È noto fin dagli anni ’70, a partire dalle ricerche di Herbert Simon, che l’attenzione è
una risorsa scarsa e oggi siamo consapevoli che il sovraccarico cognitivo a cui siamo sottoposti ha raggiunto livelli mai visti prima. In questo scenario di iperstimolazione, accelerato dalla tecnologia, l’attenzione ha un ruolo centrale per la comunicazione. Per questo Omnicom Media Group ha deciso di promuovere un progetto sperimentale di ricerca che vada ad esplorare l’attenzione nella fruizione media, con un approccio multilivello inedito nel mercato, che vede il coinvolgimento di Ipsos, Ainem e Nielsen, realtà d’eccellenza nei loro ambiti di intervento. Concettualizzare e misurare l’attenzione in modo nuovo è quindi l’obiettivo del progetto “Beyond Visual Attention” che mira ad integrare il concetto di viewability con nuovi livelli di approfondimento, in ambiente video e anche audio.

L’approccio integrato e scientifico dello studio, che non ha eguali in Italia né in Europa, si sviluppa su alcuni asset, complementari tra loro:

• L’analisi neuroscientifica condotta in laboratorio da Ainem su 150 casi
• L’analisi comportamentale in contesto naturale con metodo single source su 100 casi, condotta da
  Ipsos
• L’analisi condotta da OMG per integrare i dati raccolti e identificare coefficienti di
  “attenzionalità”, elaborati su dati Nielsen (4.000 individui rappresentativi della popolazione italiana per genere, età ed area geografica).

 

L’approccio integrato di misurazione tiene conto del dichiarato delle persone, dell’osservazione dei
comportamenti di fruizione in contesti naturali (direttamente nelle case degli italiani) e tramite
neuroscienze. Lo scopo di OMG è arrivare a creare coefficiente di attenzionalità cross mediali che
supportano le scelte strategiche delle pianificazioni, introducendo nei tool operativi i take out ottenuti dalle analisi di Annalect (business unit di OMG dedicata a dati, tech e analytics) sui dati della ricerca, al fine di ottenere campagne più efficienti dal punto di vista economico e promuovendo, al tempo stesso, una strategia più sostenibile e rispettosa delle persone.

Marco Girelli, CEO di Omnicom Media Group afferma: “L’attenzione è la prossima frontiera della competitività: per questo motivo abbiamo investito in un progetto sperimentale e innovativo che
rappresenta una nuova fase nella nostra industry. Insieme ai nostri partner stiamo cambiando la
prospettiva con cui considerare l’interazione tra persona e stimolo pubblicitario. Ci orientiamo verso una comunicazione più parsimoniosa, pianificata con nuovi criteri volti a diminuire il sovraccarico cognitivo e a ridurre il carbon footprint delle campagne, per creare un nuovo patto tra brand e persone, fondato su un accesso più qualitativo alle informazioni commerciali di prodotto o di servizio e di aiuto nel raggiungimento degli obiettivi ESG dei clienti. Una strada che ci auguriamo di percorrere insieme ad altri player, per portare nuovo valore al nostro lavoro, ai nostri clienti e alle persone”.

“Ipsos da anni utilizza tecnologie avanzate e motori di intelligenza artificiale per rilevare in modo Privacy safe e naturale le dinamiche attentive delle persone nell’ambito della shopping experience nei punti vendita – aggiunge Nora Schmitz, Head Audience Measurement & Media Development di Ipsos – su stimolo di OMG, abbiamo messo a frutto queste competenze e adattato le nostre tecnologie allo studio dell’attenzione in ambito media e pubblicitario. Sposiamo l’obiettivo di far evolvere il modo in cui viene concettualizzata e misurata l’attenzione e, come sempre, operiamo con approcci innovativi che mettano le persone al centro delle riflessioni metodologiche. Per questo lo studio cerca di rilevare l’attenzione nel modo più rigoroso e neutrale possibile, con approccio scalabile. La ricerca adotta gli stessi strumenti software alla rilevazione di tv e mobile, opera in logica single source (cioè rilevando entrambi i mezzi sulle stesse persone) e osserva le persone nelle loro case, durante l’interazione naturale con i contenuti che utilizzano normalmente. I risultati saranno analizzabili tenendo conto degli interessi e del profilo delle persone, del contesto in cui la comunicazione appare e della relazione tra livello di attenzione e ricordo della comunicazione e di brand”

