatimostranounframmentodi

realtà(n.downloadapp)

} Leinformazionisonodatilavoratiefornisconoun’interpretazione(menzioniepiccodifan)

} Gliinsightsonoinfoanalizzateeapprofonditeallalucedelleconoscenzedell’analista(feedbackdeifanpermigliorareapp)

} Leraccomandazionisonoconsiglipuntualichepossonoesseremessiinpraticaperunavanzamentoimmediato(creareprogrammachericonoscavalorefan) * Sforzo di analisi e valore informativo di business

*

fonte: http://vincos.it da Abraham Maslow

Page 14: e-Learning - UNIMIB - Sistemi Informativi AA 2019-20 · 2020-03-09 · L’evoluzione della misurazione}Dalla Web Analytics alla Social Media Analytics:}Nel Web 1.0 la modalità prediletta

Esempio: Twitter & Instagram campaigns

Page 15: e-Learning - UNIMIB - Sistemi Informativi AA 2019-20 · 2020-03-09 · L’evoluzione della misurazione}Dalla Web Analytics alla Social Media Analytics:}Nel Web 1.0 la modalità prediletta

Esempio: Twitter & Instagram campaigns

Page 16: e-Learning - UNIMIB - Sistemi Informativi AA 2019-20 · 2020-03-09 · L’evoluzione della misurazione}Dalla Web Analytics alla Social Media Analytics:}Nel Web 1.0 la modalità prediletta

Bussola per obiettivi di business

Fonte: Altimeter Group

Page 17: e-Learning - UNIMIB - Sistemi Informativi AA 2019-20 · 2020-03-09 · L’evoluzione della misurazione}Dalla Web Analytics alla Social Media Analytics:}Nel Web 1.0 la modalità prediletta

Framework di misurazione strategico

} AllinearelastrategiaSMagliobiettividibusiness} Identificarelemetriche,dibusinessespecifiche} Valutarelapreparazionedellepersonecheformanol’aziendaamisuraree,soprattutto,acomprendereiSM

} ScegliereletecnologieadatteamisurarelapresenzaeleattivitàsuiSM

Fonte: Altimeter Group

Page 18: e-Learning - UNIMIB - Sistemi Informativi AA 2019-20 · 2020-03-09 · L’evoluzione della misurazione}Dalla Web Analytics alla Social Media Analytics:}Nel Web 1.0 la modalità prediletta

Framework di misurazione

fonte: http://vincos.it

MigliorarelaCustomerExperience,riducendoicostioperativi

Riduzionechiamatealcallcenterperaverspostatorisorseversoilsocialcare

+problemirisoltiviasocialcare+sentimentpositivo

Tecnicheestrumentidianalisi

Page 19: e-Learning - UNIMIB - Sistemi Informativi AA 2019-20 · 2020-03-09 · L’evoluzione della misurazione}Dalla Web Analytics alla Social Media Analytics:}Nel Web 1.0 la modalità prediletta

Analisi delle relazioni, o SM mapping

} Dinamichedicontatto:conoscerechièlegatoachi?Chiseguechi?Chisonoimieifan?Comesirelazionano?

} Dinamicheconversazionali:identificaregli“amplificatori”diinformazioneegliopinionleader(influencer)onlineStrumenti:

} SocialNetworkAnalysis} Apartiredasingoloprofilo(Tw),pagina(FB),fonte(blog):

} Networkdifollower e/odipost/tweet checitanoorispondonoaquellidell’utentedipartenza(L’oracolodiK.Bacon)

} Apartiredatema/hashtag/thread (sublogesocialnetwork):} Networkbasatosuidifferentitipidilegamireciprocitraipost/tweet incuicomparel’hashtag/temaindicato

Page 20: e-Learning - UNIMIB - Sistemi Informativi AA 2019-20 · 2020-03-09 · L’evoluzione della misurazione}Dalla Web Analytics alla Social Media Analytics:}Nel Web 1.0 la modalità prediletta

Social Network Analysis: esempio

Page 21: e-Learning - UNIMIB - Sistemi Informativi AA 2019-20 · 2020-03-09 · L’evoluzione della misurazione}Dalla Web Analytics alla Social Media Analytics:}Nel Web 1.0 la modalità prediletta

Star Wars social network

May the network be with you!

