Sponsorizzate Facebook: il 30% del targeting sugli interessi è impreciso secondo quanto emerge da uno studio condotto dalla North Carolina State University
Tutti i social media manager e coloro che si occupano di gestire le pagine Facebook e Instagram per sé stessi e per i propri clienti, per promozionare un prodotto/servizio utilizzano spesso le sponsorizzate.
Le sponsorizzazioni consentono così di farsi conoscere ad un pubblico potenziale, selezionato in base agli interessi e ai dati demografici degli utenti.
E se vi dicessimo che il 30% delle azioni di targeting degli interessi di Facebook è impreciso?
E’ questo ciò che emerge dallo studio condotto dalla North Carolina State University, di cui ci dà notizia anche Social Media Today, su un campione di 146 partecipanti.
Vediamo in cosa consiste questa ricerca e le sue interessanti implicazioni, nel post a cura di Pop Up!
Sponsorizzate Facebook: lo studio dell’Università della Carolina del Nord
L’Università della Carolina del Nord ha quindi sviluppato questa ricerca, che ha esaminato le prestazioni specifiche del monitoraggio degli interessi di Facebook e il modo in cui questo assegna comportamenti e argomenti a ciascun utente. Nello specifico sono stati creati nuovi profili Facebook di 146 persone partecipanti e sviluppato le normali attività proprie di un account Facebook (visitare una pagina, mettere il like ad un post e via discorrendo). Eseguendo quindi sistematicamente numerose attività pianificate.
La loro conclusione principale: circa il 30% degli interessi dedotti da Facebook sono imprecisi o irrilevanti, il che potrebbe avere implicazioni significative per la spesa pubblicitaria per coloro che decidono di utilizzare, come targeting, gli interessi degli utenti.
Come spiegato nello studio:
“Per ottenere informazioni su come Facebook genera interessi dalle attività del social network di un utente, abbiamo eseguito esperimenti controllati, creando nuovi account ed eseguendo sistematicamente numerose attività pianificate. Abbiamo riscontrato che il 33,22% degli interessi dedotti erano imprecisi o irrilevanti. Per capire se i nostri risultati valgono per un campione ampio e diversificato, abbiamo condotto uno studio in cui abbiamo reclutato 146 partecipanti (tramite Amazon Mechanical Turk) da diverse regioni del mondo per valutare l’accuratezza degli interessi dedotti da Facebook. Abbiamo sviluppato un’estensione del browser per estrarre dati dai propri account Facebook e porre domande sulla base di tali dati. I nostri partecipanti hanno riportato un intervallo simile (29%) di imprecisione osservato nei nostri esperimenti controllati. I ricercatori hanno creato dapprima 14 nuovi account utente su Facebook. Poi hanno controllato i dati demografici e il comportamento di ciascun account e hanno tracciato l’elenco di interessi che Facebook ha generato per ciascun account. Questo esperimento ci ha permesso di vedere quali attività sono state associate a Facebook che deduce un interesse, e la scoperta chiave qui è che Facebook adotta un approccio aggressivo all’inferenza degli interessi, anche qualcosa di semplice come scorrere una pagina ha portato Facebook a determinare che un utente abbia un interesse per quell’argomento”.
Vale la pena notare che questo è un pool di studi su scala relativamente piccola: Facebook ha più di 2,9 miliardi di utenti attivi mensili, quindi un gruppo di 146 soggetti di prova è solo un elemento frazionario. Ma il problema riguarda il processo di assegnazione degli interessi. E qualunque azione tu faccia sull’app, anche vedere una semplice pagina, fa dedurre a Facebook che tu sia interessato all’argomento, dando un risultato impreciso nel targeting. Inoltre i ricercatori hanno notato che il sistema di Facebook non distingue tra interazioni positive e negative.
Come emerge dallo studio:
“Ad esempio, abbiamo commentato negativamente una pagina di Harry Potter e abbiamo ricevuto interessi per Harry Potter e Daniel Radcliffe (l’attore principale della saga).”
Lo studio ha anche mostrato che, a volte, il sistema di Facebook attribuirà erroneamente entità:
“Ad esempio, visitando la pagina di Apple (azienda tecnologica), Apple (frutta) è stato dedotto come interesse”.
Un possibile rimedio potrebbe essere l’utilizzo della funzione Lookalike, ma se il sistema è erroneo o impreciso, il rischio permane comunque.