“L’offerta di informazioni e pubblicità aumenta in modo esponenziale, mentre è noto che l’attenzione è una risorsa scarsa, come confermato dagli studi di neuromarketing, che non è mutata rispetto a quella di cui disponevano i nostri antenati di 30.000 anni fa”, afferma Francesco Gallucci, Vicepresidente e Direttore Scientifico di Ainem. “Il divario tra queste due dinamiche, ovvero l’information overload di dati, pubblicità e informazioni, e la difficoltà delle persone di orientare la propria attenzione verso i contenuti pubblicitari, sta crescendo in modo significativo. Questa situazione obbliga i brand a dotarsi di nuovi e più precisi standard di misurazione dell’attenzione basati sul neuromarketing, che tengano conto dell’intero processo di interazione delle persone con la pubblicità, gli ambienti e i diversi formati utilizzati, inclusi gli aspetti uditivi. L’attenzione visiva è il punto di partenza ma non è sufficiente per comprendere le dinamiche profonde dell’overall attention. Oltre alla visibilità, misurata tramite l’eyetracking, occorre analizzare l’attivazione mentale, Mind Attention, grazie all’elettroencefalogramma, e infine considerare il coinvolgimento emotivo e l’attivazione corporea, ovvero la Body Attention. Questo modello di misurazione dell’attenzione si rivela estremamente flessibile e sarà presto esteso anche al gaming e ad altri nuovi ambienti e formati utilizzati nella comunicazione, come podcast e audio. Il contributo scientifico di AINEM, grazie ad OMG, rende possibile questo innovativo modello di misurazione dell’attenzione in campo pubblicitario, che consentirà presto di ridefinire il valore economico del mercato dell’attenzione attraverso lo sviluppo di strategie sostenibili che tengano conto dell’impatto sul cervello e la mente delle persone”.

“In un contesto caratterizzato dalla crescente frammentazione dei media e dall’aumento degli stimoli
comunicativi, la pianificazione dei mezzi deve adottare logiche che vanno oltre l’ottimizzazione della
copertura. Tra queste, l’attenzione rappresenta sicuramente un elemento di grande importanza. A tal
proposito, Nielsen ha fornito supporto a OMG nello sviluppo di un progetto di ricerca che mira ad includere il livello di attenzione nei confronti dei contenuti mediatici all’interno del processo di pianificazione. Questa iniziativa di ricerca si concentra sulla valorizzazione delle nuove modalità di fruizione dei media e rappresenta un primo passo interessante verso la definizione di forme di segmentazione e misurazione delle audience più sofisticate.” dichiara Michele Strazzera, Measurement Leader Emea di Nielsen.

Per consultare le schede tecniche cliccare qui

Nell’ormai lontano 2016 Geoffrey Hinton, uno dei più noti scienziati dei nostri tempi in ambito di Deep Learning, fece una delle sue tanto famose quanto controverse dichiarazioni. Davanti alla platea di una importante conferenza di AI a Toronto annunciò la morte della professione del radiologo: “Se lavorate come radiologi oggi siete come il coyote che è già oltre il precipizio ma non ha ancora guardato in basso.”

Il Deep Learning era così abile a leggere e interpretare le immagini delle risonanze magnetiche o delle TAC che, secondo Hinton, nessuno avrebbe dovuto continuare la formazione come radiologo perché in cinque anni algoritmi accessibili a tutti avrebbero svolto quel lavoro meglio di qualsiasi persona.

Sette anni dopo quella potente dichiarazione continuiamo a vedere i corsi di radiologia pieni nelle università. Gli studi dimostrano infatti che persone e macchine sono complementari in ambito medico e insieme producono dei risultati migliori. Cosa abbiamo capito dopo tutti questi anni e dopo l’investimento di importanti risorse umane e finanziarie? Non solo che il Machine Learning in radiologia è più sfidante di quello che le aspettative iniziali indicavano, ma anche che le persone riescono a elaborare informazioni complesse di contesto spesso non codificate e normalizzate.