Page 22: e-Learning - UNIMIB - Sistemi Informativi AA 2019-20 · 2020-03-09 · L’evoluzione della misurazione}Dalla Web Analytics alla Social Media Analytics:}Nel Web 1.0 la modalità prediletta

Analisi delle conversazioni

L’obiettivoèdimonitorarelostatodisalutedelbrand,attraversol’analisidelpassaparolaonline(wordofmouth),mettendoinevidenzagliaspettipiùcriticieimessaggipiùrilevanti

KPIedomande:} Strenght(Quantoseneparla):numerodicitazioni(shareofbuzz)} Topics(Dicosasiparla):tematicheprincipali,trendneltempo} ViralityeReach(Comesidiffonde):quantosidiffondeinreteunmessaggioequantepersonesonostateraggiunte

} Sentiment(Comeseneparla):percezioneonline(positivo,negativo,neutrale)

} Source(Doveseneparla):analisidellefontiedellalororilevanza} Influence(Chineparla):analisidichineparlaequantoèinfluente

Page 23: e-Learning - UNIMIB - Sistemi Informativi AA 2019-20 · 2020-03-09 · L’evoluzione della misurazione}Dalla Web Analytics alla Social Media Analytics:}Nel Web 1.0 la modalità prediletta

Analisi del Sentiment

Sentiment analysis (qualitativa):analisisemanticadelmessaggioperidentificaresel’opinioneespressaversoun’azienda,unprodottoounservizio,èpositiva,negativaoneutrale}Modellodistudiodellapersonalità(5Dimensionidellapersonalità- Talking Style)analisideglistilidicomunicazionedeitestibasatasullaTeoriadeiBigFive (McCrae eCosta):

} Estroversione;Gradevolezza(Amabilità);Coscienziosità;Nevroticismo (StabilitàEmotiva);Aperturaall’esperienza

} Leemozioni(piacere,tristezza,gioia,rabbia,disgusto,amore,dispiacere,paura,stupore)

} Esempio:AnalisidellaFelicitàdelleprovinceitalianedaTwitter (Voicesfromtheblogs)

Unlimiteèladifficoltàdiriconoscereatteggiamentiambigui,l’ironia,ilsarcasmoecc.

Page 24: e-Learning - UNIMIB - Sistemi Informativi AA 2019-20 · 2020-03-09 · L’evoluzione della misurazione}Dalla Web Analytics alla Social Media Analytics:}Nel Web 1.0 la modalità prediletta

Perché fare Sentiment?

1. Gestireipostcriticisuisocialmedia2. MigliorarelaCustomerExperience3. Analizzareilancidiprodotto4. Valutarel'impattodellesponsorizzazioniedelleattivitàdi

CSR5. Scoprirenuovetendenzedimercato6. Mantenerelaqualitàdelserviziosuscalanazionale,

internazionaleeglobale7. MonitorarelapopolaritàdelManagement

Page 25: e-Learning - UNIMIB - Sistemi Informativi AA 2019-20 · 2020-03-09 · L’evoluzione della misurazione}Dalla Web Analytics alla Social Media Analytics:}Nel Web 1.0 la modalità prediletta

Consumer sentiment

Page 26: e-Learning - UNIMIB - Sistemi Informativi AA 2019-20 · 2020-03-09 · L’evoluzione della misurazione}Dalla Web Analytics alla Social Media Analytics:}Nel Web 1.0 la modalità prediletta

Come funziona la Sentiment?

Dueapprocci:1. sentiment analysis basatasul rilevamentoelavalutazione

dellekeyword:} Unsetdiparoleidentificatecomechiaveneimessaggi,aqueste

parolevieneassegnatounvalorepositivoonegativo.Ognivoltachelostrumentorilevaquesteparolechiaveassegnaunvalorepositivoonegativoall’interomessaggio

} Moltilimiti,untweet sarcasticoclassificatoerroneamente;nonsiriesceacontestualizzareilmessaggio,illivellodiaccuratezzadell’analisivariageneralmentedal 50%all’80%

} =>Aggiuntadiregolechecreanomodellidiassociazionepiùampi} Forniscerisultativalidisolosevoltoadindividuarel’andamento

macroditrendmoltodiscussioseapplicatosulargascala

Page 27: e-Learning - UNIMIB - Sistemi Informativi AA 2019-20 · 2020-03-09 · L’evoluzione della misurazione}Dalla Web Analytics alla Social Media Analytics:}Nel Web 1.0 la modalità prediletta

Come funziona la Sentiment?

