Se la reputazione di aziende e brand è oggi un asset di enorme valore, per non dire il più importante in un’epoca di accesso totale all’informazione e di utenti sempre più consapevoli, bisogna tenere presente che i rischi legati alla reputation non derivano solo da azioni dirette della propria organizzazione.
Un’impresa può essere, di per sé, estremamente virtuosa ma esporsi comunque a rischi reputazionali. Come? Ad esempio, nel mondo del retail questo si verifica di frequente per tutti quei marchi che rivendono i propri prodotti in punti vendita e network di terze parti.
Appoggiarsi ai rivenditori, a business partner e distributori, è sicuramente un ottimo driver per le vendite e una necessità di mercato. D’altro canto, però, è bene tutelarsi e arginare il rischio di controparte distributiva, sfruttando il potenziale dei modelli matematici e degli algoritmi di machine learning per monitorare, analizzare e catalogare news, recensioni e commenti.
Cosa significa utilizzare i dati alternativi per monitorare il rischio distributivo
Usare dati alternativi nella data science e negli algoritmi di AI significa utilizzare fonti di dati non convenzionali per migliorare l’accuratezza e la precisione delle analisi e dei modelli.
I dati alternativi, complementari a quelli di prima parte, già in possesso delle imprese, possono includere informazioni raccolte dal web, come news mainstream e locali recensioni, oppure ancora dati dai social media, oppure ancora dati di geolocalizzazione, dati da app e molto altro.
I dati alternativi sono una risorsa preziosa e fondamentale per completare e integrare i set informativi tradizionali. in situazioni in cui questi ultimi siano limitati o incompleti. Se si cerca di creare un sistema innovativo finalizzato al rilevamento di anomalie reputazionali su negozi di rivenditori sul territorio, che potrebbero impattare negativamente la vendita di prodotti a marchio, è indispensabile considerare dati alternativi come le opinioni dei clienti..
La nostra soluzione tecnologica 3rdEye è finalizzata a circoscrivere il rischio finanziario delle controparti distributive anticipando eventuali anomalie, e si applica a tutte quelle realtà – nella figura dei Marketing Manager e/o dei Risk Manager – che distribuiscono i propri prodotti tramite soggetti terzi, offline e online, in particolare nell’ambito dei Beni di Consumo.
Il caso Samsung: intelligent monitoring e sentiment analysis nel mondo consumer electronics
Per Samsung Italia, divisione nazionale del marchio leader nel settore tecnologico a livello globale, Aramix ha realizzato un ambizioso progetto AI-based di valutazione del rischio di controparte distributiva.
Un framework proprietario di Natural Language Processing per l’analisi di dati alternativi ha permesso al Brand di elaborare elevati volumi di informazioni relative ai diversi shop, prendendo in considerazione news online, social e recensioni di clienti, per poi identificare segnali di rischio con frequenza giornaliera, classificando le news e calcolando uno score in base al grado di criticità di ciascuna. In questo modo, è possibile calcolare il grado di criticità per ciascun rivenditore sul territorio o online, grazie ad un sistema di alerting quotidiano e ad una dashboard di data visualization.
Le grandi sfide del progetto, oltre alla mole di dati da processare, sono state principalmente due: l’approccio NLP e i temi legati alla privacy.
In primis, decifrare il linguaggio naturale degli utenti, fatto di espressioni colloquiali, refusi e incoerenze, non è stato banale: l’algoritmo è stato addestrato per arrivare a comprendere persino gli errori grammaticali e semantici, oltre alle discrepanze logiche tra valutazione (ad esempio, il numero di stelle di una recensione) e commento ad essa abbinato.
In secondo luogo, il tema della corretta gestione dei dati per ragioni di trasparenza e di privacy è oggi cruciale. In questo senso, Aramix è all’avanguardia in quanto realtà dotata della licenza ex art. 134 del Testo Unico delle Leggi di Pubblica Sicurezza italiano, che tutela non solo il fornitore del servizio di raccolta e analisi dei dati provenienti dalla rete per l’attivazione di soluzioni di intelligent monitoring, ma anche il committente, in questo caso Samsung stessa, che può avere la certezza di una governance dei dati e di una gestione dei progetti del tutto compliant con le più stringenti previsioni di legge di riferimento.
