SPECIALE RADIO ACTIVA+

La vita segreta delle recensioni online. Network Contacts e il Machine Learning che capisce i turisti

Intervista a Mohammad Kazemi e Davide Stirparo

 

Decisori politici, professionisti del marketing territoriale, imprenditori dell’hôtellerie e dell’enogastronomia… Sono solo alcuni degli stakeholder della filiera del turismo, da sempre uniti dalla medesima esigenza: capire perché un turista sceglie una certa destinazione.

Cosa soddisfa i clienti e cosa li lascia con un cattivo ricordo? Saperlo è fondamentale non solo per migliorare i propri servizi, attrarre nuovi ospiti e veder ritornare gli habitué, ma anche perché oggi il viaggio non termina più quando si torna a casa. Le esperienze positive e negative di ciascuno di noi riverberano e continuano a vivere nel tempo, sui social e sui servizi di rating online come Tripadvisor.

Proprio come sentieri aperti in un territorio inesplorato, queste tracce digitali segnano i percorsi che altri dopo di noi seguiranno. Le rotte digitali si sovrappongono a quelle fisiche, orientando e condizionando il flusso dei viaggiatori.

 

Ascolta anche: Editoria di viaggio: il caso Morellini Editore

 

Chi padroneggia queste tracce può agire sul proprio territorio, indirizzando il visitatore là dove ha maggiori probabilità di essere felice. Riducendo al contempo la pressione da quei pochi luoghi noti, dove si concentra oltre il 90% della presenza turistica, per valorizzare aree meno conosciute.

Ma come si fanno ad afferrare le aspettative e le esperienze di migliaia e migliaia di turisti? Questa è la domanda che si sono fatti in Network Contacts… L’esito è un paper firmato da Ariona ShashajDavide Stirparo e Mohammad Kazemi dal titolo CEA-TM: A Customer Experience Analysis framework based on Contextual-aware Topic Modeling approach.

La ricerca, presentata in anteprima all’AIAI 2021: 17th international conference on Artificial Intelligence Applications and Innovations, lo scorso 26 giugno, si inserisce all’interno del progetto C-BAS (Customer Behavior Analysis System) delle regione Puglia, che comprende soluzioni turistiche innovative.

Cosa promette? Un metodo semplice, ma soprattutto veloce, per individuare tutte quelle parole che chiariscono il senso di una recensione. Su migliaia di recensioni. 

 

Ascolta anche: Disintermediazione e nuove frontiere del Food e dell’Hospitality

 

Il risultato finale è una sorta di Atlante del “chi fa cosa e dove”. Un indice di ciò che piace, interessa e attrae. Di ciò che, invece, allontana. E, più in generale, di tutte le voci che fanno la differenza nella scelta della meta. Insomma, se non sei sulla lista sei out. Come in discoteca. 

“Abbiamo etichettato e catalogato circa 15.000 recensioni turistiche da tre principali fonti: Tripadvisor, Booking e Google”, spiega Davide Stirparo. “L’utilizzo di un’analisi testuale, basata su algoritmi predefiniti, ci ha permesso di ottenere risultati chiari e facilmente leggibili”.

Mohammad Kazemi aggiunge: “Abbiamo definito un punteggio che ci permette di capire quanto un contenuto sia buono. Questo punteggio sfrutta le relazioni semantiche tra le parole contenute nello stesso topic”.

 

Ascolta anche: AI Week 2021 e Radio Activa: il punto della prima giornata (10 Maggio 2021)

 

Ma come funziona – nel dettaglio – il Machine Learning della squadra Network Contacts? Quali gli applicativi futuri? E quanto il risparmio effettivo in termini di tempo?

Per questi e altri interrogativi c’è il podcast. Buon ascolto!

La Redazione

 

 



Luisa Amen

Ospite

Mohammad Kazemi

Mohammad Kazemi. Laureato in Data Science presso la Bologna Business School, completa la sua formazione con un Master in Business Administration all’Università di Tor Vergata. Oggi è Data Scientist per Network Contacts e ha di recente pubblicato, insieme ai colleghi Ariona Shashaj e Davide Stirparo, l’articolo scientifico: CEA-TM: A Customer Experience Analysis framework based on Contextual-aware Topic […]

Davide Stirparo

Davide Stirparo. Data Scientist del team di Ricerca e Sviluppo Network Contacts. Laureato in Scienze Statistiche Demografiche e Sociali alla Sapienza di Roma, è coautore di un articolo scientifico pubblicato recentemente: CEA-TM: A Customer Experience Analysis framework based on Contextual-aware Topic Modeling approach (AIAI, 2021). Andrea Zarrilli

Potrebbero interessarti

PODCAST

Pornhub e il Digital Service Act: nuove regole per la tutela online
Big Data

Gli impatti del Digital Services Act. Il caso Pornhub

Ospite: Fulvio Sarzana, Marco Scialdone

A LITTLE PRIVACY, PLEASE!
con Sergio Aracu, Marco Trombadore

PODCAST

Data Feminism
Big Data

DONATA COLUMBRO (Università Iulm): I dati sono neutri? Parliamo di Data Feminism

Ospite: Donata Columbro

WOW - WOMEN ON WEB
con Federica Meta, Francesca Pucci

PODCAST

Big Data

Governance delle tecnologie, sfide e possibili soluzioni

Ospite: Daniele Archibugi

OLL IN
con Paolo Emilio Colombo

PODCAST

dark pattern
Big Data

Dark Pattern, come proteggersi dalla manipolazione?

Ospite: Valentina Fiorenza

A LITTLE PRIVACY, PLEASE!
con Sergio Aracu, Marco Trombadore

PODCAST

Chi controlla i nostri dati?
Big Data

Chi controlla i nostri dati?

Ospite: Stefano Gazzella

A LITTLE PRIVACY, PLEASE!
con Sergio Aracu, Marco Trombadore

PODCAST

Big Data

Il punto sulla strategia europea in materia di dati

Ospite: Aniello Gentile, Rosario Imperiali

TALK ABOUT IT
con Marco Borgherese