Dueapprocci:2. sentiment analysis basatasu categoriecustomizzate:

} Gliutentipossonostabilirecategorieconlequaliclassificaremanualmentealcunedecinedirisultati,checostituisconoiltrainingset,eimpostarecosìleregolechel’algoritmodovràpoiseguire} Offreun livellodiprecisione maggioredeirisultati} Limiti:richiedeunsignificativoinvestimentoalivelloditempo,eparametrimoltorigidiperlaclassificazionedeirisultati,questoapprocciorestituisceunnumerolimitatodirisultati

Page 28: e-Learning - UNIMIB - Sistemi Informativi AA 2019-20 · 2020-03-09 · L’evoluzione della misurazione}Dalla Web Analytics alla Social Media Analytics:}Nel Web 1.0 la modalità prediletta

Un terzo approccio: Sentiment e AI

} Algoritmicheclassificanoicontenutisull’analisidell’interafrase,riuscendocosìacontestualizzareilcontenutodiuntweet,unpostounarticolo,eadinterpretareconprecisionel’opinionedeiconsumatori

} Utilizzanomodellidideep learning ingradodisimularelefunzionicognitivedelcervelloumano,latecnologiaèingradodidistinguereecomprendere complessestrutturelinguistiche,cosìcome interefrasi e formesemplicidisarcasmoeironia

} Laprecisionedeirisultatiaumentaall’aumentaredeltrainingsetutilizzatoperallenarelamacchina

Page 29: e-Learning - UNIMIB - Sistemi Informativi AA 2019-20 · 2020-03-09 · L’evoluzione della misurazione}Dalla Web Analytics alla Social Media Analytics:}Nel Web 1.0 la modalità prediletta

Analisi delle interazioni: metriche

Quattrotipologiedimisurazione(Lovett2011):1. Countingmetrics,metrichespecificheperciascunapiattaformasocialeutilizzata(fan,follower,likeecc.)

2. Businessvaluemetrics,metrichechehannounriflessosulcorebusiness:impattosulfatturato,sullasoddisfazione,suriduzionecostiecc.

3. Foundationalmeasures,ometrichefondanti,applicabiliatuttiicanalidicomunicazioneeattivitàsocial:interaction,engagement,influence,advocacy,impact(ROI)

4. Outcomemetrics(KPI),indicatorichiavediperformance

Page 30: e-Learning - UNIMIB - Sistemi Informativi AA 2019-20 · 2020-03-09 · L’evoluzione della misurazione}Dalla Web Analytics alla Social Media Analytics:}Nel Web 1.0 la modalità prediletta

Esempi di Counting metrics

Blog Visite,Visitatoriunici,Pagineviste,Tempodipermanenza,Citazionidaaltriblog,Commenti,Condivisionisuisocialmedia

Twitter Follower,Menzioni,Listeincuisièinseriti,Tweet preferitidaaltri

Facebook LikeroFan,Peopletalkingabout,EngagedUser,Reach,Impression,Virality

YouTube Iscritti,Visualizzazionideicanali,Visualizzazionisuisingolivideo,Like,Commenti

Illimiteèchepossonocambiareneltempoinrelazioneainuoviobiettividellapiattaformasocialespessosipreferiscevalutarledinamicamenteneltempooppurevengonocombinatepercrearerapportiutiliefaremergerefenomeninascosti

Page 31: e-Learning - UNIMIB - Sistemi Informativi AA 2019-20 · 2020-03-09 · L’evoluzione della misurazione}Dalla Web Analytics alla Social Media Analytics:}Nel Web 1.0 la modalità prediletta

Business value metrics

Tralemetrichepiùimportanti:} Impattosulfatturato:medianteunapreventivaprogettazioneèpossibiledeterminareilcontributocheunaspecificaattivitàsuisocialmedia haavutosulfatturato;

} Impattosullasoddisfazione:vienemisurataattraversoricerchedimercatomaancheattraversoazionisocial,cioèmonitorandoleinterazioniavvenute,sottoponendoagliutentiunquestionarioon-line perdeterminareilnetpromoterscore,cioèunindicatoredisoddisfazioneutilizzatodamolteimprese;

} Marketshare:permettedimisurareleattivitàsuisocialmedia interminidivantaggiocompetitivo,maanchediimpattoallariduzionedeicosti.