Il risultato è che oggi una azienda come IBM, per esempio, che ha investito decine di miliardi di dollari per sviluppare Watson Health, ha iniziato un processo di disinvestimento e svende (per “solo” un miliardo!) grossi database e algoritmi ad una Private Equity Firm (Francisco Partners). Watson Health era considerata la più promettente attività dove dimostrare l’utilità e il potere computazionale di Watson, esattamente come Google Flu Trends doveva dimostrare il potere informativo e l’utilità dei “big data” senza “big theory” e in questo caso i big data erano i dati immensi che produciamo noi ogni giorno con le ricerche che facciamo su Google. Il progetto fu chiuso qualche anno dopo perché il suo costo e i successivi bisogni di correzioni non giustificavano il beneficio che avremmo potuto trarre dal punto di vista delle politiche di salute.

Gli algoritmi da soli non bastano

Gli esempi di come il “fattore” umano sia fondamentale per il successo dei dati e degli algoritmi sono veramente tanti. Alcuni esempi includono la correzione e identificazione di bias, l’identificazione di fake news o classificazione di contenuti vari (incluso quelli non desiderati, attività fondamentale oggi per la moderazione delle reti social e per l’individuazione di contenuti critici),  la creazione di algoritmi basati su teorie note e ben fondate e anche la creazione di database rilevanti su cui usare gli algoritmi.

Il caso di Amazon Alexa è emblematico. All’inizio non c’erano dati veri su cui lavorare. Amazon ha così creato ambienti finti, ma molto realistici, con attori che interagivano come normali famiglie o collaboratori per creare i database di voci, richieste e interazioni da usare per “insegnare” ad Alexa come capire una richiesta o rispondere ad una domanda. Ci sono altri esempi di app che anni fa raccontavano di avere algoritmi che identificavano gli oggetti presenti in una immagine. Anni dopo si scoprì che inizialmente c’era un vasto gruppo di lavoratori che classificavano le immagini real-time costruendo così un database molto diversificato di immagini che è stato usato per sviluppare i veri algoritmi che oggi sono veramente al centro di un servizio real time di classificazione di immagini molto preciso.

E quali lezioni stiamo traendo da questi e tanti altri esempi? Noi che lavoriamo e ricerchiamo in questi ambiti abbiamo innanzitutto capito che indubbiamente algoritmi e dati sono molto utili, ma che da soli non bastano. Ci sono contesti nei quali è difficile, se non impossibile, rinunciare all’intervento umano. Il campo medico è uno di questi, vista la sua complessità e anche perché è un settore ad alto rischio dove le decisioni hanno un impatto determinante sulle vite umane.

Ma anche nell’ambito del business, della comunicazione e del marketing, la complessità dei sistemi studiati e la variabilità umana richiede delle analisi e approfondimenti con un occhio – appunto – umano per leggere interpretare e mettere in prospettiva i risultati forniti dagli algoritmi. Ma anche per poter formulare le migliori strategie di analisi. I dati, siano essi in grandi volumi o no (big or small!), sono sempre molto importanti ma il ragionamento non deve mancare e neanche la conoscenza del contesto. L’input del data scientist o del data analyst, che va oltre l’applicare ciecamente gli algoritmi o accettare quello che ci forniscono, è diventato una delle skill più importanti oggi.

Questa è una ottima notizia per noi, vuol dire che avremo un ruolo fondamentale e che le macchine non andranno a sostituire noi umani in questi ambiti. Ma presenta anche una sfida importante. Da un lato dobbiamo formare le future generazioni per saper usare i dati e gli algoritmi e creare delle competenze tecniche molto forti. Allo stesso tempo dobbiamo formare queste stesse generazioni e insegnare loro a leggere fra le righe dei dati, a interpretare, applicare e usare i risultati nel contesto reale che è quello del mercato. Attività di pensiero critico e creativo non possono e non devono mancare.

Il Master Upa in Data Science per la Comunicazione digitale – Realtà potente di pensiero, dati e tecnologia

È per questo motivo che master come quello in “Data Science per la Comunicazione digitale” organizzato da UPA diventano fondamentali. L’obiettivo è quello di insegnare le basi dell’analisi dei dati, degli algoritmi, delle piattaforme ma allo stesso tempo stimolare il pensiero critico, provocare, e creare valore aggiunto.

E se qualcuno ribatte dicendo che già oggi dobbiamo capire le macchine e vendere alle macchine oltre che alle persone (un bell’esempio è il grande mercato intorno al Search Engine Optimization), possiamo sempre considerare che sicuramente anche quella task verrà eseguita meglio se dietro alla macchina, agli algoritmi e al potere computazionale ci sono persone come noi a dotare tutto di senso.