Nonsempresonocomprensibiliinegualmododaivaristakeholdersdell’azienda

Page 32: e-Learning - UNIMIB - Sistemi Informativi AA 2019-20 · 2020-03-09 · L’evoluzione della misurazione}Dalla Web Analytics alla Social Media Analytics:}Nel Web 1.0 la modalità prediletta

Metriche fondanti

UtiliacostruireKPIspecificiperobiettivi,ecomebenchmark:} Interaction:misuralarispostaottenutaadeterminatistimoli(commentisublog,condivisionedilink,compilazionemoduli)

} Engagement:ilgradodicoinvolgimentonelcompiereunacertaazione,misuraconpuntida1a100epesil’attenzioneepartecipazioneindividuale(likepesamenodishare)

} Influence:indicapoterechepersona/aziendahaneldeterminareleazionidialtri(difficiledacomparareconaltre)

} Advocacy:misuralacapacitàdiunbranddiesserecosìamatodaindurreifanaparlarnebene,mossisolodapassione

} Impact:abilitàdipersone/gruppineldeterminareilrisultatodesideratodiun’azione,connessoconobiettivibusiness(ROI)

Page 33: e-Learning - UNIMIB - Sistemi Informativi AA 2019-20 · 2020-03-09 · L’evoluzione della misurazione}Dalla Web Analytics alla Social Media Analytics:}Nel Web 1.0 la modalità prediletta

Outcome metrics o metriche di risultato

} Lemetrichedirisultatooindicatoridiperformancesonocreatepercomprendereilgradodiapprossimazioneaunobiettivopredeterminato

} Sonocostruiteinfunzionediunospecificoobiettivo,ebisognaancheindividuarequellemetrichechepotrebberoessererealmenteinteressantiperun’azienda

} SeiobiettiviaiqualiassociaredeiKPI(KeyPerformanceIndicators):} incrementarelavisibilità,} promuovereildialogo,} generareinterazioni,} facilitareilsupporto,} promuoverel’advocacy} stimolarel’innovazione

Page 34: e-Learning - UNIMIB - Sistemi Informativi AA 2019-20 · 2020-03-09 · L’evoluzione della misurazione}Dalla Web Analytics alla Social Media Analytics:}Nel Web 1.0 la modalità prediletta

Griglia delle Outcome metricsObiettivo KPI Formula

incrementarevisibilità(persistenza)

reach visitatoriunici+sharesuFBx180+sharesuTWx126

shareofvoice citazionibrand/citazionitotali(brand+concorrenti)

promuoveredialogoengagement (commenti+share+citazioni)/visualizzazioni

totali

volumeconversazioni reach xengagement

generareinterazioni tassodiconversione personechecompletanoilprocesso/personetotaliesposte

facilitaresupportotassodirisoluzioneproblemi problemirisolti/totaleproblemi

tassosoddisfazione(netpromoterscore) %promotori-%detrattori

promuovereadvocacy tassodiattività membriattivi/totalepartecipantiprogramma

stimolareinnovazione(crowdsourcing)

indiceideeinteressanti ideepertinenti/totaleideepervenute

indiceimpattoidee ideepiùapprezzatedaimembri/totideepervenute

Page 35: e-Learning - UNIMIB - Sistemi Informativi AA 2019-20 · 2020-03-09 · L’evoluzione della misurazione}Dalla Web Analytics alla Social Media Analytics:}Nel Web 1.0 la modalità prediletta

Come calcorare ER?} L’Engagement Rate di un contenuto serve a capire la

capacità di coinvolgimento di un post. Si calcola dividendo la somma delle interazioni ottenute da un certo contenuto per il numero di persone che lo hanno visto

(somma delle interazioni/persone raggiunte)*100

} L’Engagement Rate di più contenuti serve a calcolare quanto mediamente i nostri post riescono a coinvolgere il pubblico. Si calcola così:

{[(somma delle interazioni del contenuto A/persone raggiunte)]+[(somma delle interazioni del contenuto B/persone

raggiunte)]/2]}*100

Page 36: e-Learning - UNIMIB - Sistemi Informativi AA 2019-20 · 2020-03-09 · L’evoluzione della misurazione}Dalla Web Analytics alla Social Media Analytics:}Nel Web 1.0 la modalità prediletta

Come calcorare ER? (2)} L’Engagement Rate di una pagina Facebook (o di un

profilo di Instagram) serve ad avere un’idea del numero di interazioni della nostra fan base in un dato momento. Quindi il rapporto tra tutte le interazioni avute diviso i contenuti prodotti e il numero dei fan della pagina.

[(somma delle interazioni del contenuto A+somma delle interazioni del contenuto B)/2]/Fan

} La versione che fa uso dei fan o dei follower può essere molto utile se si vuole confrontare il dato con altre pagine similari, magari di competitor. In questo caso si dovrebbe rapportare il risultato a 1000 fan, ad esempio:

{[(somma delle interazioni del contenuto A+somma delle interazioni del contenuto B)/2]/Fan}*1000